Автор неизвестен - Бионика интелекта информация язык интеллект№ 3 (77) 2011научно-технический журналоснован в октябре 1967 г - страница 47

Страницы:
1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77 

Рассмотрим множество АИ, отображающих ге­ометрические свойства описания объекта и пред­ставленных в виде конечного множества числовых троек [aq}rq=1 [3] , где r число АИ. Расстояние между признаками aq и ap эталона и изображе­ния для матрицы Р можно вычислить как

pqp =        3=1 (aqi - аpi)2 .

Взаимно-однозначное соответствие элементов опи­саний может быть установлено путем решения за­дачи поиска взвешенного паросочетания. Решение о принадлежности объекта конкретному эталону принимается на основе максимального числа уста­новленных соответствий между подмножествами АИ или на основе минимума величины S2.

3. Результаты экспериментов

В качестве критерия, характеризующего досто­верность распознавания в конечной базе данных, рассмотрим величину 6 = h1 / h2, где h2 макси­мум гистограммы голосов, h1 ближайший к нему максимум. Значение критерия 6 показывает, на­сколько уверенно осуществляется принятие реше­ния на основе полученного максимума числа голо­сов, отданных за конкретный эталон. Чем меньше значение 6 , тем в большей степени глобальное ре­шение значимо по отношению к локальному, со­ответствующему наиболее близкому из остальных (возможно, ложных) классов.

Для базы объектов видео-данных Coil-20 [1] вычислено множество АИ [aq}. Эксперимент для традиционного подхода на основе голосования ХП состоял в том, что на вход системы распознавания поступало описание одного из эталонов, которое последовательно сравнивалось со всеми описа­ниями базы, в результате принималось решение в соответствии с максимумом нормированного количества голосов [2]. Для предложенного опти­мального метода сопоставление осуществлялось по принципу «множество-множество» с достижением минимума в выражении (1) при условии однознач­ного соответствия элементов множеств. Для базы Coil-20 с применением структурных описаний в виде множеств АИ достигнуто безошибочное рас­познавание.

Сравнительные эксперименты показали, что в традиционном подходе величина 6 для правиль­но найденного класса относительно других этало­нов достигает значения 6 = 0,8 , в то время как для оптимального метода на основе ВМ максимальное из значений 6 = 0,16. Это непосредственно до­казывает, что достоверность распознавания для оптимального метода существенно лучше.

В то же время отметим, что для оптимального метода затраты времени на решение задачи распо­знавания несколько больше, чем для традицион­ного метода. При этом временные затраты значи­тельно увеличиваются с увеличением размерности сравниваемых описаний, а применение аппарата АИ, как известно, по сравнению с обычным пред-

В.А. Гороховатский, ТВ. Полякова

ставлением в виде множества ХП еще более уси­ливает временные различия. Например, для m = 6 с использованием пространства АИ временные затраты оптимального метода при распознавании оказались в 1,5 раза выше, а при m = 13 — в десят­ки раз больше. Отметим, что эти затраты могут ре­гулироваться за счет процедуры предварительной обработки структурных описаний для конкретно решаемой прикладной задачи.

Выводы

Оптимальные методы для сопоставления струк­турных описаний объектов за счет более тщатель­ного отбора соответствий обеспечивают лучшую достоверность распознавания по сравнению с тра­диционными подходами на основе голосования. Проведен анализ и исследование оптимального метода сопоставления на основе ВМ для описа­ний, представленных множеством аффинных ин­вариантов.

В целом полученные характеристики для опти­мального метода могут быть оценены как предель­но достижимые, в то время как традиционный под­ход с голосованием отдельных элементов описания можно считать некоторой практической аппрокси­мацией. Оптимальные методы целесообразно при­менять для задач, требующих наиболее тщательно­го анализа соответствия множеств описаний.

Впервые показано, что применение оптималь­ных методов определения максимального паро-сочетания в двудольном графе для задачи сопо­ставления структурных описаний видео-объектов повышает достоверность распознавания за счет однозначного и более точного учета подобия под­множеств элементов описаний. На примере геоме­трических признаков изображений получено экс­периментальное подтверждение эффективности предложенных методов.

Практически важным является получение пред­почтительных характеристик распознавания по сравнению с известными методами, что говорит о целесообразности развития и применения опти­мальных методов сопоставления в задачах ком­пьютерного зрения.

Перспективы исследования состоят в разработ­ке подходов к построению мер подобия на основе структурного анализа подмножеств значений аф­финных инвариантов, сгруппированных для от­дельных базисов.

Список литературы: 1. Шапиро, Л. Компьютерное зрение [Текст] / Л. Шапиро, Дж. Стокман; пер. с англ.— М.: БИ­НОМ. Лаборатория знаний, 2006. — 752 с. 2. Gorokhovats-kiy V.A. Compression of Descriptions in the Structural Image Recognition / V.A. Gorokhovatskiy // Telecommunications and Radio Engineering. — 2011, Vol. 70, No 15. — P. 1363­1371. 3. Гороховатский, В.А. Модели комплексированных мер подобия структурных описаний изображений [Текст] / В.А. Гороховатский, Т.В. Полякова, Е.П. Путятин // Реєстрація, зберігання і обробка даних. — 2011. — Т. 13, № 1. — С. 21—28. 4. Рассел, С. Искусственный интеллект: современный подход; 2-е изд. [Текст]/ С. Рассел, П. Нор-виг; пер. с англ.— М.: Изд. дом «Вильямс», 2006. — 1408 с. 5. Гольштейн, Е.Г. Задачи линейного программирования транспортного типа [Текст] / Е.Г. Гольштейн, Д.Б. Юдин, - M.: Наука, 1969. — 382 с. 6. Сонькин, Д.М. Адаптивный алгоритм распределения заказов на обслуживание ав­томобилями такси [Текст] / Д.М. Сонькин // Известия Томского политехнического университета. — 2009. — Т. 315, № 5. —С.65-69. 7. Пападимитриу, Х. Комбина­торная оптимизация. Алгоритмы и сложность [Текст] / Х. Пападимитриу, К. Стайглиц // М.: Мир, 1985. — 512 c.

Поступила в редколлегию 19.05.2011

УДК 004.932.2:004.93'1

Оптимальні методи зіставлення структурних описів відеооб'єктів / В.О. Гороховатський, Т.В. Полякова // Біоніка інтелекту: наук.-техн. журнал. — 2011. — № 3 (77). — С. 85-88.

Обговорюються питання застосування оптималь­них підходів при зіставленні структурних описів відео-об'єктів на прикладі угорського методу для пошуку мак­симального паросполучення у дводольному зваженому графі. Результати експериментів з використанням ознак аффінних інваріантів, побудованих на множині коор­динат характерних ознак зображення, підтверджують ефективність запропонованих методів в плані більш ви­сокої достовірності розпізнавання в порівнянні з тради­ційними методами на основі голосування.

Бібліогр.: 7 найм.

UDC 004.932.2:004.93'1

Optimal methods of structural descriptions of video objects comparison / V.O. Gorokhovatsky, T.V. Polyakova // Bionics of Intelligense: Sci. Mag. — 2011. — № 3 (77). — P. 85-88.

The application of optimal approaches for structural de­scriptions of video-objects comparison are discussed, e.g. Hungarian method for finding maximum matching in the bi­partite weighted graph. Experimental results based on affine invariant features which are built on coordinate set of image characteristic features confirm efficiency of proposed meth­ods at higher recognition rate in comparison with traditional voting methods.

intelligence

М.М. Зацеркляний, А.Л. Єрохін, А.С. Бабій, О.П. Турута

Харківський національний університет внутрішніх справ, м. Харків, Україна, ayerokhin@ukr.net

РОЗРОБКА МЕТОДУ ВИЯВЛЕННЯ СЕЗОННИХ КОЛИВАНЬ З ЗАСТОСУВАННЯМ НЕЧІТКОГО ЗГЛАДЖУВАННЯ НА БАЗІ F-ПЕРЕТВОРЕННЯ

У статті на основі методики виявлення сезонної складової запропонована модифікація підходу до виявлення тренда, яка полягає у використанні методу згладжування на базі нечіткого перетворення (F-перетворення). За основу покладена адитивна модель подання динамічного ряду. У методі попе­редньо виділяється тренд, а потім сезонний компонент. Тренд виділяється за допомогою нечіткого згладжування.

МОДЕЛЮВАННЯ НЕСТАЦІОНАРНИХ ПРОЦЕССІВ, СЕЗОННІ КОЛИВАННЯ, ЗГЛАДЖУ­ВАННЯ ДИНАМІЧНОГО РЯДУ

Вступ

Використання сучасних методів та засобів штуч­ного інтелекту для ефективного вирішення прак­тичних задач кримінології є надзвичайно важливим. У 1988 році в рамках ООН створена інформаційна система в області боротьби зі злочинністю та розмі­щена в мережі Internet. Міжнародні конгреси ООН із попередження злочинності і поведінки з правопо­рушниками рекомендують державам вжити заходи щодо комп'ютеризації кримінального правосуддя. Ці рекомендації затверджені й Генеральною Асамб­леєю ООН. Подальший розвиток інформатизації правозастосовної діяльності передбачений у резо­люції 1993/34 Економічної і Соціальної Ради ООН.

Для виконання названої резолюції Секретаріат ООН приступив до вивчення питання про розвиток і поширення інформаційної мережі та створення міжнародного інформаційно-аналітичного центру з досить широкими функціями. Кінцевою метою роботи такого центру стане зміцнення потенціа­лу національних держав у питаннях одержання, збереження, опрацювання, аналізу та поширення електронної інформації із області попередження злочинності і кримінального правосуддя.

Добре розроблене законодавство та система за­ходів попередження при їх невиконанні не забезпе­чують необхідного рівня законності. Для цього по­трібний комплекс умов організаційного характеру — контроль, нагляд, перевірка виконання тощо, де є можливості для широкого застосування інформа­ційних технологій.

Забезпечення структур управління, до яких на­лежать і органи внутрішніх справ, належною ін­формацією — умова ефективної діяльності. Вимоги відбору необхідної інформації відносяться до всіх її форм, але в першу чергу — до статистичної, що є джерелом відомостей, які суттєво впливають на управлінський процес.

Досить часто фактор сезонності є достатньо важ­ливим під час прийняття рішення про проведення профілактичних заходів або протидії злочинності. У випадку, якщо суспільне явище має багато чин­ників, або носить комплексний характер, необхід­ні статистичні методи виявлення сезонності.

1. Аналіз літератури

Питанням аналізу та прогнозування злочинності, застосування методів штучного інтелекту для задач кримінології присвячені роботи [1-6]. Методи про­гнозування можуть ґрунтуватися на штучних не-йронних мережах, причому нейронні мережі в таких задачах виступають в якості універсального апрок-симатора даних [2-6], тобто у процесі навчання під­бираються функціональні коефіцієнти, а розрахунок значення апроксимаційної функції для заданих вхід­них даних відбувається на етапі функціонування.

Методи прогнозування можуть ґрунтуватися й на нечітких множинах. Основні принципи функці­онування та підходи до застосування нечітких мно­жин для прогнозування розглянуті в [7]. Підходи, що спираються на моделі виведення Мамдані-Заде [8] і TSK [9], дозволяють описати досліджуване явище у вигляді нелінійної функції вхідних змін­них xi (і = 1,2,...,N) і параметрів нечіткої системи. В [10] відзначено, що ці підходи дають можливість апроксимувати з довільною точністю довільну не­лінійну функцію багатьох змінних сумою нечітких функцій однієї змінної.

В роботах [11,12] було розглянуто застосу­вання методу нечіткого згладжування на основі F-перетворень для аналізу даних, в тому числі для виявлення трендової складової. В роботі [13] було розглянуто застосування методики Четверякова для аналізу сезонних коливань динамічного ряду.

В даній статті пропонується модифікація мето­дики визначення сезонних коливань злочинності шляхом застосування нечіткого згладжування на етапі виявлення тренду.

2. Огляд методів аналізу та прогнозування числових рядів

Використання сучасних інформаційних техно­логій дозволяє суттєво впливати на недопущенняпосадових правопорушень, адже фіксація факту пе­ревищення влади чи службових повноважень у про­цесі припинення злочинів чи інших неправових дій працівників дозволяє вести серйозну профілактич­ну роботу з кадрами. Створення умов для розгляду кожного факту правопорушення з боку працівника правоохоронного блоку є основою для притягнен­ня його до юридичної відповідальності за свої дії.

Вимоги відбору необхідної інформації відно­сяться до всіх її форм, але в першу чергу—до статис­тичної. Неповне відображення стану злочинності в статистичних обліках, незважаючи на наявність ін­формації про невраховані злочини (латентну зло­чинність), пов'язано з випадками навмисного при­ховування злочинів від обліку, які зустрічаються на практиці.

Негативний ефект від приховування злочинів проявляється двояко: воно робить інформацію необ'єктивною і тим самим перешкоджає забезпе­ченню її повноти про стан злочинності, а також є тяжким порушенням законності.

Отже, значну роль в реалізації "Комплексної ці­льової програми боротьби зі злочинністю" відіграє система інформаційного забезпечення, яка здій­снює інформаційну підтримку органів внутрішніх справ у розкритті, розслідуванні та попередженні злочинів, у процесі встановлення та розшуку зло­чинців, надає багатоцільову статистичну, аналі­тичну та довідкову інформацію. Тому в останні роки в Україні спостерігається інтенсивне впро­вадження сучасних інформаційних технологій, і особливо методів і засобі штучного інтелекту, у діяльність правоохоронних органів. Інформація, зафіксована на основі офіційного обліку або шля­хом спеціально організованого дослідження у ста­тистичних картках, журналах обліку, базах даних, комп'ютерних інформаційних системах, в анкетах опитування громадян, при вивченні кримінальних, адміністративних, цивільних справ та інших мате­ріалів, є розрізненими "горами даних" про одиниці досліджуваної сукупності. Ця інформація стає ді­євим засобом боротьби зі злочинністю тільки у ви­падку її аналітичного опрацювання, розвиток яко­го на сьогодні не є задовільним.

Основний вид ресурсу в організаційних систе­мах, до яких належать органи внутрішніх справ, — люди, які забезпечують виконання задач, що сто­ять перед цією системою.

Прогнозування кадрових ресурсів, зокрема по­треби різних служб і підрозділів органів внутрішніх справ у фахівцях відповідної кваліфікації, завжди було однією з найважливіших управлінських задач у системі МВС. Особливу актуальність ця пробле­ма здобуває зараз в умовах децентралізації управ­ління, підвищення самостійності низових органів у розв'язуванні організаційно-штатних задач.

Крім кримінологічних прогнозів при обґрун­туванні потреби органів внутрішніх справ у ка­драх необхідно враховувати сучасні соціально-економічні, політичні і демографічні процеси, оскільки вони не тільки визначають кримінальну обстановку в країні, а й значно впливають на умови комплектування ОВС.

Таким чином, в основі розрахунку потреби в кадрах знаходиться комплекс прогнозних оцінок різних факторів, які впливають як на стан злочин­ності, так і на умови комплектування ОВС кваліфі­кованими кадрами.

Питаннями оцінювання злочинності займалися вчені різних країн світу протягом останніх декіль­кох століть.

Вивчення структурних показників у часі дає мож­ливість виявити реальні тенденції складових частин юридично значущих явищ, спираючись на які мож­на розв'язувати і прогностичні проблеми. Важливе значення при аналізі злочинності має її інтенсив­ність. Інтенсивність злочинності є складним якісно-кількісним параметром кримінологічної обстановки в країні, регіоні, районі чи населеному пункті, який вказує на рівень злочинних проявів, темпи їх зрос­тання чи міру суспільної небезпеки (ваги).

Проблеми математичного моделювання неста­ціонарних процесів, до яких відносяться соціаль­ні процеси, в тому числі злочинність, стають все більш актуальними завдяки можливості розвитку комп'ютерних інформаційних технологій, зокре­ма систем підтримки прийняття рішень (СППР), які інтегрують у собі сучасні методи взаємодії комп'ютер—особа, що приймає рішення, моделі та методи прийняття рішень, методи прогнозування та менеджменту процесів різної природи.

Оцінювання злочинності неможливо проводи­ти без врахування економічного, соціального, де­мографічного стану громади.

Прийняття рішень при оцінюванні злочиннос­ті, необхідно відрізняти від прийняття рішень при протидії злочинності. Оцінювання є одним з етапів протидії злочинності.

Під оцінюванням злочинності розуміється по­рівняння рівнів зареєстрованої злочинності серед громад, подібних за економічними, соціальними та демографічними показниками, та вибір адекватної моделі розвитку злочинності для подальшого при­йняття рішень, пов'язаних з протидією злочиннос­ті для даної групи підрозділів або зменшенню рів­нів латентності.

Страницы:
1  2  3  4  5  6  7  8  9  10  11  12  13  14  15  16  17  18  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  35  36  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  53  54  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  71  72  73  74  75  76  77 


Похожие статьи

Автор неизвестен - 13 самых важных уроков библии

Автор неизвестен - Беседы на книгу бытие

Автор неизвестен - Беседы на шестоднев

Автор неизвестен - Богословие

Автор неизвестен - Божественность христа