Вивчено проблему формування набору навчальних даних для системи автоматичного розпізнавання емоцій людини на основі багатовимірного розширеного нео-фаззі нейрона. Розглянуто аспекти вибору розмірності і складу вектору ознак, їх впливу на швидкість навчання системи. Об'єктом дослідження є метод кластеризації багатовимірних даних. Предмет дослідження - систематизація геометричних ознак двовимірних зображень. Мета роботи - розробка підходу до опису виразу обличчя людини за допомогою фіксованого набору геометричних ознак, які можуть бути отримані в ході обробки кадрів відеоряду. Для навчання системи розпізнавання виразів обличчя пропонується утворити вектор ознак, що складається з координат характерних точок. Вибрані такі точки, які пов'язані з розташуванням і формою зіниць очей, контурами губ, повік, брів, крил носа, носогубних складок. Подібні точки досить легко можна виділяти в автоматичному режимі обробки зображень за допомогою відомих контурних детекторів. Також розглянуто можливість використання для опису вираження обличчя не координат характерних точок, а відстаней між ними. З цих відстаней створено інший вектор ознак, властивості якого було порівняно з властивостями вектору з координат точок. Розроблена система розпізнавання на базі багатовимірного розширеного нео-фаззі нейрона була реалізована у програмному забезпеченні та досліджена для вирішення проблеми класифікації виразів обличчя. Зроблено порівняння векторів атрибутів, що відрізняються за складом та розмірами. Обрано таку структуру вектору ознак, що забезпечує високу швидкість навчання системи, та не вимагає введення додаткових структурних елементів. Висновки: експериментальне дослідження повністю підтверджує ефективність розробленого підходу для розпізнавання виразів обличчя людини з використанням багатовимірного нео-фаззі нейрона.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"