Электронный архив
Донецкого национального технического университета (г.Донецк)
Electronic archive of Donetsk national technical university (Donetsk)
 

Расширенный поиск
Главная страница
 
Просмотреть
Разделы
и коллекции
По дате
По автору
По заглавию
По тематике
 
Зарегистрированным:
Обновления на e-mail
Мой архив
ресурсов
Редактировать профиль
 
О DSpace

eaDonNTU, Donetsk >
Научные труды ДонНТУ >
Серія: Інформатика, кібернетика та обчислювальна техніка >
Випуск 13 (185) >

Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://ea.donntu.ru/handle/123456789/4251

Название: Нечеткая система распознавания образов для решения задачи классификации жидких нефтепродуктов
Другие названия: Fuzzy system of pattern recognition for petrochemical products classification problem
Авторы: Козловский, В.А.
Максимова, А.Ю.
Ключевые слова: распознавание образов
нечеткая логика
анализ данных
pattern recognition
fuzzy logic
data mining
Дата публикации: 18-Июн-2011
Издатель: Донецкий национальный технический университет
Библиографическое описание: В.А. Козловский, А.Ю. Максимова. Нечеткая система распознавания образов для решения задачи классификации жидких нефтепродуктов// Наукові праці Донецького національного технічного університету, серія «Інформатика, кібернетика та обчислювальна техніка»,вып. 13 (185), Донецк, ДонНТУ, 2011. – С.200-205.
Аннотация: It is solved the petrochemical products classification problem. It is suggested fuzzy-rule-based system on linguistic variable. The tuning of system is carried out on the base of cross-validation functional. To improve the quality of recognition was performed the division on clusters for some classes of image. As a result was obtained increasing of pattern recognition quality by 2% against source algorithm (92% correctly recognized objects).
Описание: Решается задача классификации жидких нефтепродуктов. Cтроится нечеткая система на правилах с лингвистическими переменными. Настройка базы знаний выполняется на основе функционалов скользящего контроля. Для повышения качества распознавания было выполнено разбиение на кластеры некоторых классов образов, что позволило улучшить качество распознавания на 2% по сравнения с исходным алгоритмом (92% верно распознанных объектов).
URI: http://ea.donntu.edu.ua/handle/123456789/4251
ISSN: ISSN 1996-1588
Располагается в коллекциях:Випуск 13 (185)

Файлы этого ресурса:

Файл Описание РазмерФормат
4_12.pdf500.91 kBAdobe PDFПросмотреть/Открыть

Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.