Детальная информация

Название Сравнительное исследование методов машинного обучения в задаче распознавания объектов заданной формы в изображениях: бакалаврская работа: 02.03.03
Авторы Юань Ян
Научный руководитель Пак Вадим Геннадьевич
Организация Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения Санкт-Петербург, 2017
Коллекция Выпускные квалификационные работы ; Общая коллекция
Тематика машинное обучение ; машина опорных векторов ; линейный дискриминант
Тип документа Выпускная квалификационная работа бакалавра
Тип файла PDF
Язык Русский
Уровень высшего образования Бакалавриат
Код специальности ФГОС 02.03.03
Группа специальностей ФГОС 020000 - Компьютерные и информационные науки
DOI 10.18720/SPBPU/2/v17-3819
Права доступа Доступ по паролю из сети Интернет (чтение, печать, копирование)
Ключ записи RU\SPSTU\edoc\42693
Дата создания записи 02.10.2017

Разрешенные действия

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа Анонимные пользователи
Сеть Интернет

Компьютерное зрение является одной из основных проблем в области искусственного интеллекта; его цель состоит в том, чтобы придать компьютерам способность визуального распознавания объектов реального мира. Компьютерное зрение имеет широкий спектр применения в медицинской, промышленной, военной, аэрокосмической и других областях. В этой работе экспериментально исследуются методы распознавания некоторых наиболее простых графических (треугольник, круг, прямоугольник, объект неправильной формы) объектов на основе машинного обучения.

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все
Прочитать Печать Загрузить
Интернет Авторизованные пользователи СПбПУ
Прочитать Печать Загрузить
Интернет Анонимные пользователи
  • РЕФЕРАТ
  • ВВЕДЕНИЕ
  • 1 Обзор методов машинного обучения и их применения к распознаванию изображений
    • 1.1 Методы машинного обучения
    • 1.2 Методы распознавания объектов на изображениях
    • 1.2.1 Текстура
    • 1.2.2 Точки интереса
    • 1.2.3 Обнаружение края
    • 1.2.4 Ключ к распознаванию изображения
  • 2 Методы и алгоритмы машинного обучения, выбранные для исследования
    • 2.1 Метод k ближайших соседей
    • 2.1.1 Описание алгоритма
    • 2.1.2 Преимущества и недостатки алгоритма k ближайших соседей
    • 2.1.3 Алгоритм улучшения
    • 2.1.4 Предварительная обработка изображений
    • 2.1.5 Программная реализация предварительной подготовки изображений
    • 2.1.6 Программная реализация и тестирование алгоритма КNN
    • 2.1.7 Вывода об алгоритме КNN
    • 2.2 Машина опорных векторов
    • 2.2.1 Математическое описание
    • 2.2.2 Выберите вычисленные собственные значения
    • 2.2.3 Программная реализация и тестирование алгоритма SVM
    • 2.2.4 Вывода об алгоритме SVM
    • 2.3 Линейный дискриминант Фишера
    • 2.3.1 Математическое описание
    • 2.3.2 Выберите вычисленные собственные значения
    • 2.3.3 Пргограммная реализация и тестирование линейного дискриминанта Фишера
    • 2.3.4 Выводы о линейном дискриминанте Фишера
    • 2.4 Сравнение алгоритмов по результатам экспериментов
  • ЗАКЛЮЧЕНИЕ
  • СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

Количество обращений: 800 
За последние 30 дней: 0

Подробная статистика