مقدمه :

تشخیص الگو در برگیرنده دو عامل اساسی و مهم می باشد : توصیف و دسته بندی وقتی یک جسم ناشناخته را بعنوان ورودی به سیتم میدهیم ابتدا یک توصیف از این جسم تولید می شود . دو راهکار کلی برای پیاده سازی سیستم های تشخیص الگو وجود دارد .1.تشخیص الگوی اماری 2. تشخیص الگوی ساختاری ، هر کدام از این دو روش تکنیک های متفاوتی را برای عمل توصیف و کلاسه بندی بکتر می برند .روشهای اماری با استفاده از تئوری های تصمیم گیری و بر اساس ویژگی های کمیتی استخراج شده از ورودی فرایند کلاسه را انجام می دهند .روش های ساختاری بر مبنای ویژگی های شکل شناسی و خصوصیات ساختاری جسم ونحوه ارتباط انها باهم عمل توصیف ورودی وتشخیص گروه مربوط به ان را پیاده سازی می کنند .راهکار های ترکیبی وجوه مختلف از تشخیص الگوی ساختاری و اماری را باهم بکار می برند . برای سادگی فرض می کنیم ورودی های ما بصورت تصاویر 2 بعدی می باشند که هدف اصلی پیدا کردن یک تطابق ایده ال ما بین اجزای مختلف تصویر است .یکی از بهترین روش های موجود جهت بازنمایی اجزای تصویری استفاده از تئوری گرتف ها می باشد .در این ساختار مجموعه نقاط ویژگی بدست امده از هر جزء تصویری را بعنوان نودهای گراف در نظر می گیریم و یالهای گراف بیان کننده ارتباط بین این نقاط ویژگی هستند ،بنابراین هدف اصلی ما بصورت زیر مطرح می شود: پیدا کردن یک نگتشت بین دو مجموعه نودها از دو گراف مشخص کننده حدتکثر ارتباط بین گره های ویژگی می باشد .از انجا که گراف و خصوصیات ان یک مفهوم کلیدی برای حل مساله فوق می باشد و تز طرفی با توجه به تنوع گرتف های موجود ابتدا تعریف مشخصی از گراف مورد استفاده در تطبیق ساختاری ارائه می دهیم . یک گراف ویژگی دار را بصورت G=(V E A) تعریف می کنیم که V مجوعه ای نودها و E مجموعه یالها و A مجموعه ویژگی هاست . به ازای هر e €E یک مقدار ویژگیe A به ان نسبت می دهیم ، که می تواند یک و یا چند عدد حقیقی و یا بصورت بردار تعریف بشود.

فهرست مطالب

1-1مقدمه :

مفهوم PR دترای تاریخچه طولانی می باشد . PR عملی است که به روش های توصیف و کلاسه بندی اجسام مختلف می پردازد . همچنین در برگیرنده مباحث مختلف ریاضی ،اماری ، مکا شفه ای و استنتاجی می باشد تا بتوانند برخی رفتار های استدلالی انسان را تقلید کند. در طول سالیان دراز دانشمندان و محققان این علم ، تعاریف مختلفی از PR ارائه کرده اند :Duda و heart(1397)pr را تشخیص الگو توسط ماشین در محیط های مختلف نویزی دانستند . pavlidis(1977) در کتاب خود PR را اینگونه تعریف کرد : کلمه pattern برگرفته از واژه patron به معنی نگهدار می باشد یعنی ان چیزی که از یک مثال کپی شده است .Watanabe(1985) ادعا کرد که می توان PR را بعنوان یک مسئله گروه بندی در نظر گرفت که این گروه بندی از طریق استنتاج ، انالیز های ساختاری و روش های متمایز کننده انجام می شود.Fukunaga(1990) تعریف تکنیکی تری ارائه داد : PR عبارتست از محاسبه و تخمین یک تابع چگالی در فضاهایی با ابعاد بالا و تقسیم این فضا به نواحی مختلف و کلاس ها مشخص .Robert.P.W.Duin (2002) ماهیت PR را از دیدگاه مهندسی اینگونه تعریف کرد : هدف نهایی در PR طراحی ماشین هایی است که بتوانند خلاء بین تحقیقات نظری و کاربرد عملی را از میان بردارند .Sergious Theodoridis (2003) : PR شاخه ای ز عمل است که هدف ان کلاسه بندی اجسام به گروه های متعدد می باشد ، همچنین PR شاخه ی مهمی از سیستم های هوش ماشینی است که برای کاربرد های تصمیم گیری ساخته می شوند .

1-1مقدمه                                                                                                                 2

2-1 انواع روش های مورد استفاده در PR                       ا                                              2

3-1 سیستم های تشخیص الگو                                                                                    5

1-4 گروه بندی(دسته بندی ) سیستم های PR                                                                7

1-5 کاربرد ها                                                                                                           8

فصل دوم

1-2 تاریخچه SSPR                                        ا                                                                11

2-2 تاسیس کمیته تکنیکی TC2(Technical committee) ا                                     12

فصل سوم

1-3 مقدمه :

تشخیص اتوماتیک تصاویر یکی از زیر شاخه های پیچیده در PR است که دسترسی به ان نیازمند طی روال پیچیده ای است . یکی از چالش های مهم و تاثیر گذار در تشخیص تصاویر ، چگونگی باز نمایی اطلاعات به درون سیستم های اطلاعاتی می باشد . استفاده از گراف یکی از ابزار های بسیار مناسب برای نمایش اطلاعات ساختاریست که در فیلدهای متعدد کتمپیوتری مانند شبکه ها ، تحلیل تصاویر ، تشخیص الگو و… مورد استفاده قرار می گیرد .در بازنمایی تصاویر توسط گراف هر ناحیه خاص از تصاویر را توسط نود های گراف ، و روابط ساختاری بین این اجزاء را توسط یالها نمایش می دهیم . کاربرد چنین ساختاری برای نمایش داده ها ، منجر به طرح مساله مطابقت گراف ها می شود . بنابراین صورت مساله تغییر یافته ، بصورت زیر در می اید : بدست اوردن نگاشتی یک به یک در فضای مساله برای تطبیق دو گراف ،1. گراف مدل و .2. گراف DATA که نمایش دهنده تصویر مساله می باشد . در یک جستجوی کامل و دقیق معمولا به دنبال نگاشت یک به یک (isomorphism) هستیم تا اینکه بتوانیم نمونه دقیق و منحصر بفردی از گراف مدل را در تصویر پیدا کنیم ، که هغلب اوقات امکان پذیر نیست . دلیل اصلی این امر خروجی های غیر دقیق از فاز قبلی (قطعه بندی تصاویر )داست که بعلت وجود نویز در دنیای وتقعی و تصاویر دریافتی اجتناب نا پذیر به نظر می اید . بنابراین گراف های خاصل از تصاویر ورودی معمولا کج شکل و معیوب هستند . البته تکنیک های خاصی برای برخورد با این مشکل وجود دارند که در ادامه به انها خواهیم پرداخت

1-3 مقدمه

2-3 تعاریف اولیه

3-3 بازنمایی داده ها

3-4 الگوریتم های تطبیق گراف

1-4-3) optimal Algorithms

2-4-3) discrete Relaxation

3-4-3)Error- tolerant Algorithms

4-4-3) Maximal clique

1-4 تعاریف اولیه                                                                                                                    26

2-4 توصیف وتطابق رابطه ای                                                                                                   27

1-2-4 RELATION (رابطه)                                                                                                  27

2-2-4 همو مورفیسم رابطه ای                                                                                                 30

3-2-4 مونو مورفیسم رابطه ای                                                                                                  30

4-2-4 ایزومورفیسم رابطه ای                                                                                                   30

فهرست شکل ها

  • مراحل سه گتنه تطابق الگو

1-3 نمایش انسان توسط گراف

2-3 عملگر های اصلاح در مجموعه نود ویال

3-3 گراف انجمنی

3-4 کلیک های استخراج شده

1-4 ترکیب یک رابطه باینری با نگاشت h

2-4 همومورفیسم رابطه ای h از R به S

3-4 مونومورفیسم رابطه ای Hاز R به S

4-4 ایزومورفیسم رابطه ای H از Rبه S

5-4 مونومورفیسم رابطه ای H از Rبه S

6-4 روابط مربوط به نگاشت F

مدل های M1و M2

8-4 همومورفیسم حاصل از جستجوی درختی

3-4 توصیف رابطه وفاصله رابطه                                                                                               32

1-3-4 فاصله رابطه ای                                                                                                            33

4-4 توصیف رابطه ای و فاصله رابطه ای ویژگی دار                                                                     36

1-4-4 توصیف رابطه ای ویژگی دار                                                                                         37

5-4 تلگوریتم های مورد استفاده برای انجام تطابق رابطه ای                                                          38

1-5-4 جستجوی درختی بازگشتی                                                                                            39

2-5-4 جستجوی درختی بازگشتی با Forward checking                            ا                        41

6-4 الگوریتم های موازی                                                                                                         44

منابع و ماخذ                                                                                                                          46


مقطع کارشناسی ارشد

بلافاصاله بعد از پرداخت به ایمیلی که در مرحله بعد وارد میکنید ارسال میشود.


فایل pdf غیر قابل ویرایش

قیمت25000تومان

قیمت45000تومان