Raqamli texnologiyalarning Yangi O‘zbekiston rivojiga ta’siri
Экспериментальная проверка
Yüklə 109,74 Kb. Pdf görüntüsü
|
|
3. Экспериментальная проверка
В целях практического использования и проверки работоспособности рассмотренной модели операторов разработаны функциональные схемы программ распознавания. Программная реализация разработанных операторов осуществлена на языке C++. Работоспособность разработанной программы проверена на модельном примере. Исходные данные распознаваемых объектов для модельного примера сгенерированы в пространстве зависимых признаков. Количество классов в данном эксперименте равно двум. Объем обучающей выборки – 300 реализаций (по 150 реализаций для объектов 342 RAQAMLI TEXNOLOGIYALARNING YANGI O‘ZBEKISTON RIVOJIGA TA’SIRI Xalqaro ilmiy-amaliy konferensiyasi каждого класса). Объем контрольной выборки – 100 реализаций (по 50 реализаций для объектов каждого класса). Количество признаков в модельном примере равно 160. Число подмножеств сильно связанных признаков – 4. В качестве испытуемых моделей распознающих операторов были выбраны: модель распознающих операторов, основанных на вычислении оценок; модель распознающих операторов, основанных на принципе потенциалов; модель, распознающих операторов, основанных на построении двумерных пороговых правил, предлагаемой в настоящей работе. Сравнительный анализ перечисленных моделей распознающих операторов при решении рассмотренной задачи проведён по следующим критериям: 1) точность распознавания объектов контрольной выборки; 2) время, израсходованное алгоритмом на обучение; 3) время, израсходованное алгоритмом на распознавание объектов из контрольной выборки. Для вычисления этих критериев при решении прикладных задач разбиение произведено по стандартной методике перекрестной проверки [11]: генерируются 10 случайных разбиений выборки на 10 блоков примерно равной длины и равными долями классов, и каждый блок поочерёдно становится контрольной выборкой, остальные – обучающей. Точность распознавания и временные показатели определялись как средние. Результаты проведенных вычислительных экспериментов при решении данной задачи показали более высокую точность предложенных распознающих операторов по сравнению с традиционными алгоритмами распознавания. Время, израсходованное алгоритмом на обучение, в предложенной модели затрачено больше, чем на сравниваемых алгоритмах распознавания. Следует отметить, что время, израсходованное алгоритмом на распознавание объектов из контрольной выборки, меньше, чем тот же показатель сравниваемых алгоритмов распознавания. Заключение В настоящее время решение задач распознавания образов, описанных в пространстве признаков большой размерности, связано со значительными вычислительными трудностями. Предложенная модель распознающих операторов улучшает точность и значительно сокращает число вычислительных операций при распознавании неизвестного объекта, заданного в пространстве взаимосвязанных признаков, и может быть использована при составлении различных программных комплексов, ориентированных на решение прикладных задач распознавания. Yüklə 109,74 Kb. Dostları ilə paylaş:
|