Исследование эффективности применения технологий вейвлет-анализа в задачах распознавания образов
DOI:
https://doi.org/10.47813/2782-2818-2021-1-1-23-28Ключевые слова:
вейвлет анализ, распознавание образов, методы классификации, обработка данных, наивный классификатор Байеса, машины опорных векторовАннотация
Работа посвящена экспериментальному сравнению точности методов классификации на задаче распознавания образов на изображениях с использованием технологий вейвлет-анализа и без. В частности, исследуется взаимодействие кольце-проекционного вейвлет-фрактального метода для выявления признаков с классическими методами классификации, такими как «Наивный классификатор Байеса» и «Машины опорных векторов». Экспериментальные результаты тестирования приводятся в виде таблицы. В итоге устанавливается, что внедрение вейвлет-анализа в построение моделей классификации изображений оправдано, и приводит к относительно малому, но значимому повышению точности классификации.
Библиографические ссылки
Смоленцев, Н. К. Введение в теорию вейвлетов / Н. К. Смоленцев. – Ижевск: РХД, 2010. – 292 с.
Фомин, Я. А. Распознавание образов: теория и применения. – 2-е изд. / Я. А. Фомин. – М.: ФАЗИС, 2012. – 429 с. ISBN 978-5-7036-0130-4.
Larson, David R. "Wavelet Analysis and Applications (See: Unitary systems and wavelet sets)". / David R. Larson. // Appl. Numer. Harmon. Anal. Birkhäuser. – 2007. – С. 143-171.
Guo, Т. "Deep wavelet prediction for image super-resolution" / T. Guo, H. S. Mousavi, T. H. Vu, V. Monga // Proc. IEEE Conf. Comput. Vis. Pattern Recognit. Workshops. – 2017. – С. 1100-1109.
scikit-learn library for python // Main page «Machine Learning in Python with scikit-learn» — URL https://scikit-learn.org/ (22.10.2020).
PyWavelets library for python // Main page «Wavelet Transforms in Python» — URL https://pywavelets.readthedocs.io/ (22.10.2020).
LeCun, Yann. MNIST handwritten digit database / Yann LeCun, Corinna Cortes, Chris Burges // The home of the database — URL http://yann.lecun.com/exdb/mnist/ (22.10.2020).
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Журнал MIST - «Modern Innovations, Systems and Technologies» / «Современные инновации, системы и технологии» публикует материалы на условиях лицензии CreativeCommons Attribution 4.0 International (CC BY 4.0), размещенной на официальном сайте некоммерческой корпорации Creative Commons:
This work is licensed under a Creative Commons Attribution 4.0 International License.
Это означает, что пользователи могут копировать и распространять материалы на любом носителе и в любом формате, адаптировать и преобразовывать тексты, использовать контент для любых целей, в том числе коммерческих. При этом должны соблюдаться условия использования — указание автора оригинального произведения и источника: следует указывать выходные данные статей, предоставлять ссылку на источник, а также указывать, какие изменения были внесены.