Висвітлено проблеми розпізнавання зображень відеооб'єктів за умов їх зміни під дією геометричних перетворень і просторових перешкод зовнішнього середовища з застосуванням розроблених структурно-ієрархічних методів. Запропоновано модель локально-просторової подібності під час зіставлення структурних описів на підставі голосування. Синтезовано ієрархічний метод розпізнавання за умов складного фону шляхом побудови інтегрального опису. Розроблено метод побудови й оцінки подібності описів для ознак стратифікованого уявлення. Обгрунтовано принцип оптимізації розроблених методів розпізнавання на базі статистичних критеріїв, розв'язано задачу оптимального вибору параметрів. Розроблено метод фільтрації для елементів описів з застосуванням кластеризації у просторі перетворень. Увагу приділено моделям стиснення структурних описів і методам побудови ієрархії з використанням багаторівневих ознак. З використанням запропонованих методів розв'язано ряд прикладних задач, зокрема, ідентифікації протяжних об'єктів різного типу, візуального моніторингу, контролю якості з застосуванням магнітних вимірювань.

Оцінено рівень фінансової безпеки підприємства за допомогою інтегрального показника. Розглянуто існуючі підходи та запропоновано відбір показників для обчислення інтегрального показника фінансової безпеки підприємства.

Обговорено проблему оцінювання ефективності роботи банків на основі аналізу значень системи показників. Застосування методів кластерного аналізу векторних даних про рівень капіталізації надає можливість виділити групи банків з метою виявлення загальних тенденцій їх розвитку та подальшого управління процесом їх функціонування. Наведено результати аналізу даних про діяльність банків Харківського регіону.

Розглянуто теоретичні підходи до нормування трудомісткості виготовлення програмного забезпечення та практику нормування у комп'ютерних фірмах; на базі проведенного аналізу існуючих у науковій літературі підходів та рекомендацій практиків розроблено пропозиції щодо нормування роботи програмістів.

Викладено основні положення методики визначення собівартості програмного забезпечення, яка може бути використана на підприємствах будь-якої форми власності. Передбачено два варіанти використання методики: для стадії попереднього планування та для стадії визначення фактичної собівартості програмного забезпечення. Для визначення собівартості програмного забезпечення на стаді попереднього планування рекомендовано використовувати інтервальну арифметику.

Викладено відомості про структуру спеціалізованої програмної системи, призначеної для проведення економічного детермінованого факторного аналізу. Система реалізує індексний метод; метод ланцюгових підстановок; метод абсолютних різниць; метод відносних різниць; логарифмічний метод; інтегральний метод. Всі методи розроблені в середовищах програмування Delphi 7, VISUAL STUDIO.NET 2008 і середовищі MS Excel 2007.

Розроблено теоретико-методичні засади визначення собівартості програмного забезпечення. Проведено аналіз наявних вітчизняних і зарубіжних методик визначення витрат на створення програм. Розроблено засоби автоматизації розрахунку собівартості. Обгрунтовано методику визначення собівартості програмних засобів.

Вирішено задачу інваріантного розпізнавання візуальних об'єктів з використанням структурних методів на основі описів у вигляді множини особливих точок зображення. Проведено аналіз характеристик та засобів програмного моделювання сучасних методів ORB та BRISK для визначення особливих точок. Запропоновано метод бінарного аналізу для формування центрів класів та подальшої класифікації. Проведено програмне моделювання методу у порівнянні з мережею Кохонена, одержано підтвердження результативності розробленого методу для прикладної бази зображень.

Вирішено задачу структурного розпізнавання візуальних об'єктів на підгрунті описів у вигляді множини ключових точок зображення. Запропоновано метод бінарного аналізу множин дескрипторів опису для формування центрів класів з метою класифікації у межах заданої бази еталонів. Обговорено критерії оцінювання ефективності класифікації. Проведено програмне моделювання та дослідження методу у порівнянні з медіанними центрами, одержано підтвердження результативності розробленого методу для прикладної бази зображень.

Вирішено задачу класифікації зображень у просторі ознак дескрипторів особливих точок з поданням опису у кластерному виді і використанням статистичних мір для обчислення релевантності описів. Проведено аналіз особливостей застосування статистичного та метричного класифікаторів при визначенні рівня релевантності структурних описів. Виконано порівняння характеристик мір релевантності на розрахункових прикладах. Запропоновано використання розходження Кульбака-Лейблера як універсальної і ефективної міри для задачі класифікації. Підтверджена результативність запропонованого підходу для прикладних баз зображень. Наукова новизна дослідження полягає у розвиненні методу структурного розпізнавання зображень на основі кластерного опису множини дескрипторів особливих точок шляхом застосування апарату статистичних мір для визначення релевантності аналізованих та еталонних даних і побудови класифікаційних висновків у просторі кластер - еталон. Практична значущість роботи - одержання прикладних розрахункових моделей для застосування методів класифікації і підтвердження їх результативності в конкретних прикладах базах зображень.

Забезпечення результативності та багатофункціональності сучасних систем комп'ютерного зору вимагає створення різноманіття ефективних методів інтелектуального оброблення візуальної інформації. Розвиток систем структурного розпізнавання безпосередньо пов'язаний як із побудовою нових ефективних методів, так і з необхідністю створення дієвого механізму оцінювання результативності таких методів для довільних прикладних зразків візуальних даних. Одним із засобів, що базуються на статистичних характеристиках структурних даних, є апарат баєсовської теорії прийняття рішень. Обчислення апостеріорних ймовірностей віднесення опису візуального об'єкта до множини еталонів дає можливість як безпосередньо здійснювати розпізнавання на їх підставі, так і попередньо оцінити результативність процедур порівняння чи обчислення релевантності описів стосовно конкретної прикладної бази зображень. Особливу увагу приділяють вивченню структури множини дескрипторів зображень, що безпосередньо впливає на показники функціонування систем розпізнавання. Мета роботи - вивчення можливості та особливостей застосування статистичної теорії розпізнавання щодо механізму прийняття рішень та оцінювання ефективності у виді ймовірностей віднесення опису об'єкта до класу, а також порівняння отриманих результатів обчислень із експериментальними даними комп'ютерного моделювання. Запропоновано метод розпізнавання на основі застосування кластерних характеристик бази еталонних зображень із використанням баєсовської теорії прийняття рішень. Підсумком дослідження є створення механізму розпізнавання та оцінювання результативності процедур обчислення релевантності структурних описів. Головним результатом статті є підтвердження фундаментального зв'язку методів порівняння з еталоном та статистичного підходу у розпізнаванні образів стосовно структурних описів у вигляді множини характерних ознак зображень, які результативно представлено кластерним виглядом. Запропонований у роботі більш простий в аспекті обчислювальних витрат статистичний підхід на підставі баєсовських оцінок може застосовуватися для попередніх розрахунків ефективності розпізнавання без проведення затратних експериментів з програмного моделювання. Засвідчено ефективність розробленого методу обчислення ймовірнісних оцінок розпізнавання для прикладних баз зображень. Результат класифікації продемонстрував універсальність та коректність застосування методу, кожний із тестових об'єктів у декількох розглянутих базах зображень розпізнаний правильно. Здійснено порівняння отриманих кількісних результатів обчислень із експериментальними даними комп'ютерного моделювання. Висновки: у проведеному дослідженні запропоновано метод структурної класифікації зображень на основі кластерного подання опису засобами баєсовської теорії прийняття рішень. Основна ідея застосування належного математичного апарату полягає у віднесенні аналізованого об'єкту до еталону, що має найбільше значення апостеріорної ймовірності. Розроблений метод забезпечує достатній рівень розрізнення зображень, що підтвердили описані розрахунки та результати моделювання. Впроваджено механізм оцінювання результативності аналізованих методів структурного розпізнавання в межах прикладної бази зображень.