ВВЕДЕНИЕ. Навчально-методичний посібник для студентів напряму підготовки 6.040102 «Біологія»

Навчально-методичний посібник для студентів напряму підготовки 6.040102 «Біологія»

 

Упорядник: Василь Володимирович Демчук

 

Друкується в авторській редакції

 

Комп’ютерний набір, верстка – О.К. Пилипчук

 

Технічний редактор – О.Ю. Третяк

 

 

Ботаніка (анатомія і морфологія рослин): Лабораторний практикум: Навч.–метод. посібн. Для студ. Напряму підготовки 6.040102 «Біологія» / Упор.: В.В. Демчук. – Рівне: РДГУ, 2012. – 221 с. з іл.

 

 

Посібник складено у відповідності з програмою курсу „Ботаніка” для студентів напряму підготовки 6.040102 „Біологія”. В ньому наведено теоретичний матеріал за темами лабораторних робіт з анатомії та морфології рослин, завдання та методичні розробки до них. Призначений для студентів, викладачів лабораторних занять та вчителів ботаніки.

 

Л.В. БОЧКАРЁВА, М.В. КИРЕЙЦЕВ

 

МЕТОДЫ И АЛГОРИТМЫ ПРИНЯТИЯ РЕШЕНИЙ

 

УЧЕБНО-МЕТОДИЧЕСКОЕ ПОСОБИЕ

для студентов специальности

«Программное обеспечение информационных технологий»

всех форм обучения

 

 

 

 

Минск 2006

УДК 519.81(075.8)

ББК 22.18 я 73

Б 86

 

 

Р е ц е н з е н т:

доцент кафедры микропроцессорных систем и сетей ИИТ БГУИР,

кандидат технических наук В.Н. Мухаметов

 

Бочкарёва Л.В.

Б 86 Методы и алгоритмы принятия решений: Учебно-метод. пособие для студ. спец. «Программное обеспечение информационных технологий» всех форм обуч. /Л.В. Бочкарёва, М.В. Кирейцев. – Мн.: БГУИР, 2006. – 27 с.: ил.

ISBN 985-444-905-Х

 

Рассмотрены вопросы, связанные с созданием и применением систем распознавания образов. Изложены две группы методов, используемых для распознавания объектов, и приведены алгоритмы, относящиеся к каждому из методов. Предложены лабораторные работы по курсу «Методы и алгоритмы принятия решений».

 

УДК 519.81(075.8)

ББК 22.18 я 73

 

 

ISBN 985-444-905-Х © Бочкарева Л.В., Кирейцев М.В., 2006

© БГУИР, 2006

 

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

 

1. МЕТОДЫ И СИСТЕМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ

 

2. ЛАБОРАТОРНЫЕ РАБОТЫ

 

Лабораторная работа №1

 

Лабораторная работа №2

 

Лабораторная работа №3

 

Лабораторная работа №4

 

Лабораторная работа №5

 

ЛИТЕРАТУРА

ВВЕДЕНИЕ

Развитие науки и техники привело к тому, что в последние десятилетия
ХХ в. во всех сферах нашей жизни появились автоматизированные информационные системы. Одна из функций, возложенных на них, – автоматическое распознавание образов. Ее реализация техническими средствами может быть осуществлена путем моделирования операций, выполняемых живыми организмами в процессе взаимодействия и восприятия окружающего мира. Наиболее естественно положить в основу модели распознавания способности человека и его реакции на окружающую действительность. Дополнительным аргументом в пользу такого подхода явилось стремление возложить функции человека на автоматические устройства в тех областях, где условия работы однообразны, утомительны или опасными для жизнедеятельности людей.

Распознавание как научное направление включает в себя большое число различных дисциплин и использует методы, характерные для каждой из них. Для того чтобы свести воедино отдельные составные части, можно дать следующее общее определение п о н я т и ю распознавания образов: это есть совокупность методов и средств, позволяющих, как минимум, достигнуть, а если удастся, то и превзойти естественные средства восприятия и анализа окружающего мира живыми организмами.

Процедура восприятия образов предшествует процессу распознавания, после чего следует процесс идентификации. К прикладным задачам, связанным с данным научным направлением, относятся такие, как автоматическое чтение текстов и их синхронный перевод на разные языки, восприятие техническим устройством слитной речи, автоматизация медицинской диагностики, дистанционная идентификация объектов, интерпретация социологических данных, криминалистика и др.

Если рассматривать п р о б л е м у распознавания в общем виде, то ее можно сформулировать как задачу разработки процедуры, позволяющей разбивать множество объектов на классы, подразумевая, что разбиение существует. Хотя это не всегда выполнимо, так как не любая задача может быть формализована. Поэтому проблема распознавания в самом общем виде считается неразрешимой. В процессе распознавания участвует не сам объект, а некоторые понятия, связанные с его признаками. Число признаков, характеризующих один объект, может быть очень большим, поэтому на практике выбирают их ограниченное количество.

Пусть {F} – множество объектов, а X – n-мерное пространство признаков: Разбиение на классы можно считать полностью завершенным, если для всех выполняется Совокупность представляет собой результат разделения П(X) множества X, и задача заключается в отыскании функции f, обеспечивающей заданное разделение:

Совокупность признаков объекта можно представить как множество С: Для характеристики элементов множества С используются различные способы:

· количественный, когда значение признака получено в результате измерения некоторой физической величины;

· вероятностный, при котором каждому элементу множества приводится в соответствие вероятность появления некоторого события;

· двоичный, если интересует наличие или отсутствие заданного свойства.

Выбранные признаки объектов являются определяющими для выработки решающих правил. Существенные признаки образуют сокращенное множество Y, отличное от множества С: где – результаты определения одного из возможных значений признака и – пространству измерений.

Процесс распознавания условно связан с тремя пространствами: исходных измерений , определяющих признаков Y, принятия решений . Исходное множество может быть представлено в форме сигналов или данных. В пространстве принятия решений выполняется их сравнение в соответствии с критериями, разработка которых представляет собой самостоятельную задачу. Результатом сравнения является отнесение каждого объекта к тому или иному классу, что подразумевает наличие некоторых априорных данных. На этапе распознавания обычно бывает достаточно лишь разделения пространства на отдельные области. Классы могут быть либо заданы заранее, либо образовываться в процессе обучения, т.е. применения решающих правил к некоторому количеству предъявляемых объектов, чья принадлежность к определенному классу известна априори.

Классификация напрямую связана с понятием расстояния. Оно используется как средство оценки того, насколько близки между собой две реализации или два образа. Широкий диапазон решаемых задач потребовал использования различных способов нахождения расстояния между объектами. Ниже приводятся три из них, которые используются наиболее часто при распознавании образов.

1. – Евклидово расстояние,

2. – расстояние по Манхэттену,

3. – Чебышевское расстояние,

где и – векторы, между которыми оценивается расстояние, а и – k -е составляющие векторов и соответственно.