Книжкові видання та компакт-диски Журнали та продовжувані видання Автореферати дисертацій Реферативна база даних Наукова періодика України Тематичний навігатор Авторитетний файл імен осіб
|
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
Пошуковий запит: (<.>AT=Хижняк Метод ройового інтелекту (штучної$<.>) |
Загальна кількість знайдених документів : 2
Представлено документи з 1 до 2
|
1. |
Хижняк І. А. Метод ройового інтелекту (штучної бджолиної колонії (ABC)) тематичного сегментування оптико-електронного зображення [Електронний ресурс] / І. А. Хижняк, О. М. Маковейчук, Р. Г. Худов, В. О. Подліпаєв, Г. В. Горбань, Г. В. Худов // Системи управління, навігації та зв'язку. - 2018. - Вип. 2. - С. 91-96. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2018_2_21 Проведено аналіз недоліків відомих методів сегментування оптико-електронного зображення. Запропоновано для тематичного сегментування зображення, що отримано з бортової системи оптико-електронного спостереження, використання ройового методу (методу штучної бджолиної колонії). Проаналізовано основні види фітнес-функцій, що використовуються при ABC методі, та встановлено їх непридатність до тематичного сегментування зображення, що одержано з бортової системи оптико-електронного спостереження. Введена фітнес-функція, що враховує внутрішні дисперсії розподілу яскравості тематичних сегментів оптико-електронного зображення, сформульована оптимізаційна задача, що полягає в мінімізації фітнес-функції. Оптимізаційна задача вирішується методом ітераційних розрахунків. Наведено результат тематичного сегментування оптико-електронного зображення для випадку двох тематичних сегментів, на якому виділені можливі об'єкти інтересу - літаки, сховища з нафтою, споруди та інші.Для підвищення якості дешифрування зображення, що отримано з бортової системи оптико-електронного спостереження, запропоновано проводити тематичне сегментування багатомасштабної послідовності таких зображень. Проаналізовано відомі підходи до аналізу багатомасштабної інформації, їх переваги та недоліки. У якості методу тематичного сегментування багатомасштабної послідовності зображень запропоновано обрати метод ройового інтелекту (штучної бджолиної колонії), наведено математичне формулювання завдання сегментування багатомасштабної послідовності зображень. У якості параметру, що оптимізується, обрано поріг сегментування, а оптимізація полягає у мінімізації цільової функції. Наведено результати ітераційного процесу визначення порогу на етапах ітерації та удосконалено метод ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності зображень, що отримані з бортової системи оптико-електронного спостереження.
| 2. |
Хижняк І. А. Метод ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності зображень, що отримані з бортової системи оптико-електронного спостереження [Електронний ресурс] / І. А. Хижняк // Збірник наукових праць Харківського національного університету Повітряних Сил. - 2018. - № 2. - С. 105-112. - Режим доступу: http://nbuv.gov.ua/UJRN/ZKhUPS_2018_2_17 Проведено аналіз недоліків відомих методів сегментування оптико-електронного зображення. Запропоновано для тематичного сегментування зображення, що отримано з бортової системи оптико-електронного спостереження, використання ройового методу (методу штучної бджолиної колонії). Проаналізовано основні види фітнес-функцій, що використовуються при ABC методі, та встановлено їх непридатність до тематичного сегментування зображення, що одержано з бортової системи оптико-електронного спостереження. Введена фітнес-функція, що враховує внутрішні дисперсії розподілу яскравості тематичних сегментів оптико-електронного зображення, сформульована оптимізаційна задача, що полягає в мінімізації фітнес-функції. Оптимізаційна задача вирішується методом ітераційних розрахунків. Наведено результат тематичного сегментування оптико-електронного зображення для випадку двох тематичних сегментів, на якому виділені можливі об'єкти інтересу - літаки, сховища з нафтою, споруди та інші.Для підвищення якості дешифрування зображення, що отримано з бортової системи оптико-електронного спостереження, запропоновано проводити тематичне сегментування багатомасштабної послідовності таких зображень. Проаналізовано відомі підходи до аналізу багатомасштабної інформації, їх переваги та недоліки. У якості методу тематичного сегментування багатомасштабної послідовності зображень запропоновано обрати метод ройового інтелекту (штучної бджолиної колонії), наведено математичне формулювання завдання сегментування багатомасштабної послідовності зображень. У якості параметру, що оптимізується, обрано поріг сегментування, а оптимізація полягає у мінімізації цільової функції. Наведено результати ітераційного процесу визначення порогу на етапах ітерації та удосконалено метод ройового інтелекту (штучної бджолиної колонії) тематичного сегментування багатомасштабної послідовності зображень, що отримані з бортової системи оптико-електронного спостереження.
|
|
|