APPLICATION OF STATISTICAL RELEVANCE MEASURES FOR VECTORAL STRUCTURAL DESCRIPTIONS OF OBJECTS IN IMAGE CLASSIFICATION PROBLEM

ID елемента: 20783
2026/04/30
Властивості
Назва
Англійська
APPLICATION OF STATISTICAL RELEVANCE MEASURES FOR VECTORAL STRUCTURAL DESCRIPTIONS OF OBJECTS IN IMAGE CLASSIFICATION PROBLEM
Російська
ПРИМЕНЕНИЕ СТАТИСТИЧЕСКИХ МЕР РЕЛЕВАНТНОСТИ ДЛЯ ВЕКТОРНЫХ СТРУКТУРНЫХ ОПИСАНИЙ ОБЪЕКТОВ В ЗАДАЧЕ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ
Українська
ЗАСТОСУВАННЯ СТАТИСТИЧНИХ МІР РЕЛЕВАНТНОСТІ ДЛЯ ВЕКТОРНИХ СТРУКТУРНИХ ОПИСІВ ОБ’ЄКТІВ У ЗАДАЧІ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ
Опис
Англійська
The problem of image classification in the space of attributes of descriptors of singular points is solved with representation of the description in cluster form and using of statistical measures to calculate relevance of descriptions. The analysis of specific application feature of statistical and metric classifiers in determining the level of relevance of structural descriptions is performed. Comparison of the characteristics of relevance measures on the calculated examples is performed. Kullback- Leibler divergence was proposed to use as a universal and effective measure for the classification problem. The effectiveness of the proposed approach for application image dataset was confirmed. The scientific novelty of the research is to develop the method of structural recognition of images based on the cluster description of the set of descriptors of special points by using the apparatus of statistical measures to determine the relevance of the analyzed and reference data and the construction of classifications in the space cluster - standard. Practical significance of work - to obtain applied calculation models for the application of classification methods and confirm their effectiveness in specific examples of image databases.
Російська
Решается задача классификации изображений в пространстве признаков дескрипторов особых точек с представлением описания в кластерном виде и использованием статистических мер для вычисления релевантности описаний. Проведен анализ особенностей применения статистического и метрического классификаторов при определении уровня релевантности структурных описаний. Выполнено сравнение характеристик мер релевантности на расчетных примерах. Предложено использование расхождения Кульбака-Лейблера как универсальной и эффективной меры для задачи классификации. Подтверждена результативность предложенного подхода для прикладных баз изображений. Научная новизна исследования заключается в развитые метода структурного распознавания изображений на основе кластерного описания множества дескрипторов особых точек путем применения аппарата статистических мер для определения релевантности анализируемых и эталонных данных и построения классификационных выводов в пространстве кластер - эталон. Практическая значимость работы - получение прикладных расчетных моделей для применения методов классификации и подтверждения их результативности в конкретных примерах базах изображений.
Українська
Вирішується задача класифікації зображень у просторі ознак дескрипторів особливих точок з поданням опису у кластерному виді і використанням статистичних мір для обчислення релевантності описів. Проведено аналіз особливостей застосування статистичного та метричного класифікаторів при визначенні рівня релевантності структурних описів. Виконано порівняння характеристик мір релевантності на розрахункових прикладах. Запропоновано використання розходження Кульбака-Лейблера як універсальної і ефективної міри для задачі класифікації. Підтверджена результативність запропонованого підходу для прикладних баз зображень. Наукова новизна дослідження полягає у розвиненні методу структурного розпізнавання зображень на основі кластерного опису множини дескрипторів особливих точок шляхом застосування апарату статистичних мір для визначення релевантності аналізованих та еталонних даних і побудови класифікаційних висновків у просторі кластер – еталон. Практична значущість роботи – отримання прикладних розрахункових моделей для застосування методів класифікації і підтвердження їх результативності в конкретних прикладах базах зображень.
Автор
Українська
Gadetska, S.
Українська
Gorokhovatskyi, V.
Тематика
Англійська
computer vision
Англійська
structural recognition
Англійська
descriptors of special image points
Англійська
cluster representation of description
Англійська
statistical measure of relevance
Англійська
Bayesian classifier
Англійська
metric classifier
Англійська
Kulbak-Leibler divergence
Російська
компьютерное зрение
Російська
структурное распознавание
Російська
дескрипторы особых точек изображения
Російська
кластерное представление описания
Російська
статистическая мера релевантности
Російська
байесовский классификатор
Російська
метрический классификатор
Російська
расхождение Кульбака-Лейблера
Українська
комп'ютерний зір
Українська
структурне розпізнавання
Українська
дескриптори особливих точок зображення
Українська
кластерне подання опису
Українська
статистична міра релевантності
Українська
баєсовський класифікатор
Українська
метричний класифікатор
Українська
розходження Кульбака-Лейблера
Видавництво
Українська
Національний університет «Полтавська політехніка імені Юрія Кондратюка»
Тип
info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Українська
Рецензована Стаття
Формат
application/pdf
Ідентифікатор
https://journals.nupp.edu.ua/sunz/article/view/1200
10.26906/SUNZ.2018.4.062
Джерело
Англійська
Control, Navigation and Communication Systems. Academic Journal; Vol. 4 No. 50 (2018): Control, Navigation and Communication Systems; 62-68
Російська
Системы управления, навигации и связи. Сборник научных трудов; Том 4 № 50 (2018): Системи управління, навігації та зв’язку; 62-68
Українська
Системи управління, навігації та зв’язку. Збірник наукових праць; Том 4 № 50 (2018): Системи управління, навігації та зв’язку; 62-68
2073-7394
10.26906/SUNZ.2018.4
Мова
uk
Відношення
https://journals.nupp.edu.ua/sunz/article/view/1200/1008
Права
Українська
Авторське право (c) 2018 S. Gadetska, V. Gorokhovatskyi
Набори елементів 1
Збірник наукових праць. Системи управління, навігації та зв’язку
20733 346 items
Інформація про метадані
Створено
2026-4-30 16:42
Остання зміна
2026-4-30 16:42
ID елемента
#20783