Давиденко, Н. В. та Davydenko, N. V. (2022) ПОБУДОВА КЛАСИФІКАТОРА ОБ’ЄКТІВ ЗА ФОРМОЮ ЇХ ЗОБРАЖЕННЯ ІЗ ЗАСТОСУВАННЯМ МГУА-ПОДІБНИХ НЕЙРОННИХ МЕРЕЖ. Вісник Національного університету водного господарства та природокористування (2(98)). с. 310-319.

Text Vt9827 (1).pdf Download(216kB)

Анотація

Запропоновано принципи класифікації об’єктів на основі ура- хування геометричної форми їх зображення. Запропоновано двое- тапну процедуру, яка спирається на послідовне використання ал- горитмів розпізнавання образів без учителя та з учителем. Вона за- безпечує формування знань про можливі класи об’єктів та побудо- ву класифікатора для визначення належності до одного з них. Структурно-параметричну ідентифікацію моделі класифікатора ви- конано методом групововго урахування аргументів. Для синтезу моделі класифікатора застосовано МГУА-подібні нейронні мережі. Робота класифікатора забезпечує визначення належності нових спостережень образів об’єктів до одного з типових класів за геоме- тричною формою.

Title in English

CONSTRUCTION OF THE CLASSIFIER OF OBJECTS ACCORDING TO THE FORM OF THEIR IMAGE WITH THE USE OF GMDH NEURAL NETWORKS

English abstract

The principles of classification of objects on the basis of taking into account a geometrical form of their image were proposed. A morphometric approach was used to describe the geometric shape of an object image. A two-stage classification procedure was proposed, which is based on the consistent use of pattern recognition algorithms without a teacher and with a teacher. The first stage of the procedure provides the formation of knowledge about possible classes of objects. It is based on the use of cluster and discriminant analysis. The result of the stage is the formation of a training sample. The second stage involves construction of a classifier to determine whether objects belong to one of the typical classes. The expediency of using self-organization methods to construct a classifier model was substantiated. Structural and parametric identification of the classifier model was performed by the group method of data handling. GMDH neural networks were used to synthesize the classifier model. The One-vs-All method was used as a classification algorithm. The analysis of three classes of neural networks was performed to select the best structure. A cross-validation strategy was used to verify the models. Precision, recall, Van Rizbergen F-measure are used to assess the quality of classification. The criterion of regularity was used to select the best structure of the model. A polynomial GMDH neural network of the first order was chosen as the classifier model. The classification matrix was constructed to verify the effectiveness of the classifier. The results of the verification of the classifier model indicate a fairly high quality of classification, even in a small sample size. The work of the classifier provides determination of belonging of new observations of images of objects to one of typical classes on a geometrical form.

Перегляд елементу

Завантажень