DOI: https://doi.org/10.20998/2079-0023.2019.02.09

РОЗРОБКА СТРУКТУРИ БАЗИ ДАНИХ ДЛЯ ЗБЕРІГАННЯ МОДЕЛІ РОЗПІЗНАВАННЯ КЛАСІВВ ДЕТЕРМІНОВАННОГО АЛФАВИТУ НА ОСНОВІ НАБОРУ РІЗНОРІДНИХ ХАРАКТЕРИСТИК

Dmytro Eduardovych Dvukhhlavov, Tatiana Olegivna Riabukha

Анотація


Задача розпізнавання об’єктів та ситуацій є актуальною у таких сферах, як визначення типів повітряних об’єктів за даними різних джерел інформації, діагностика стану хворих за результатами опитування та аналізів, діагностика стану техніки різного призначення. Під розпізнаванням розуміється процес отримання вихідної інформації про приналежність кожного досліджуваного елемента до певного класу на основі аналізу вхідної інформації про досліджувані елементи середовища, застосовуючи методи перетворення вхідної інформації у вихідну. В роботі представлена модель процесу розпізнавання, характерною рисою якої є здійснення розпізнавання на основі аналізу набору кількісних та якісних ознак, інформація про які може бути отримана від різних джерел. В статті представлена формальна теоретико-множинна модель процесу розпізнавання. Згідно моделі, для віднесення об’єкту або ситуації до певного класу необхідно визначити набір груп ознак різних типів, що дозволяють ідентифікувати об’єкти (ситуації) певного класу. Для проведення розпізнавання експерти на основі досвіду або на основі статистичних даних мають задати нечітку функцію належності об’єкту спостереження до кожного класу із множиною значень [0,1]. В статті розглядається представлення такої функції для кількісних ознак у вигляді гістограми. Для значень якісних ознак визначається власне значення для кожного значення. Новим результатом досліджень є розроблена структура даних для зберігання моделі процесу розпізнавання, яка дозволяє зберігати сумісно зберігати різнорідні характеристики та функції належності різного виду в одних і тих же таблицях. Запропонована структура може бути використана в процесі побудови програмного забезпечення систем розпізнавання. При цьому слід зазначити, що реалызація такого рішення забезпечує підвищення надійності зберігання даних за рахунок зменшення компонентів структури бази даних, але збільшує складність алгоритмів процедур збереження та витягу даних.


Ключові слова


система розпізнавання об'єктів та ситуацій; програмне забезпечення систем распознавания; представлення моделі процесу розпізнавання; структура бази даних для хранения кількісних та якісних характеристик

Повний текст:

PDF (English)

Посилання


Gorelik A. L., Skripkin V. A. Metody raspoznavanija [The Recognization Methods]. Moscow, Vysshaja Shkola Publ., 2004. 261 p.

Vjatchenin D. A. Nechetkie metody avtomaticheskoj klassifikacii [Indistinct Methods of Automatic Classification]. Мinsk, UP "Technoprint" Publ., 2004, 219 p.

Grachev V. M., Poprygin A. N. Metodika raspoznavanija klassov vozdushnyh ob#ektov v ASU PVO s ispol'zovaniem odnorodnoj funkcional'noj seti [Technique of air objects classes recognition in AirDefense ACS with use of uniform functional network]. Sb. nauchn. tr. KhVU [Collection of scientific papers of Kharkov Military University]. Kharkov, KhMU Publ., 1995, no. 8, pp. 49–54.

Vagis A., Gupal A. Jeffektivnost' bajesovskih procedur raspoznavanija [Efficiency of Bayesian procedures of recognition]. ITHEA International Scientific Socaety, 2008. Available at: http://www.foibg.com/ibs_isc/ibs-15/ibs-15-p11.pdf (accessed 15.09.2019).

Barskij A. B. Nejronnyeseti: raspoznavanie, upravlenie, prinjatiereshenij [Neural networks: recognition, management, decision-making]. Moscow, Finansyand Statistika Publ., 2004. 176 p.

Goloskokov A. Ye., Mel’nik K. V. Procedura diagnostuvannya stanu serdcevo-sudynnoyi systemy paciyentu na osnovi nechitkoyi logiky [The procedure of diagnosing the state of patient cardiovascular system based on fuzzy logic]. Visnyk NTU "KhPI" [Bulletin of the National Technical University "KhPI"]. Tematychnyy vypusk: Informatyka i modelyuvannya [Special issue: Informatics and modeling]. Kharkiv, NTU "KhPI" Publ., 2008, no. 49, pp. 101–104.

Pavlenko M. A. Metod formalizacii znanij o processe raspoznavanija situacij narushenija pravil dvizhenija vozdushnymi sudami [Method of knowledge formalization of process of recognition of the movement rules violation by aircrafts situations]. Systemy upravlinnya, navigaciyi i zvyazku [Control systems, navigation and communication]. Kyiv, GE "CSRI N&C" Publ., 2012, no. 2 (22), pp. 86–92.

Andrushko I. V. Rozpiznavannya peredavarijny’x ta avarijny’x sy’tuacij diagnostovany’x promy`slovy’x ob’yektiv na osnovi logiko-staty’sty’chny’x informacijny’x modelej [Recognition of pre-accident and emergency situations of diagnosed industrial objects on the basis of logical and statistical information models]. Shtuchny’j intelekt [Artificial Intelligence]. 2008, no. 4, pp. 309–316.

Singh V, Pongpaichet S, Jain R. Situation recognition from multimodal data. Proceedings of the 2016 ACM International Conference on Multimedia Retrieval (ICMR 2016). 2016, pp. 1–2.

Chetty G., Yamin M. A Novel Multimodal Data Analytic Scheme for Human Activity Recognition. Available at: https://link.springer.com/content/pdf/10.1007%2F978-3-642-55355-4_47.pdf (accessed 15.09.2019).

Dvukhglavov D. E., Muzyka O. V., Hlazkov S. O. Model of the situations recognition in conditions dissimilar and incomplete data. Visnyk NTU «KhPI»: zb. nauk. pr. Seriya: Sy’stemny’j analiz, upravlinnya ta informacijni texnologiyi. [Bulletin of NTU "KhPI". Series: System analysis, control and information technology]. Kharkiv, NTU "KhPI", 2016, no. 37 (1209), pp. 17–21.

Dovby’sh A. S. Osnovy’ proektuvannya intelektual’ny’x sy’stem. Sumy’, SumGU Publ., 2009, 171 p.