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 (4) | Реферативна база даних (30) |
Список видань за алфавітом назв: Авторський покажчик Покажчик назв публікацій  |
Пошуковий запит: (<.>A=Гороховатский В$<.>) | |||
|
Загальна кількість знайдених документів : 13 Представлено документи з 1 до 13 |
|||
| 1. | 
Гороховатский В. А. Критерии и модели структурной классификации с применением принципа голосования [Електронний ресурс] / В. А. Гороховатский, Т. В. Полякова // Системи обробки інформації. - 2011. - Вип. 2. - С. 12-16. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2011_2_4 Обсуждены пути построения моделей и критериев для классификации структурных описаний видеообъектов с использованием голосования. Путем выбора моделей для структурных мер подобия с учетом их параметрического определения предлагается построение системы классификации с высоким уровнем устойчивости к аддитивным и пространственным помехам. Проанализированы результаты экспериментов. | ||
| 2. | 
Гороховатский А. В. Применение робастных методов анализа данных при обработке структурных описаний [Електронний ресурс] / А. В. Гороховатский, В. А. Гороховатский // Збірник наукових праць Харківського університету Повітряних сил. - 2011. - Вип. 1. - С. 132-135. - Режим доступу: http://nbuv.gov.ua/UJRN/ZKhUPS_2011_1_31 Обосновано применение робастной обработки данных в структурно-иерархических методах классификации изображений. Робастные методы обеспечивают устойчивость анализа видеоданных при действии пространственных помех. Обсуждены результаты экспериментальных исследований. | ||
| 3. | 
Гороховатский В. А. Грануляция значений признаков объектов как способ повышения результативности методов структурного распознавания [Електронний ресурс] / В. А. Гороховатский, Ю. А. Куликов // Реєстрація, зберігання і обробка даних. - 2014. - Т. 16, № 3. - С. 67-78. - Режим доступу: http://nbuv.gov.ua/UJRN/rzod_2014_16_3_9 Обсуждены вопросы интеллектуальной обработки информации в системах компьютерного зрения. Предложен метод формирования сжатого структурного описания на основе грануляции значений признаков, что снижает вычислительные затраты и сокращает число ложных соответствий. Приведены результаты экспериментов. | ||
| 4. |
Гороховатский В. А. Исследование мер структурного соответствия компонентных объектов [Електронний ресурс] / В. А. Гороховатский // Системи обробки інформації. - 2009. - Вип. 2. - С. 36-42. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2009_2_8 Рассмотрены вопросы сопоставления изображений в системах компьютерного зрения. Предложены меры, учитывающие искажение и появление ложных компонент в структурном описании. Проанализированы свойства методов, описаны результаты компьютерного моделирования. Впервые показано как формализовать и применить метрические подходы для сопоставления структурных объектов в признаковом пространстве, изучены особенности известных подходов и обсужден синтез сходств с новыми свойствами. | ||
| 5. |
Берестовский А. Е. Нейросетевые технологии самообучения в системах структурного распознавания визуальных объектов [Електронний ресурс] / А. Е. Берестовский, А. Н. Власенко, В. А. Гороховатский // Реєстрація, зберігання і обробка даних. - 2015. - Т. 17, № 1. - С. 108-120. - Режим доступу: http://nbuv.gov.ua/UJRN/rzod_2015_17_1_12 Обсуждены вопросы анализа и распознавания изображений в интеллектуальных системах компьютерного зрения. На основе сети Кохонена предложена технология самообучения для системы структурного распознавания визуальных объектов. В результате осуществляется трансформация описаний к векторному виду, что снижает вычислительные затраты. Приведены результаты экспериментов. | ||
| 6. | 
Гороховатский В. А. Систематизация пространства структурных признаков на основе методов самообучения в целях результативного распознавания изображений [Електронний ресурс] / В. А. Гороховатский, А. Е. Берестовский, Е. О. Передрий // Радіоелектроніка, інформатика, управління. - 2016. - № 2. - С. 87-94. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2016_2_13 Рассмотрены вопросы кластеризации для множеств характерных признаков изображений. Для построения массива характерных признаков использован метод Speeded Up Robust Features. Реализованы алгоритмы кластеризации структурных описаний изображений на основе самоорганизующейся нейронной сети Кохонена и метода разностного группирования. Цель работы - построение векторных представлений описаний на основе кластеризации, что повышает быстродействие распознавания. Предметом исследования является систематизация множеств структурных признаков визуальных объектов. Обсуждены результаты применения методов кластеризации для структурных описаний изображений в виде множеств характерных признаков с целью повышения быстродействия распознавания визуальных объектов. Для систематизации и сжатия пространства признаков предложено осуществить самообучение с применением методов разностного группирования и сетей Кохонена. Проведено моделирование и экспериментальные исследования методов кластеризации на примерах конкретных множеств характерных признаков. Результаты исследований доказывают возможность эффективного представления описаний в виде вектора с целочисленными элементами. Данный подход может использоваться для решения задач распознавания и поиска изображений. В результате построено компактное векторное описание эталонов, получены количественные оценки ошибки кластеризации, подтверждена работоспособность методов для прикладной базы изображений. | ||
| 7. |
Гридин М. М. Анализ лингвистических характеристик структурных описаний в распознавании визуальных объектов [Електронний ресурс] / М. М. Гридин, В. А. Гороховатский // Системи обробки інформації. - 2016. - Вип. 3. - С. 147-150. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2016_3_36 Обсуждены вопросы сопоставления описаний при распознавании визуальных объектов в системах компьютерного зрения. Предложена технология структурного распознавания, которая базируется на методе tf-idf, применяемом в математической лингвистике и информационном поиске. Выполнено преобразование описания из множества характерных признаков изображения к вектору лингвистических характеристик, что значимо снижает вычислительные затраты. Представлены результаты экспериментов, подтверждающих работоспособность и результативность метода. | ||
| 8. |
Гороховатский В. А. Изучение свойств методов кластеризации применительно к множествам характерных признаков изображений [Електронний ресурс] / В. А. Гороховатский, М. Д. Дунаевская, В. А. Струненко // Системи обробки інформації. - 2016. - Вип. 5. - С. 124-127. - Режим доступу: http://nbuv.gov.ua/UJRN/soi_2016_5_26 Обсуждены вопросы анализа свойств методов кластеризации для множеств характерных признаков изображений при распознавании визуальных объектов в системах компьютерного зрения. Исследованы в сравнительном плане методы разностного группирования и k-средних, определены погрешности квантования и другие параметры, что позволило установить и оценить возможности их применения. Для конкретных изображений представлены результаты экспериментов по оцениванию точности методов при различном числе кластеров. | ||
| 9. |
Гороховатский В. А. Структурное распознавание изображений с применением моделей интеллектуальной обработки и самоорганизации признаков [Електронний ресурс] / В. А. Гороховатский, А. В. Гороховатский, А. Е. Берестовский // Радіоелектроніка, інформатика, управління. - 2016. - № 3. - С. 39-46. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2016_3_7 Исследованы проблемы распознавания изображений в компьютерном зрении на основе множества структурных SURF-признаков. В пространстве структурных признаков выполнена самоорганизация с целью увеличения быстродействия процесса распознавания. В качестве аппарата самоорганизации использована нейронная сеть Кохонена. Цель работы - построение метода структурного распознавания с применением входных данных в виде множества кластеров структурных признаков, полученных в результате самоорганизации. Задача исследования - изучение особенностей и анализ моделей для вычисления характеристик кластеров, построение модифицированных мер структурного подобия, экспериментальное оценивание качества распознавания для разных способов сопоставления описаний в прикладной базе визуальных образцов. Предложено построение метода распознавания изображений на основе эталонных описаний в кластерном виде, а распознавание базируется на классификации структурных признаков объекта в пространстве кластеров с дальнейшим вычислением и оптимизацией подобия векторных описаний. Проведено моделирование и экспериментальные исследования предложенного метода распознавания на тестовом множестве изображений с применением признаков SURF. Подтверждена работоспособность и эффективность метода в плане быстродействия, получены оценки качества распознавания для разнообразия вариантов обработки. | ||
| 10. |
Гороховатский В. А. Методы определения релевантности изображений на основе медианной обработки структурных описаний [Електронний ресурс] / В. А. Гороховатский // Радіоелектроніка, інформатика, управління. - 2017. - № 1. - С. 100-106. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2017_1_14 Интенсивное развитие и расширение прикладных возможностей современных систем компьютерного зрения требует углубленного исследования и создания более эффективных и универсальных методов обработки визуальной информации. Основные задачи связаны с исследованием и усовершенствованием информационных технологий распознавания в интегрированном пространстве признаков применительно к описаниям в виде множеств дескрипторов ключевых точек (SURF-признаков) изображений, а также необходимостью оценивания результативности распознавания на прикладных образцах. Цель работы - изучение возможности построения и оценивание эффективности применения моделей медианной обработки для осуществления структурного распознавания объектов на изображении в плане получения компрессионного представления данных в пространстве признаков прикладной базы изображений. Осуществлена трансформация пространства структурных признаков путем приведения его к векторному пространству в целях повышения быстродействия процесса распознавания. В качестве аппарата преобразования применена медианная обработка описаний с формированием конечного упорядоченного списка дескрипторов. Результат исследования - создание метода для формирования и вычисления релевантности описаний изображений в трансформированном пространстве признаков. За счет внедрения медианных характеристик обеспечивается векторное представление, значительно сокращается объем вычислительных затрат и улучшается быстродействие распознавания. Время распознавания в сравнении с традиционным подходом сокращается в сотни раз при сохранении необходимой эффективности. Проведено моделирование и экспериментальные исследования предложенного метода распознавания на тестовом множестве изображений, представленных описаниями SURF. Подтверждена результативность метода в плане быстродействия, получены сравнительные оценки качества распознавания для разнообразия вариантов обработки. Выводы: в проведенном исследовании систематизированы и получены перспективные свойства систем распознавания в пространстве структурных признаков изображений. Медианный анализ позволяет вскрыть новые закономерности в эталонной информации в целях эффективного по быстродействию распознавания без снижения показателя результативности. Научная новизна исследования состоит в синтезе метода структурного распознавания изображений путем применения медианного анализа для формирования сжатого векторного представления для множества дескрипторов в структурном описании изображения. Переход к векторно-списочному виду существенно повышает быстродействие распознавания за счет упрощения обработки. Практическая ценность работы - получение прикладных программных моделей для модификаций метода структурного распознавания и подтверждение результативности предложенной обработки в конкретных примерах баз изображений. | ||
| 11. |
Гороховатский В. А. Исследование результативности структурных методов классификации изображений с применением кластерной модели данных [Електронний ресурс] / В. А. Гороховатский, Е. П. Путятин, В. С. Столяров // Радіоелектроніка, інформатика, управління. - 2017. - № 3. - С. 78-85. - Режим доступу: http://nbuv.gov.ua/UJRN/riu_2017_3_11 Повышение результативности и расширение функциональности современных систем компьютерного зрения требуют создания более эффективных методов обработки визуальной информации. Основные задачи структурного распознавания связаны с усовершенствованием информационных технологий классификации в пространстве описаний как множеств дескрипторов ключевых точек изображений, а также необходимостью оценивания действенности распознавания на прикладных образцах. Внимание уделяют изучению структуры данных для множества дескрипторов, что напрямую влияет на показатели функционирования систем распознавания. Цель работы - изучение особенностей кластерного представления для множества структурных признаков прикладной базы изображений и оценивание показателей эффективности применения кластерной модели в методах структурного распознавания визуальных объектов в плане получения компактного представления данных. Предложено методы распознавания на основе трансформации пространства структурных признаков путем кластеризации и применения кластерных характеристик базы эталонных изображений. Первый метод использует интегральное представление описаний эталонов, второй метод при отнесении структурного элемента к классу опирается на значение вектора статистического распределения в матричном пространстве кластер-эталон. Итогом исследования есть создание методов распознавания и моделей обработки данных в процессе построения векторов релевантности или характеристик классов в трансформированном пространстве признаков. За счет кластерного преобразования пространства структурных признаков сокращается объем вычислительных затрат, и в сотни раз улучшается быстродействие распознавания при сохранении нужной эффективности. Проведено сравнение методов SURF и ORB при формировании структурных признаков, время обработки методом ORB оказалось в 60 раз меньше. С другой стороны, множество дескрипторов SURF более точно отражает особенности формы визуальных объектов. Проведено моделирование и экспериментальные исследования предложенного метода распознавания в прикладной базе изображений. Подтверждена результативность метода в плане эффективности, получены сравнительные оценки качества распознавания в зависимости от уровня аддитивных помех для анализируемых вариантов обработки. Выводы: систематизированы и получены перспективные свойства систем распознавания в пространстве структурных признаков изображений. Разработанные методы классификации на основе кластерного описания обеспечивают достаточный уровень различения изображений и высокую помехоустойчивость. Научная новизна исследования состоит в синтезе метода структурного распознавания изображений путем применения кластерной обработки и построения классифицирующих решений в пространстве кластер-эталон. Переход к векторно-кластерному виду существенно повышает быстродействие распознавания за счет упрощения обработки. | ||
| 12. | 
Гороховатский В. А. Классификация изображений визуальных объектов по множеству дескрипторов особенных точек на основе нейронной сети Кохонена [Електронний ресурс] / В. А. Гороховатский, Д. В. Пупченко // Системи управління, навігації та зв'язку. - 2018. - Вип. 2. - С. 68-72. - Режим доступу: http://nbuv.gov.ua/UJRN/suntz_2018_2_16 Решена задача распознавания визуальных объектов на основе классификации дескрипторов изображений с применением сети Кохонена. Обсуждены варианты и результаты обработки в плане различного числа подстраиваемых нейронов. Проанализированы критерии оценивания уровня правильной классификации. Приведены результаты программного моделирования сети с разными вариантами обработки и формирования центров классов. | ||
| 13. | 
Гороховатский В. А. Построение модификаций и анализ свойств структурных описаний при распознавании изображений [Електронний ресурс] / В. А. Гороховатский, Н. В. Власенко, Т. В. Полякова // Вісник Національного технічного університету "ХПІ". Серія : Інформатика та моделювання. - 2014. - № 35. - С. 48-58. - Режим доступу: http://nbuv.gov.ua/UJRN/vcpiim_2014_35_9 | ||
Попередній перегляд: 
Реферативна БД
 |
| Відділ наукової організації електронних інформаційних ресурсів |
 Пам`ятка користувача |