Простийпошук |
Розширенийпошук |
Покажчики
|
Професійний пошук |
Рубрикатор НБУВ |
Розподілений пошук |
Бази даних
Наукова періодика України - результати пошуку
Книжкові видання та компакт-дискиЖурнали та продовжувані виданняАвтореферати дисертаційРеферативна база данихНаукова періодика УкраїниТематичний навігаторАвторитетний файл імен осіб
 |
Для швидкої роботи та реалізації всіх функціональних можливостей пошукової системи використовуйте браузер "Mozilla Firefox" |
|
|
Повнотекстовий пошук
| Знайдено в інших БД: | Книжкові видання та компакт-диски (2) | Журнали та продовжувані видання (2) | Автореферати дисертацій (1) | Реферативна база даних (21) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Гороховатський В$<.>) | ||||
|
Загальна кількість знайдених документів : 29 Представлено документи з 1 до 20 |
||||
| ||||
| 1. | 
Жихор О. Б. Обчислення інтегрального показника фінансової безпеки підприємства [Електронний ресурс] / О. Б. Жихор, В. О. Гороховатський, А. Ю. Олейнікова // Фінансово-кредитна діяльність: проблеми теорії та практики. - 2013. - Вип. 2. - С. 166-171. - Режим доступу: http://nbuv.gov.ua/UJRN/Fkd_2013_2_22 Оцінено рівень фінансової безпеки підприємства за допомогою інтегрального показника. Розглянуто існуючі підходи та запропоновано відбір показників для обчислення інтегрального показника фінансової безпеки підприємства. | |||
| 2. | 
Гороховатський В. О. Розроблення програмного середовища для оперативного розрахунку фінансово-кредитних показників [Електронний ресурс] / В. О. Гороховатський, А. М. Кобилін, Р. В. Семенцов // Вісник Університету банківської справи Національного банку України. - 2013. - № 1. - С. 270-273. - Режим доступу: http://nbuv.gov.ua/UJRN/VUbsNbU_2013_1_52 | |||
| 3. | 
Гороховатський В. О. Застосування інтелектуальних технологій аналізу даних для оброблення інформації про діяльність банків [Електронний ресурс] / В. О. Гороховатський, А. М. Кобилін, Р. В. Семенцов // Системи обробки інформації. - 2014. - Вип. 1. - С. 210-213. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2014_1_46 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. | |||
| 4. |
Гороховатський В. О. Методика визначення собівартості програмного забезпечення [Електронний ресурс] / В. О. Гороховатський, В. Ю. Дубницький, А. М. Кобилін, В. О. Лукін, О. В. Москаленко // Системи обробки інформації. - 2014. - Вип. 4. - С. 90-96. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2014_4_21 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. | |||
| 5. |
Гороховатський В. О. Визначення трудомісткості при розробленні програмних комплексів [Електронний ресурс] / В. О. Гороховатський, В. Ю. Дубницький, А. М. Кобилін, В. О. Лукін, О. В. Москаленко // Системи обробки інформації. - 2014. - Вип. 2. - С. 92-98. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2014_2_22 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. | |||
| 6. |
Гороховатський В. А. Модели обработки дескрипторов характерных признаков изображений на основе анализа гистограмм [Електронний ресурс] / В. А. Гороховатський, Ю. А. Куликов // Системи обробки інформації. - 2010. - Вип. 9. - С. 145-148. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2010_9_44 | |||
| 7. |
Гороховатський В. О. Програмна реалізація методів економічного факторного аналізу [Електронний ресурс] / В. О. Гороховатський, В. Ю. Дубницький, А. М. Кобилін // Системи обробки інформації. - 2015. - Вип. 4. - С. 130-135. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2015_4_28 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. | |||
| 8. |
Гороховатський В. О. Візуалізація та інтелектуальний аналіз бізнес-даних із використанням засобів аналітичної платформи Deductor [Електронний ресурс] / В. О. Гороховатський, М. О. Вагіна // Вісник Університету банківської справи. - 2015. - № 2. - С. 163–170. - Режим доступу: http://nbuv.gov.ua/UJRN/VUbsNbU_2015_2_30 | |||
| 9. | 
Гороховатський В. О. Аналіз властивостей, характеристик та результатів застосування новітніх детекторів для визначення особливих точок зображення [Електронний ресурс] / В. О. Гороховатський, Д. В. Пупченко, К.Г. Солодченко // Системи управління, навігації та зв'язку. - 2018. - Вип. 1. - С. 93-98. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2018_1_22 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. | |||
| 10. |
Гороховатський В. О. Застосування апарату аналізу та оброблення бітових даних у методах класифікації зображень за множиною ключових точок [Електронний ресурс] / В. О. Гороховатський, К. Г. Солодченко // Системи управління, навігації та зв'язку. - 2018. - Вип. 2. - С. 63-67. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2018_2_15 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. | |||
| 11. | 
Гадецька С. В. Методи структурної класифікації зображень на засадах баєсовської теорії прийняття рішень [Електронний ресурс] / С. В. Гадецька, В. О. Гороховатський // Радіоелектроніка, інформатика, управління. - 2018. - № 2. - С. 90-97. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2018_2_12 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. | |||
| 12. |
Гороховатський В. О. Дослідження модифікацій методу встановлення релевантності зображень об’єктів за описами у вигляді множини дескрипторів ключових точок [Електронний ресурс] / В. О. Гороховатський, А. А. Васильченко, К. П. Манько, Р. П. Пономаренко // Системи управління, навігації та зв'язку. - 2018. - Вип. 5. - С. 74-78. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2018_5_17 Досліджено моделі для встановлення ступеня релевантності зображень у просторі дескрипторів ключових точок зображень для реалізації структурних методів розпізнавання зорових образів у системах комп'ютерного зору. Мета статті - проведення експериментального дослідження ефективних за параметром швидкодії модифікацій способів встановлення подібності описів у просторі дескрипторів ключових точок на підставі апарату аналізу бітових даних. Завдання: розроблення математичних та програмних моделей оброблення даних при обчисленні подібності структурних описів, вивчення властивостей та особливостей застосування цих моделей, оцінювання ефективності за результатами оброблення конкретних зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, метод кластеризації k-середніх, методи побітового оброблення та підрахунку частоти входження даних, теорія хешування бітових даних, програмне моделювання. Методи класифікації зображень з використанням подібності описів у просторі дескрипторів ключових точок одержують подальший розвиток та застосування на підставі впровадження апарату аналізу бітових даних. Кластерне подання описів не тільки скорочує час оброблення, але й показує чутливість модифікації методу до незначних особливостей зображення і його можливість широкого застосування у системах комп'ютерного зору. Хешування опису без втрати даних суттєво прискорює (у експерименті у сотні разів) процес обчислення ступеня релевантності описів. Вибрана хеш-функція може впливати на результат і сприяти покращенню рівня розрізнення зображень. Побудова узагальненого опису у вигляді спільного дескриптора значно скорочує час обчислень, при цьому виникає потреба у попередньому обробленні опису з метою формування скороченого опису із списку списку значущих дескрипторів. Висновки: наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі опису як множини дескрипторів ключових точок шляхом застосування апарату кластеризації, виявлення узагальнених властивостей та хешування даних для визначення модифікованих мір релевантності аналізованих та еталонних описів. Практична значущість роботи - досягнення суттєвого рівня підвищення швидкодії обчислення релевантності зображень, підтвердження результативності запропонованих модифікацій на прикладах зображень, одержання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп'ютерного зору. | |||
| 13. |
Гороховатський В. О. Статистичні розподіли та ланцюжкове подання даних при визначенні релевантності структурних описів візуальних об’єктів [Електронний ресурс] / В. О. Гороховатський, С. В. Гадецька, Р. П. Пономаренко // Системи управління, навігації та зв'язку. - 2018. - Вип. 6. - С. 87-92. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2018_6_19 Досліджено моделі для встановлення рівня релевантності зображень у просторі розподілів для дескрипторів ключових точок при розпізнаванні візуальних об'єктів у системах комп'ютерного зору. Мета статті - створення методу структурного розпізнавання зображень на підставі впровадження ланцюжкових моделей даних із використанням ймовірнісних розподілів множини дескрипторів. Розроблено математичні та програмні моделі для ефективного за швидкодією аналізу даних при визначенні релевантності структурних описів, вивчення властивостей, атрибутів застосування, значень параметрів цих моделей, оцінювання результативності за наслідками оброблення конкретних зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, апарат інтелектуального аналізу даних, методи побітового оброблення та побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Перехід від опису множин дескрипторів до ймовірнісних розподілів фрагментів і зіставлення образів у просторі розподілів забезпечують необхідну результативність розпізнавання. Оброблення та аналіз даних виконується у сотні разів швидше, ніж традиційний підрахунок голосів. Оброблення та аналіз сполучень бітів формує значимі властив ості для сукупності елементів опису зі збереженням структури даних і їх уніфікації. Зі збільшенням числа бітів у фрагменті розподілу зростає відстань між зображеннями, що сприяє збільшенню ступеня їх розрізнення. Ланцюговим поданням та застосуванням розподілів створюється новий простір даних, що надає можливість суттєво покращити показники функціонування систем розпізнавання зображень. Висновки: наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі впровадження узагальненої ланцюгової структури опису із використанням значень розподілу для фрагментів множини дескрипторів ключових точок, що змістовно відображають властивості зображень об'єктів і забезпечують результативне розпізнавання. Практична значущість - досягнення суттєвого рівня підвищення швидкодії обчислення релевантності, підтвердження результативності запропонованих модифікацій на прикладах зображень, одержання прикладних програмних моделей для дослідження та впровадження методів класифікації в системах комп'ютерного зору. | |||
| 14. |
Гадецька С. В. Застосування статистичних мір релевантності для векторних структурних описів об’єктів у задачі класифікації зображень [Електронний ресурс] / С. В. Гадецька, В. О. Гороховатський // Системи управління, навігації та зв'язку. - 2018. - Вип. 4. - С. 62-68. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2018_4_14 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. | |||
| 15. |
Гороховатський В. О. Дослідження системи ієрархічних ознак при блочному поданні опису у складі множини ключових точок зображення [Електронний ресурс] / В. О. Гороховатський, Д. О. Руденко, Т. О. Сірик // Системи управління, навігації та зв'язку. - 2019. - Вип. 2. - С. 69-73. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2019_2_17 Досліджено ієрархічні моделі для встановлення ступеня релевантності описів зображень при розпізнаванні візуальних об'єктів у системах комп'ютерного зору. Мета роботи - розроблення модифікації методу структурного розпізнавання на підставі впровадження блокових моделей даних із інтегруванням ймовірнісних розподілів. Завдання: розроблення математичних та програмних моделей для ефективного за швидкодією ієрархічного оброблення даних при визначенні релевантності структурних описів, вивчення властивостей цих моделей, оцінювання результативності при обробленні зображень. Застосовуваними методами є: детектор ORB для формування дескрипторів ключових точок, інтелектуальний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Одержані такі результати. Перехід від опису множин дескрипторів до розподілів фрагментів, побудова ієрархічних ознак забезпечують необхідну результативність розпізнавання. Оброблення та аналіз даних виконується у кілька разів швидше, ніж на підставі розподілів. Висновки: наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі впровадження блочної структури опису із використанням інтегрованих значень розподілу для фрагментів множини дескрипторів. Практична значущість - досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності, підтвердження результативності запропонованих ієрархічних ознак на прикладах зображень, одержання прикладних програмних моделей для дослідження та впровадження методів класифікації в системах комп'ютерного зору. | |||
| 16. |
Гороховатський В. О. Вивчення статистичних властивостей моделі блочного подання для множини дескрипторів ключових точок зображень [Електронний ресурс] / В. О. Гороховатський, С. В. Гадецька, Н. І. Стяглик // Радіоелектроніка, інформатика, управління. - 2019. - № 2. - С. 100-107. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2019_2_13 Багатовимірна природа оброблюваних даних у сучасних системах комп'ютерного зору потребує нових підходів до побудови результативних просторів ознак, що спрощують опрацювання за рахунок узагальнення наявної інформації. Структурні методи розпізнавання зображень використовують описи візуальних об'єктів у вигляді наборів дескрипторів ключових точок як множини числових векторів високої розмірності. Основним інструментом зниження розмірності виступає представлення даних у вигляді системи їх блоків та статистичне дослідження таких структур даних, яке в аспекті розпізнавання покладене відображати сумарні властивості об'єкта як сукупності його фрагментів. У зв'язку з цим виникає проблема вивчення особливостей прикладного застосування та характеристик моделі блочного подання в аспекті її вживання для визначення релевантності описів та класифікації даних в межах бази еталонних зображень. Мета роботи - здійснення статистичного оцінювання значущості прийняття класифікаційних рішень на основі обчислення релевантності описів об'єктів для моделі блочного подання даних дескрипторів ключових точок зображень. Запропоновано способи розрізнення описів на основі моделі блочного подання даних дескрипторів ключових точок зображень із використанням критеріїв математичної статистики та інструментарію теорії інформації. Головним результатом статті є підтвердження того, що вживання класичних статистичних критеріїв для аналізу емпіричних даних у вигляді структурних описів зображень дає можливість визначити якість побудованого простору ознак, достатню для розрізнення візуальних об'єктів при їх розпізнаванні у системах комп'ютерного зору. Впровадження моделі блочного подання та статистичного аналізу для значень дескрипторів ключових ознак зображень сприяє підвищенню ефективності процесу розпізнавання візуальних об'єктів, що підтверджується покращенням рівня розрізнення при збільшенні розміру фрагменту у побудованій ланцюжковій структурі опису. Висновки: застосування різноманіття статистичних критеріїв дало ідентичний висновок про значущість відмінностей емпіричних описів візуальних об'єктів у побудованому просторі ознак, що підкреслює об'єктивність проведеного дослідження. Впроваджена модель блочного подання даних зберігає розрізнювальні властивості структурного опису з ефектом суттєвого покращення швидкодії прийняття класифікаційного рішення. Наукову новизну дослідження складає удосконалення та статистичне обгрунтування моделей прийняття рішення щодо розпізнавання візуальних об'єктів на основі обчислення релевантності їх описів стосовно еталонів із впровадженням блочного подання дескрипторів ключових точок зображень. Практична значущість роботи полягає у підтвердженні доцільності введення блочної структури для дескрипторного опису об'єкта як ефективного підходу при вирішенні задачі розпізнавання на прикладах зображень задля впровадження у системах комп'ютерного зору. | |||
| 17. |
Гороховатський В. О. Логічний аналіз та оброблення даних задля класифікації зображень на підставі формування статистичного центру опису [Електронний ресурс] / В. О. Гороховатський, С. В. Гадецька, Р. П. Пономаренко // Системи управління, навігації та зв'язку. - 2019. - Вип. 4. - С. 43-48. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2019_4_11 Предметом досліджень є моделі для класифікації зображень у просторі описів як множини дескрипторів ключових точок при розпізнаванні візуальних об'єктів у системах комп'ютерного зору. Мета статті - розвинення структурного методу класифікації шляхом впровадження логічного оброблення даних із використанням ймовірнісного розподілу у вигляді статистичного центру. Розроблено математичні та програмні моделі для обчислення релевантності описів зображень із використанням логічного аналізу, вивчення властивостей, варіантів застосування, значень параметрів моделей, оцінювання результативності за наслідками оброблення експериментальної бази зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, математична статистика, засоби визначення релевантності для множин даних, програмне моделювання. Одержані результати ефективності способу класифікації на основі логічного аналізу з використанням статистичних центрів залежить від відстаней між центрами еталонів бази. Застосування логічного аналізу спрощує оброблення і підвищує швидкодію класифікації. Найкращі результати щодо класифікації окремих дескрипторів показав підхід з використанням уточнених центрів. Використання концентрованої частки даних опису надає можливість ретельніше зосередитися на його відмінностях з іншими описами. Висновки: наукова новизна - удосконалення методу класифікації зображень на основі впровадження логічного аналізу на підставі статистичного центру опису, що надає можливість модифікувати склад опису зі збереженням властивостей об'єктів в аспекті результативної класифікації. Практична значущість роботи полягає у досягненні прийнятого рівня ефективності класифікації за визначеною моделлю релевантності, підтвердженні працездатності запропонованих модифікацій оброблення даних на прикладах зображень, розробленні програмних моделей для впровадження описаних методів класифікації у системах комп'ютерного зору.Предметом досліджень є моделі для класифікації зображень у просторі описів як множини дескрипторів ключових точок при розпізнаванні візуальних об'єктів у системах комп'ютерного зору. Мета статті - розвинення структурного методу класифікації шляхом впровадження логічного оброблення даних із використанням ймовірнісного розподілу у вигляді статистичного центру. Розроблено математичні та програмні моделі для обчислення релевантності описів зображень із використанням логічного аналізу, вивчення властивостей, варіантів застосування, значень параметрів моделей, оцінювання результативності за наслідками оброблення експериментальної бази зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, математична статистика, засоби визначення релевантності для множин даних, програмне моделювання. Одержані результати ефективності способу класифікації на основі логічного аналізу з використанням статистичних центрів залежить від відстаней між центрами еталонів бази. Застосування логічного аналізу спрощує оброблення і підвищує швидкодію класифікації. Найкращі результати щодо класифікації окремих дескрипторів показав підхід з використанням уточнених центрів. Використання концентрованої частки даних опису надає можливість ретельніше зосередитися на його відмінностях з іншими описами. Висновки: наукова новизна - удосконалення методу класифікації зображень на основі впровадження логічного аналізу на підставі статистичного центру опису, що надає можливість модифікувати склад опису зі збереженням властивостей об'єктів в аспекті результативної класифікації. Практична значущість роботи полягає у досягненні прийнятого рівня ефективності класифікації за визначеною моделлю релевантності, підтвердженні працездатності запропонованих модифікацій оброблення даних на прикладах зображень, розробленні програмних моделей для впровадження описаних методів класифікації у системах комп'ютерного зору. | |||
| 18. |
Гороховатський В. О. Дослідження результативності застосування ознак розподілів даних для обчислення релевантності описів зображень [Електронний ресурс] / В. О. Гороховатський, А. П. Запорожченко, Т. О. Сірик, О. П. Тарасенко // Системи управління, навігації та зв'язку. - 2020. - Вип. 1. - С. 68-73. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2020_1_17 Досліджено моделі ознак розподілів даних дескрипторів ключових точок для вирішення задач розпізнавання та класифікації візуальних об'єктів у системах комп'ютерного зору. Мета роботи - дослідження модифікації методу структурної класифікації на підставі зіставлення розподілів даних для фрагментів дескрипторного опису зображення. Розроблено математичні та програмні моделі для ефективного за швидкодією обчислення релевантності описів на підставі розподілів даних, вивчення властивостей цих моделей, оцінювання результативності у задачі класифікації зображень. Застосовано детектор ORB для формування дескрипторів ключових точок, статистичний аналіз даних, методи побудови розподілів бітових даних, апарат метричного визначення релевантності, програмне моделювання. Перехід від опису як множини дескрипторів до розподілів фрагментів, побудова та зіставлення розподілів забезпечують достатню результативність класифікації. Класифікація виконується у кілька разів швидше, ніж при використанні безпосередньо множини дескрипторів. Висновки: наукова новизна дослідження полягає в удосконаленні методу структурної класифікації зображень на основі впровадження блочної структури опису із використанням значень розподілу для фрагментів множини дескрипторів. Практична значущість - досягнення суттєвого рівня підвищення швидкодії при обчисленні релевантності для класифікації, підтвердження результативності запропонованого простору ознак на прикладах зображень, одержання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп'ютерного зору. | |||
| 19. | 
Гороховатський В. О. Дослідження трансформацій простору даних при навчанні мережі Кохонена у методах структурної класифікації зображень [Електронний ресурс] / В. О. Гороховатський, Д. В. Пупченко, Н. І. Стяглик // Сучасні інформаційні системи. - 2020. - Т. 4, № 1. - С. 113-118. - Режим доступу: http://nbuv.gov.ua/UJRN/adinsys_2020_4_1_19 | |||
| 20. |
Гороховатський В. О. Класифікація зображень на підставі формування незалежної системи кластерів у складі структурних описів бази еталонів [Електронний ресурс] / В. О. Гороховатський, Р. П. Пономаренко // Сучасні інформаційні системи. - 2020. - Т. 4, № 2. - С. 17-23. - Режим доступу: http://nbuv.gov.ua/UJRN/adinsys_2020_4_2_6 Сучасні системи комп'ютерного зору потребують дієвих класифікаційних рішень на підгрунті поглибленого аналізу природи оброблюваних даних. Статистичні розподіли є на сьогодні першорядним засобом аналізу у системах розпізнавання образів. У випадку, якщо опис розпізнаваного об'єкту подано чималою множиною векторів, статистичний апарат стає фундаментальним способом ефективного прийняття рішення про клас розпізнаваного об'єкту. Це викликає необхідність застосування універсального апарату розподілів у загальному виді для системи багатовимірних дескрипторів опису за встановленими класами даних, що визначаються заданою базою еталонів. Класифікатор створює або організовує нову просторову структуру векторів із елементів аналізованого об'єкту, яка загалом має деяку оцінювану подібність до структури чи складу елементів еталону, а класифікація здійснюється шляхом оптимізації міри цієї подібності на множині еталонів. Ймовірнісна модель породження даних виступає ключовим практичним підходом до формалізації задачі навчання класифікатора, суть якої полягає у встановленні статистичних розподілів об'єктів чи їх складових з наступною процедурою агрегації компонентних рішень та подальшої оптимізації у середовищі класів. Цінним представляється також вивчення та застосування критеріїв оцінювання ефективності у задачі класифікації, що грунтується на статистичних засадах. Мета роботи - розроблення методу результативної класифікації зображень шляхом впровадження ансамблевих статистичних рішень для складу компонентів опису. Запропоновано спосіб класифікації зображень на основі побудови узагальненого рішення ансамблю компонент, для яких попередньо обчислюються статистичні розподіли за класами даних. Здійснено синтез методу класифікації шляхом застосування ансамблевого рішення компонентів опису. Підтверджено працездатність і ефективність розробленого класифікатора. На прикладах застосування методу для синтезованих даних із використанням традиційних критеріїв експериментально оцінена його результативність. Висновки: досліджені способи побудови класифікатора зображень засновані на ансамблі часткових рішень даних статистичного аналізу для складових структурного опису у вигляді множини дескрипторів ключових точок. Статистичний підхід забезпечує виявлення пріоритетного класифікаційного рішення для компонентів опису, за множиною яких формується результуюче рішення ансамблю. Наукову новизну дослідження складає розроблення методу класифікації зображень на підставі ансамблю рішень компонентів опису, що засновані на їх статистичних розподілах за класами даних. Практична значущість роботи полягає у підтвердженні працездатності та результативності запропонованих методів на демонстраційних прикладах. | |||
| ||||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |