Розглянуто завдання ідентифікації об'єктів на місцевості, вхідний математичний опис яких формується шляхом синтезу глобальних дескрипторів на основі ключових фрагментів, що описуються локальними SURF-дескрипторами. Запропоновано метод оптимізації вхідного математичного опису інформаційно-екстремального класифікатора, що навчається за навчальними матрицями, вектори - реалізації яких складаються з компонентів глобального дескриптора. При цьому оптимальна в інформаційному сенсі розмірність глобального дескриптора визначається шляхом ітераційної процедури, що включає кластеризацію за допомогою методу К-середніх SURF-векторів ключових фрагментів, формування навчальної матриці та інформаційно-екстремального машинного навчання класифікатора об'єктів. Запропонований алгоритм інформаційно-екстремального навчання реалізує адаптивне кодування значень первинних ознак розпізнавання і використанням багаторівневої системи контрольних допусків та побудову гіперсферичних контейнерів класів розпізнавання в субпарацептуальному бінарному просторі вторинних ознак за послідовними процедурами оптимізації. Як критерій оптимізації запропоновано використовувати узагальнену модифікацію інформаційної міри C. Кульбака, що є функціоналом від помилки другого роду та першої достовірності прийняття рішень і дозволяє навчатися за нерівними вибірками.

  Повний текст PDF - 423.698 Kb    Зміст випуску     Цитування публікації

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