- •1.Персептрон и его роль в становлении распознавания образов.
- •3. Предложить алгоритм автоматической классификации для задачи построения скелета объекта изображения.
- •2. Понятие расстояния в распознавании образов.
- •4. Примеры применения распознавания образов.
- •6. Разработать алгоритм кластерного анализа для построения областей одного цвета.
- •9. Разработка алгоритма самообучения для построения границ областей изображения.
- •21. Предложить алгоритм классификации для задач выделения контура объекта изображения.
- •Оператор Собеля
- •7. Аналогия и задачи распознавания.
- •10. Задача распознавания образов и классификации. Постановка.
- •13. Метод разделяющей функции.
- •14. Гипотеза компактности. Ее значение в распознавании образов.
- •15. Разработать алгоритм таксономического анализа для выделения важных признаков. Ваш вариант.
- •16. Понятие сходства и задача распознавания.
- •17. Привести пример классификации шкал измерений.
- •23. Типы шкал. Примеры.
- •18. Задача выделения осевых линий объектов изображения как задача автоматической классификации.
- •20. Алгоритм классификации типа Форэл.
- •25. Детерминистские методы решения задачи распознавания.
- •26. Метод автоматической классификации типа корреляционных плеяд.
- •28. Задача распознавания без учителя. Метод корреляционных плеяд.
- •29. Реализация метода по определению мер важности объектов в методе потенциальных функций.
- •30. Представить процесс работы системы распознавания рукопечатного текста.
- •39. Представить процесс распознавания рукописного текста. Ваш вариант.
- •31. Задача распознавания без учителя на основе метода потенциальных функций, Алгоритм решения.
- •32. Алгоритм распознавания, основанный на вычислении оценок – перечислить 6 этапов.
- •33. Построить алгоритм таксономического анализа.
- •35. Тестовый подход и его значение для распознавания образов.
- •36.Предложить алгоритм выделения областей постоянной яркости изображения.
- •34. Важность объектов. Выделение значимых объектов при решении задач распознавания.
- •37. Примеры применения распознавания образов:
- •40.Задача распознавания с учителем. Метод комитетов.
- •41.Задачи, решаемые алгоритмами распознавания, основанными на вычислении оценок.
- •42. Привести классификацию шкал по Стивенсону.
- •43. Задача распознавания с обучением как задача оптимизации.
- •44. Представить структуру ппп по распознаванию и классификации образов.
- •45. Представить процесс работы системы Fine Reader.
17. Привести пример классификации шкал измерений.
23. Типы шкал. Примеры.
Измерение – приписывание значений признакам объекта в соответствии с определенными правилами или шкалой измерения. В статистике наиболее часто употребляются следующие шкалы измерения: - шкала наименований (номинальная, номинативная, шкала классификации). Она используется для отнесения объектов к определенному классу. Объекты, отнесенные к одному и тому же классу, получают одни и те же обозначения. Если количество классов шкалы известно, а также известны правила отнесения к ним объекта, то такая шкала называется категоризованной (примером такой шкалы является пол: м и ж). Простейшим случаем номинальной шкалы является дихотомическая шкала, которая состоит только из двух классов (курит – не курит). К сожалению, для номинальной шкалы арифметические операции не имеют смысла. После того, как с помощью номинальной шкалы мы классифицировали исходные объекты на классы, мы можем перейти от наименований к числам, подсчитав количество наблюдений в каждом из классов. Такая величина называется частотой. Можно работать с помощью математических методов. - порядковая шкала (ранговая, ординальная). Эта шкала используется для отнесения объектов к определенному классу в соответствии со степенью выраженности, заданности свойства. В порядковой шкале должно быть не менее 3-х классов. Например, 1 класс – подходит для занятия вакантной должности; 2 класс – подходит с оговорками; 3 класс – не подходит. В порядковой шкале мы можем только сказать «больше», «меньше». Но не можем сказать «на сколько». В нашем примере 1 и 2 классы могут быть ближе друг к другу, чем 2 и 3 классы. От класса мы можем перейти к числам с помощью ранжирования. Обычно принято считать, что низший класс получает ранг 2 и т.д. Чем больше классов в шкале, тем больше у нас возможности для математической обработки полученных данных. В общих случаях числа в порядковой шкале не отражают количества свойства, которыми обладают исследуемые объекты. Поэтому для этой шкалы арифметические операции также чаще всего не имеют смысла. Примерами порядковой шкалы являются оценки на экзамене. Основные психологические исследования обычно используют порядковую шкалу, при этом необходимо стараться, чтобы в порядковой шкале было достаточное количество классов. Фактически в качестве единицы измерения в порядковой шкале используется расстояние в1 ранг, но при этом расстояние между соседними рангами может быть различным. - количественные шкалы. Таких шкал имеется 2 типа: интервальная и шкала отношений.
Интервальная шкала позволяет классифицировать и упорядочивать объекты, а также количественно описать различия между свойствами объектов. Для задания такой шкалы устанавливают единицу измерения и произвольную точку отсчета. Примером является календарное время. Для этой шкалы арифметические операции имеют смысл. Шкала отношений отличается от интервальной шкалы только тем, что в ней задано абсолютное начало отсчета. Например, рост в см – абсолютное начало 0. В шкале отношений мы можем определить не только на сколько одно измерение превосходит другое, но и во сколько раз.
-5 С ------------0------------- +5 С ОК --------------------------------------
Считается, что в психологии примером шкалы отношений являются шкала порога абсолютной чувствительности. Примечание: данные, полученные в одной шкале, можно перевести в другую шкалу только в следующих направлениях: : 3 2 1. От количественной к порядковой к номинальной (много курит, немного курит, не курит). В обратном направлении перевод информации не возможен. По мере возможности нужно стараться измерять в количественной шкале, т.к. в этом случае мы сможем перейти к любой из рассматриваемых выше шкал. Однако при этом происходит частичная потеря информации. Перевод исходной выборки из количественной шкалы называется ранжированием. При ранжировании каждому элементу выборки приписывается ранг, который соответствует месту этого элемента в упорядоченной выборке. Наиболее часто выборку ранжируют по возрастанию, т.е. ранг, равный 1, получает наименьший элемент выборки. В результате ранжирования «новая» выборка содержит значения от 1 до n. Пример ранжирования выборки. Пусть в ходе эксперимента измерялся коэффициент IQ и получена следующая выборка:
112, 108, 84, 96, 75, 124, 106, 89. n=8 7 6 2 4 1 8 5 3 Проранжировать полученную выборку (не путать с упорядочиванием). 75, 84, 89, 96, 106, 108, 112, 124. Иногда в выборке встречаются несколько одинаковых значений. Такая ситуация называется проблемой совпадающих рангов. В этом случае каждому из совпадающих значений присваивается ранг, равный среднему значению рангов, если бы эти элементы не совпадали. Пример: 108, 96, 96, 74, 84, 108, 104, 108, 103. (3+4):2=3,5 8 3,5 3,5 1 2 8 6 8 5 (7+8+9):3=8 Пример перевода исходной выборки из количественной шкалы в номинальную. Пусть в ходе эксперимента измеряется уровень тревожности в диапазоне от 0 до 20. Необходимо перевести полученные данные в номинальную шкалу, содержащую 3 класса: высший (15-20); средний (6-14); низший (0-5). Исходная выборка имеет вид: Количественная 14, 6, 8, 4, 18, 12, 10, 9. Номинальная с сс н в с сс. Переводя, мы теряем информацию. в-1, с-6, н-1.