Аннотация:
Классические методы теории распознавания образов предполагают независимость элементов распознаваемого множества. Поэтому, даже в случае взаимосвязанных объектов, решение о классе каждого объекта принимается независимо от решений о классах других объектов. В то же время, очевидно, что в этом случае необходимо принимать согласованные решения о классах элементов взаимосвязанного массива. В частности, такая необходимость обусловлена априорным предположением, что соседние объекты взаимосвязанного массива чаще принадлежат к одному классу, чем к разным. Во многих практических задачах такое априорное предположение оказывается очень естественным, позволяя построить эффективные алгоритмы распознавания.
Статья представлена к публикации членом редколлегии:Б. М. Миллер
Образец цитирования:
С. Д. Двоенко, А. В. Копылов, В. В. Моттль, “Задача распознавания образов в массивах взаимосвязанных объектов. Алгоритм распознавания”, Автомат. и телемех., 2005, № 12, 162–176; Autom. Remote Control, 66:12 (2005), 2019–2032
Двоенко С.Д., Шанг Д.В., “Алгоритмы подбора параметров древовидного марковского случайного поля в задаче распознавания растровых текстурных изображений”, Известия Тульского государственного университета. Серия: Естественные науки, 2012, № 1, 98–110
Двоенко С.Д., Шанг Д.В., “Алгоритмы подбора параметров комбинирования ациклических графов соседства в задаче распознавания текстурных изображений”, Известия тульского государственного университета. технические науки, 2012, № 4, 130–140
Algorithms for selecting parameters of combination of acyclic adjacency graphs in the problem of the raster textured image recognition
Двоенко С.Д., Шанг Д.В., “Алгоритмы подбора параметров комбинирования ациклических графов соседства в задаче распознавания текстурных изображений”, Известия тульского государственного университета. технические науки, 2012, № 3, 253–262
Algorithms for selecting parameters of combination of acyclic adjacency graphs in the problem of the raster textured image recognition
S. D. Dvoenko, “Recognition of dependent objects based on acyclic Markov models”, Pattern Recognit. Image Anal., 22:1 (2012), 28