RU2017132647A - Способ идентификации и классификации объектов - Google Patents
Способ идентификации и классификации объектов Download PDFInfo
- Publication number
- RU2017132647A RU2017132647A RU2017132647A RU2017132647A RU2017132647A RU 2017132647 A RU2017132647 A RU 2017132647A RU 2017132647 A RU2017132647 A RU 2017132647A RU 2017132647 A RU2017132647 A RU 2017132647A RU 2017132647 A RU2017132647 A RU 2017132647A
- Authority
- RU
- Russia
- Prior art keywords
- point
- predefined
- points
- predefined class
- class
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Claims (51)
1. Способ идентификации и классификации объектов, согласно которому при идентификации объектов
регистрируют по меньшей мере один предмет, по меньшей мере одним из настроенных на него физических детекторов,
по выходному сигналу, по меньшей мере одного детектора, определяют по меньшей мере один объект, для которого получают из выходного сигнала набор n различных физических признаков,
далее исследуемый объект классифицируют на основании предварительно задаваемых свойств при помощи классификатора, предварительно обученного по обучающей выборке,
при этом исследуемый объект соотносят с одним из N предварительно заданных классов, отличающийся тем, что
указанный классификатор содержит (N+1) предварительно заданных классов,
при этом принадлежность исследуемого объекта к N предварительно заданным классам, для которых представлена обучающая выборка, определяют в указанном классификаторе посредством оценки схожести по их физическим признакам,
принадлежность исследуемого объекта к (N+1)-ому предварительно заданному классу, для которого не может быть представлена обучающая выборка, определяют в указанном классификаторе посредством того, что исследуемый объект не принадлежит ни к одному из N предварительно заданных классов на основе оценки схожести по их физическим признакам,
а для выполнения оценки схожести по физическим признакам в указанном классификаторе по меньшей мере одного исследуемого объекта с каждым из N предварительно заданных классов, которые имеют обучающую выборку, осуществляют построение границ для каждого из N предварительно заданных классов посредством анализа плотности и формы распределения обучающей выборки в n-мерном пространстве признаков, после чего осуществляют проверку попадания исследуемого объекта по его координатам в n-мерном пространстве признаков в каждую из областей, определяемых границами N предварительно заданных классов.
2. Способ по п. 1, отличающийся тем, что при построении границ
разделяют область, занимаемую классом в n-мерном пространстве признаков на F секторов, соединяя центральную точку C с каждой точкой выпуклой границы предварительно заданного класса bi,
затем в каждом секторе точки выпуклой границы предварительно заданного класса bi преобразуют, исходя из плотности и формы распределения обучающей выборки предварительно заданного класса, в точки расширенной выпуклой границы предварительно заданного класса
по формуле:
где ρ(С, bi) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi;
где Н - сумма евклидовых расстояний от центральной точки С предварительно заданного класса до точки bi и соседней точки bi-1; Н' - сумма евклидовых расстояний от центральной точки С предварительно заданного класса до точки и соседней точки определяемая из плотности и формы распределения объектов предварительно заданного класса в секторе;
сумму евклидовых расстояний Н от центральной точки С предварительно заданного класса до точки bi и соседней точки bi-1 определяют по формуле:
Н=ρ(C, bi)+ρ(C, bi-1),
где ρ(C, bi) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi;
ρ(С, bi-1) - евклидово расстояние от центральной точки С предварительно заданного класса до точки bi-1;
где Sk - количество точек в текущем секторе предварительно заданного класса;
k - количество секторов в предварительно заданном классе;
Т - общее количество точек в предварительно заданном классе;
сумму евклидовых расстояний hz от точки внутри сектора tƒ до точки bi и точки bi-1 определяют по формуле:
hz=ρ(tƒ, bi)+ρ(tƒ, bi-1),
далее в каждом секторе в выпуклую границу предварительно заданного класса добавляют точки a j, которые находятся на минимальном расстоянии от двух соседних точек bi и bi-1 выпуклой границы предварительно заданного класса, причем их добавление в границу производят при условии, что другие точки не окажутся вне границы класса, при этом
где a j - j-ая точка, добавленная в выпуклую границу предварительно заданного класса;
формируют вогнутую границу предварительно заданного класса, соединяя точки bi и точки a j,
по формуле:
где ρ(bi, bi-1) - евклидово расстояние между соседними точками выпуклой границы bi и bi-1;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2017132647A RU2692420C2 (ru) | 2017-09-18 | 2017-09-18 | Способ идентификации и классификации объектов |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2017132647A RU2692420C2 (ru) | 2017-09-18 | 2017-09-18 | Способ идентификации и классификации объектов |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2017132647A true RU2017132647A (ru) | 2019-03-18 |
RU2017132647A3 RU2017132647A3 (ru) | 2019-03-18 |
RU2692420C2 RU2692420C2 (ru) | 2019-06-24 |
Family
ID=65759364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2017132647A RU2692420C2 (ru) | 2017-09-18 | 2017-09-18 | Способ идентификации и классификации объектов |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2692420C2 (ru) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2726027C1 (ru) * | 2020-01-28 | 2020-07-08 | Юрий Иванович Стародубцев | Способ идентификации элементов сложной системы в переменных условиях |
RU2756778C1 (ru) * | 2020-06-17 | 2021-10-05 | Федеральное государственное бюджетное учреждение науки Институт проблем машиноведения Российской академии наук (ИПМаш РАН) | Способ классификации изображений |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102009009571B4 (de) * | 2009-02-19 | 2019-05-09 | Airbus Defence and Space GmbH | Verfahren zur Identifizierung und Klassifizierung eines Objekts |
US9091780B2 (en) * | 2009-09-17 | 2015-07-28 | Quantum Technology Sciences, Inc. (Qtsi) | Methods for identifying a signal of interest and for making a classification of identity |
RU2438182C1 (ru) * | 2010-04-08 | 2011-12-27 | Общество С Ограниченной Ответственностью "Конструкторское Бюро "Дорс" (Ооо "Кб "Дорс") | Способ обработки банкнот (варианты) |
US9916538B2 (en) * | 2012-09-15 | 2018-03-13 | Z Advanced Computing, Inc. | Method and system for feature detection |
-
2017
- 2017-09-18 RU RU2017132647A patent/RU2692420C2/ru active
Also Published As
Publication number | Publication date |
---|---|
RU2692420C2 (ru) | 2019-06-24 |
RU2017132647A3 (ru) | 2019-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Automatic grape bunch detection in vineyards with an SVM classifier | |
CN106570505B (zh) | 对组织病理图像进行分析的方法和系统 | |
US8611604B2 (en) | Object detection device | |
CN109766835A (zh) | 基于多参数优化生成对抗网络的sar目标识别方法 | |
CN106295666A (zh) | 分类器生成、更新与对象检测方法和装置及图像处理设备 | |
Juranek et al. | Real-time pose estimation piggybacked on object detection | |
CN103996047A (zh) | 基于压缩谱聚类集成的高光谱图像分类方法 | |
Malof et al. | Image features for pixel-wise detection of solar photovoltaic arrays in aerial imagery using a random forest classifier | |
Nijhawan et al. | Land cover classification using super-vised and unsupervised learning techniques | |
CN104268582B (zh) | 一种高光谱图像的波段选择方法及装置 | |
CN104298992A (zh) | 一种基于数据驱动的自适应尺度行人重识别方法 | |
CN103871077A (zh) | 一种道路车辆监控视频中的关键帧提取方法 | |
CN101980251A (zh) | 二叉树多类支持向量机遥感分类方法 | |
RU2017132647A (ru) | Способ идентификации и классификации объектов | |
CN107423715A (zh) | 一种基于多特征联合决策的脚印自动识别方法 | |
CN103903015A (zh) | 一种细胞有丝分裂检测方法 | |
CN105160351A (zh) | 基于锚点稀疏图的半监督高光谱分类方法 | |
CN106529501A (zh) | 基于加权融合与分层串行结构的指纹与指静脉图像融合方法 | |
Le et al. | Document retrieval based on logo spotting using key-point matching | |
CN110059729A (zh) | 一种基于支持向量机和最大互相关熵的成绩预测方法 | |
CN104239895B (zh) | 基于特征降维的sar目标鉴别方法 | |
CN103093239A (zh) | 一种融合了点对和邻域信息的建图方法 | |
CN104134073A (zh) | 一种基于一类归一化的遥感影像单类分类方法 | |
CN107330429A (zh) | 一种证件条目的定位方法和装置 | |
Wereszczyński et al. | Identifying a joint in medical ultrasound images using trained classifiers |