Орон зайн газрын загварууд. Загварын төрлүүдийн ангилал. динамик загварууд. Динамик загвар бүтээх жишээ Орон зайн болон динамик загварууд

19.11.2021 Хандалт

Саяхныг хүртэл өвчний тархалтад чухал нөлөө үзүүлдэг газарзүйн хүчин зүйлсийг харьцангуй бага судалсан. Халдварын эх үүсвэрийн хөдөлгөөн санамсаргүй, олон талаараа халдварын хөдөлгөөнтэй төстэй гэж үзэх нь хамгийн анхны таамаглал гэж үзэх нь нэлээд зөвшөөрөгдөхүйц боловч жижиг хот, тосгонд хүн амын нэг төрлийн холилдсон гэсэн таамаглалын үнэн зөв эсэх нь удаан хугацааны туршид эргэлзээтэй байсаар ирсэн. коллоид уусмал дахь тоосонцор. Гэсэн хэдий ч халдварын аль ч эх үүсвэрээс нэлээд хол зайд байгаа газарт олон тооны мэдрэмтгий хүмүүс байх нь ямар нөлөө үзүүлэх талаар тодорхой ойлголттой байх шаардлагатай.

Д.Кендаллаас үүдэлтэй детерминист загвар нь нэгж талбайд 0 орчим бодгаль ногдож буй популяцийн хязгааргүй хоёр хэмжээст үргэлжлэл оршино гэж үздэг. P цэгийн эргэн тойрон дахь талбайг авч үзээд мэдрэмтгий, халдвар авсан болон хамт олноос хасагдсан хүмүүсийн тоо тэнцүү байна гэж үзье. x, y, z утгууд нь цаг хугацаа, байршлын функц байж болох боловч тэдгээрийн нийлбэр нь нэгтэй тэнцүү байх ёстой. Хөдөлгөөний үндсэн тэгшитгэлүүд (9.18) системтэй төстэй хэлбэртэй байна

орон зайн жинлэсэн дундаж хаана байна

Тогтмол байг, Q цэгийг тойрсон талбайн элемент, сөрөг бус жингийн хүчин зүйл байна.

Өвчний анхны концентраци нь анхдагч голомтыг тойрсон зарим жижиг талбайд жигд тархсан гэж үзье. Мөн o хүчин зүйлийг Rohu-ийн бүтээгдэхүүнд шууд нэвтрүүлсэн тул халдварын түвшин хүн амын нягтралаас хамааралгүй хэвээр байдгийг анхаарна уу. Хэрэв y нь хавтгай дээр тогтмол хэвээр байвал интеграл (9.53) нийлэх нь гарцаагүй. Энэ тохиолдолд үүнийг шаардах нь тохиромжтой байх болно

Тайлбарласан загвар нь математикийн судалгааг нэлээд урагшлуулах боломжийг олгодог. Хүн амын нягтрал нь босго хэмжээнээс хэтэрсэн тохиолдолд тахал бүх хавтгайг хамарна гэдгийг (нэг эсвэл хоёр анхааруулгатай) харуулж болно. Хэрэв тахал гарсан бол түүний эрчмийг тэгшитгэлийн нэг эерэг язгуураар тодорхойлно

Энэ хэллэгийн утга нь халдварын анхны голомтоос хэчнээн хол байгаагаас үл хамааран аль ч газарт өвчилсөн хүмүүсийн хувь хэмжээ үүнээс багагүй байх болно гэсэн үг юм. Мэдээжийн хэрэг, Кендаллын тахлын босго теорем нь орон зайн хүчин зүйлийг харгалзаагүй Кермак, МакКендрикийн босго теоремтой төстэй юм.

Дараах тодорхой тохиолдолд загвар бүтээх боломжтой. Х, у-г тус тус мэдрэмтгий болон халдвар авсан хүмүүсийн орон зайн нягтрал гэж үзье. Хэрэв халдвар нь орон нутгийн ба изотроп шинж чанартай гэж үзвэл системийн (9.18) эхний хоёр тэгшитгэлд харгалзах тэгшитгэлийг дараах байдлаар бичиж болохыг харуулахад хялбар болно.

хаана нь орон зайн координат биш байна] ба

Ойролцоогоор тогтмол утга гэж үзэж болох эхний хугацааны хувьд системийн хоёр дахь тэгшитгэл (9.56) хэлбэрийг авна.

Энэ бол стандарт диффузийн тэгшитгэл бөгөөд түүний шийдэл нь юм

Энд тогтмол С нь анхны нөхцлөөс хамаарна.

R радиусын тойргоос гадуур халдвар авсан хүмүүсийн нийт тоо

Үүний үр дүнд,

мөн хэрэв бол . Сонгосон утгад харгалзах радиус нь -ийн хурдаар өсдөг. Энэ утгыг тахлын тархалтын хурд гэж үзэж болох бөгөөд их хэмжээний t-ийн хязгаарлах утга нь -тэй тэнцүү байна. Глазгоу хотод бараг хагас жил болсон улаанбурхан өвчний тархалтын нэг тохиолдлоор долоо хоногт 135 м орчим тархсан байна.

(9.56) тэгшитгэлийг амархан өөрчилж, өртөмтгий болон халдвар авсан хүмүүсийн шилжилт хөдөлгөөн, түүнчлэн шинэ мэдрэмтгий хүмүүс гарч ирэхийг харгалзан үзэж болно. Сект дээр хэлэлцсэн давтагдах тахал өвчний нэгэн адил. 9.4. Энд тэнцвэрийн шийдэл байж болох ч жижиг хэлбэлзэл нь орон зайн бус загвартай адил хурдан эсвэл бүр хурдан мууддаг. Тиймээс энэ тохиолдолд детерминист арга нь тодорхой хязгаарлалттай байх нь тодорхой байна. Зарчмын хувьд, мэдээжийн хэрэг, стохастик загваруудыг илүүд үзэх хэрэгтэй, гэхдээ ихэвчлэн тэдгээрийн дүн шинжилгээ нь хамгийн багадаа математикийн аргаар хийгдсэн бол асар их бэрхшээлтэй холбоотой байдаг.

Эдгээр үйл явцыг загварчлахын тулд хэд хэдэн ажил хийгдсэн. Тиймээс Бартлетт дараалсан хэд хэдэн зохиомол тахал өвчнийг судлахын тулд компьютер ашигласан. Эсийн сүлжээг нэвтрүүлэхдээ орон зайн хүчин зүйлийг харгалзан үзсэн. Эс тус бүрийн дотор орон зайн бус ердийн загваруудыг тасралтгүй эсвэл салангид хугацаанд ашигласан бөгөөд халдвар авсан хүмүүсийг нийтлэг хил хязгаартай эсүүдийн хооронд санамсаргүй шилжүүлэхийг зөвшөөрсөн. Хүн амын эгзэгтэй эзлэхүүний талаар мэдээлэл авсан бөгөөд үүнээс доош тахал өвчний явц буурч байна. Загварын үндсэн параметрүүдийг эпидемиологийн болон хүн ам зүйн бодит мэдээллээс гаргаж авсан.

Саяхан энэ номын зохиогч ижил төстэй хэд хэдэн судалгаа хийж, сек-д авч үзсэн энгийн болон ерөнхий тохиолдлуудад стохастик загваруудын орон зайн ерөнхий ойлголтыг бий болгох оролдлого хийсэн. 9.2 ба 9.3. Бид зангилаа бүрийг нэг хүлээн авагч эзэлдэг дөрвөлжин тортой гэж бодъё. Халдварын эх үүсвэрийг талбайн төвд байрлуулж, зөвхөн халдварын аль ч эх үүсвэртэй шууд зэргэлдээх хүмүүс халдвар авах эрсдэлтэй байдаг салангид хугацаанд гинжин-биномиаль төрлийн ийм процессыг авч үздэг. Эдгээр нь зөвхөн хамгийн ойрын дөрвөн хөрш байж болно (Схем 1), эсвэл диагональ байрлалтай хувь хүмүүс (Схем 2); Хоёрдахь тохиолдолд талбайн хажуу тал дээр нийт найман хүн хэвтэх бөгөөд тэдгээрийн төв хэсэгт халдварын голомт байрладаг.

Схемийг сонгох нь дур зоргоороо байх нь ойлгомжтой, гэхдээ бидний ажилд сүүлийн зохицуулалтыг ашигласан болно.

Эхлээд эдгэрэх тохиолдолгүй энгийн тахал өвчнийг авч үзсэн. Тохиромжтой болгохын тулд хязгаарлагдмал хэмжээтэй сүлжээг ашиглаж, хүн бүрийн нөхцөл байдлын талаархи мэдээллийг (өөрөөр хэлбэл халдварт өртөмтгий эсвэл халдварын эх үүсвэр эсэх) компьютер дээр хадгалсан. Загварын үйл явц нь бүх хүмүүсийн төлөв байдлын өөрчлөлтийн бүртгэлийг хөтөлж, төвд халдварын анхны эх үүсвэр бүхий бүх квадрат дахь шинэ тохиолдлын нийт тоог тоолсон. Машины санах ойд нийлбэрийн одоогийн утгууд болон тохиолдлын тооны квадратуудын нийлбэрийг бүртгэсэн. Энэ нь дундаж утгууд болон стандарт алдааг тооцоолоход хялбар болгосон. Энэхүү судалгааны дэлгэрэнгүй мэдээллийг тусдаа нийтлэлд нийтлэх болно, гэхдээ энд бид энэ ажлын зөвхөн нэг эсвэл хоёр онцлог шинжийг тэмдэглэх болно. Жишээлбэл, хангалттай хүрэлцэх магадлал маш өндөр байгаа тохиолдолд тахлын бараг тодорхойлогдсон тархалт явагдах нь тодорхой бөгөөд энэ нь халдварын хөгжлийн шинэ үе шат бүрт халдварын эх үүсвэр бүхий шинэ квадрат нэмэгдэх болно.

Бага магадлалтай үед тахлын жинхэнэ стохастик тархалт бий болно. Халдварын эх үүсвэр бүр нь нийт хүн амд биш, харин хамгийн ойрын найман хөршдөө л халдварлах боломжтой тул нийт хүн ам нэг төрлийн холилдсон шиг бүхэл бүтэн сүлжээний тархалтын муруй огцом нэмэгдэхгүй гэж найдаж байна. Энэ таамаг үнэхээр биелж, шинэ тохиолдлын тоо нь захын эффектүүд гарч эхлэх хүртэл цаг хугацаа өнгөрөх тусам шугаман байдлаар нэмэгддэг (учир нь тор нь хязгаарлагдмал хэмжээтэй байдаг).

Хүснэгт 9. 21х21 хэмжээтэй тор дээр баригдсан энгийн эпидемийн орон зайн стохастик загвар

Хүснэгтэнд. 9-д халдварын нэг эх үүсвэртэй, хүрэлцэхүйц хүрэлцэх магадлал 0.6-тай тэнцэх торны хувьд олж авсан үр дүнг харуулав. Эпидемийн эхний болон арав дахь үе шатуудын хооронд шинэ тохиолдлын дундаж тоо ойролцоогоор 7.5-аар нэмэгдэж байгааг харж болно. Үүний дараа захын нөлөө давамгайлж эхэлдэг бөгөөд эпидемийн муруй огцом буурдаг.

Мөн тухайн сүлжээний цэгийн шинэ тохиолдлын дундаж тоог тодорхойлж, тухайн цэгийн тархалтын муруйг олох боломжтой. Халдварын голомт байрладаг талбайн хил дээр байрлах бүх цэгүүдийг дундажлах нь тохиромжтой боловч энэ тохиолдолд тэгш хэм нь бүрэн гүйцэд биш юм. Янз бүрийн хэмжээтэй квадратуудын үр дүнг харьцуулах нь халдварын анхны эх үүсвэрээс холдож буй тархалтын долгионы дүр төрхийг өгдөг.

Энд бид шугаман прогрессоор горимууд нь нэмэгдэж, дисперс нь тасралтгүй өсдөг тархалтын дараалал байна.

Халдвар авсан хүмүүсийг устгах замаар халдварын ерөнхий хэлбэрийн талаар илүү нарийвчилсан судалгаа хийсэн. Мэдээжийн хэрэг, эдгээр нь бүгд маш хялбаршуулсан загварууд юм. Гэсэн хэдий ч тэдгээрийг мэдэгдэхүйц сайжруулах боломжтой гэдгийг ойлгох нь чухал юм. Хүн амын шилжилт хөдөлгөөнийг тооцохын тулд мэдрэмтгий хүмүүс ойрын хөрш биш халдварын эх үүсвэрээс халдвар авдаг гэж үзэх ёстой. Та зайнаас хамааран ямар нэгэн жингийн хүчин зүйлийг ашиглах шаардлагатай байж магадгүй юм. Энэ тохиолдолд компьютерийн программд оруулах шаардлагатай өөрчлөлтүүд харьцангуй бага байна. Дараагийн шатанд хамгийн олон янзын бүтэцтэй бодит эсвэл ердийн популяцийг ийм байдлаар дүрслэх боломжтой. Энэ нь бодит хүн амын эпидемиологийн байдлыг янз бүрийн төрлийн тахал өвчний эрсдэлийн үүднээс үнэлэх боломжийг нээх болно.

БАЙГАЛИЙН БА ИНЖЕНЕРИЙН ШИНЖЛЭХ УХААН

UDC 519.673: 004.9

АЛБАН ТОГТОЛЦООНЫ АНГИЛАЛЫН ОРОН САЙН ДИНАМИК ОБЪЕКТИЙН ОЙЛГОЛТЫН ЗАГВАРЫН ТАЙЛБАР*

БАС БИ. Фридман

Мэдээлэл зүй, математик загварчлалын хүрээлэн KSC RAS

тайлбар

Сул албан ёсны сэдэвт нарийн төвөгтэй динамик объектуудыг (DLS) загварчлах асуудлыг авч үздэг. Өмнө нь санал болгож буй ийм объектуудын нөхцөл байдлын концепцийн загварын хувьд семиотик албан ёсны системийн ангид тайлбарыг боловсруулсан бөгөөд энэ нь LMS-ийг судлах янз бүрийн хэрэгслийг нэгтгэх, хамтарсан логик-аналитик өгөгдөл боловсруулах, объектын төлөв байдалд нөхцөл байдлын дүн шинжилгээ хийх боломжийг олгодог. мэргэжилтний мэдлэгийг ашиглан судалгаа хийж, зураг зүйн мэдээллийг ашиглан гүйцэтгэсэн LMS-ийн шинж чанарт орон зай-цаг хугацааны хамаарлыг харгалзан үзэх.

Түлхүүр үг:

үзэл баримтлалын загвар, орон зайн динамик объект, семиотик албан ёсны систем.

Оршил

Энэ нийтлэлд бид сул албан ёсны сэдэвт LMS-ийг загварчлах асуудлыг авч үзэх болно. Бүтцийн нарийн төвөгтэй байдлаас гадна LMS-ийн онцлог нь тэдгээрийн үйл ажиллагааны үр дүн нь бүрэлдэхүүн хэсгүүдийн орон зайн шинж чанар, цаг хугацаанаас ихээхэн хамаардаг явдал юм.

LMS-ийг загварчлахдаа янз бүрийн мэдээлэл, санхүүгийн, материаллаг, эрчим хүчний урсгалыг харгалзан үзэх, объектын бүтцийг өөрчлөх үр дагавар, болзошгүй ноцтой нөхцөл байдал гэх мэт дүн шинжилгээ хийх шаардлагатай. Ийм объектын талаархи мэдлэгийн үндсэн бүрэн бус байдал нь сонгодог аналитик загварыг ашиглах боломжийг хязгаарлаж, шинжээчдийн туршлагыг ашиглах чиг баримжааг тодорхойлдог бөгөөд энэ нь эргээд шинжээчийн мэдлэгийг албан ёсны болгох, загварчлалын системд нэгтгэх зохих хэрэгслийг бий болгохтой холбоотой юм. . Тиймээс орчин үеийн загварчлалд сэдвийн хүрээний үзэл баримтлалын загвар (KMPO) гэх мэт ойлголтын үүрэг ихээхэн нэмэгдсэн. CMPO-ийн үндэс нь аналитик загварууд шиг өгөгдөл дамжуулах, хувиргах алгоритмын загвар биш, харин объектын бүтэц, түүний бүрэлдэхүүн хэсгүүдийн харилцан үйлчлэлийн тунхаглалын тодорхойлолт юм. Тиймээс KMPO нь эхлээд шинжээчдийн мэдлэгийг албан ёсны болгоход чиглэгддэг. CMPO нь судалж буй субьектийн элементүүдийг тодорхойлж, тодорхой судалгаанд зайлшгүй шаардлагатай бүтэц, шалтгаан-үр дагаврын холбоог тодорхойлдог тэдгээрийн хоорондын харилцааг тодорхойлдог.

Модтой төстэй нөхцөл байдлын үзэл баримтлалын загвар (SCM) дээр үндэслэн энэ нийтлэлд танилцуулсан нөхцөл байдлын загварчлалын систем (SSM) нь сонголтуудын нэг юм.

* Энэхүү ажлыг RFBR-ийн буцалтгүй тусламжаар хэсэгчлэн дэмжсэн (төсөл №13-07-00318-a, No14-07-00256-a,

No 14-07-00257-a, No 14-07-00205-a, No 15-07-04760-a, No 15-07-02757-a).

CASE (Computer Aided Software Engineering), RAD (Rapid Application Development) зэрэг технологийн хэрэгжилт.

Семиотик албан ёсны системүүд

Мэдлэгийг илэрхийлэх, боловсруулах загвар болох логик тооцооллын гол давуу тал нь теоремыг нотлох нэгэн жигд албан ёсны журамтай байх явдал юм. Гэсэн хэдий ч энэ нь энэ аргын гол сул тал болох тодорхой асуудлын орчны онцлогийг тусгасан нотолгоонд эвристикийг ашиглахад бэрхшээлтэй байдаг. Энэ нь тооцоолох чадвар нь тухайн сэдвийн онцлогийг тодорхойлсон мэдлэгээр тодорхойлогддог шинжээчдийн системийг бий болгоход онцгой ач холбогдолтой юм. Албан ёсны тогтолцооны бусад сул талууд нь тэдний нэг хэвийн байдал (нэмэлт баримт үнэн бол дүгнэлтээ орхих боломжгүй, энэ утгаараа эрүүл ухаанд суурилсан үндэслэлээс ялгаатай), ашигласан элементүүдийг зохион байгуулах арга хэрэгсэл дутмаг, зөрчилдөөнийг хүлээн зөвшөөрөх боломжгүй байдаг. .

Хиймэл оюун ухаанд ашиглах үед албан ёсны тогтолцооны дутагдлыг арилгах хүсэл эрмэлзэл нь дараах 8-р албан ёсны семиотик системүүд бий болоход хүргэсэн.

S::= (B, F, A, R, Q(B), Q(F), Q(A), Q(R)). (нэг)

(1)-д эхний дөрвөн бүрэлдэхүүн хэсэг нь албан ёсны тогтолцооны тодорхойлолттой адил бөгөөд үлдсэн бүрэлдэхүүн хэсэг нь бүтэц, үйл ажиллагааны талаархи мэдлэгийн санд хуримтлагдсан туршлагын нөлөөн дор эхний дөрвөн бүрэлдэхүүн хэсгийг өөрчлөх дүрэм юм. тухайн асуудалтай орчинд байгаа аж ахуйн нэгж. Ийм системийн онол хөгжлийн эхний шатанд байгаа боловч энэ парадигмын хүрээнд тодорхой асуудлыг шийдвэрлэх олон жишээ бий. Ийм нэг жишээг доор тайлбарлав.

Нөхцөл байдлын загварчлалын үндэс

Даалгавар тавих, загварчлах үйл явцыг бэлтгэх үед KMPO нь судалж буй сэдвийн бүтцийн талаархи мэдлэгийг илэрхийлэх зорилготой юм. CMPO элементүүдийн хувьд бодит ертөнцийн бодит объект болон түүний загвар дүрслэлийн хооронд захидал харилцаа байдаг. Загварчлалын дараагийн үе шатуудыг автоматжуулах боломжийг хангахын тулд домэйн загварыг түүнд тохирсон албан ёсны системд дүрсэлсэн болно. Энэхүү шилжилтийг CMPO-г бий болгох явцад түүний элемент тус бүрт албан ёсны тайлбар өгөх замаар хэрэгжүүлдэг. Үүний үр дүнд KMPO-ийн барилгын ажил дуусч байгаа нь судалж буй сэдвийн талаархи албан бус мэдлэгээс албан ёсны төлөөлөл рүү шилжихтэй нийцэх бөгөөд энэ нь зөвхөн хоёрдмол утгагүй процедурын тайлбарыг зөвшөөрдөг. Үүний үр дүнд бий болсон албан ёсны загвар нь компьютерт хэрэгжсэн тодорхой аргаас үл хамааран объект, үйл явцын бүтэц, бүтэц, харилцаа холбоог тодорхойлдог тул тунхаглалын шинж чанартай байдаг.

SCM-ийг тайлбарлах тунхаглалын хэл нь дүрсэлсэн ертөнцийн объектуудтай харгалзах хэсэг, загварт дүрслэгдсэн объектуудын харилцаа холбоо, шинж чанаруудтай харгалзах хэсэг гэсэн хоёр хэсгээс бүрдэнэ. Аксиоматик олонлогын онолыг тунхаглалын хэлний математик үндэс болгон ашигладаг.

SCM нь бодит ертөнцийн гурван төрлийн элемент (байгууллага) - объект, процесс, өгөгдөл (эсвэл нөөц) -ийг тодорхойлдог. Объектууд нь судалгааны объектын зохион байгуулалт, орон зайн бүтцийг тусгадаг бөгөөд тэдгээр нь тус бүр нь олон үйл явцтай холбоотой байж болно. Процесс гэдэг нь авч үзэж буй процесстой холбоотой оролт гэж нэрлэгддэг өгөгдлийн дэд багцыг тэдгээрийн өөр нэг хэсэг болгон хувиргах зарим үйлдэл (процедур) гэж ойлгогддог.

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

БАС БИ. Фридман

амралт гэж нэрлэдэг. Өгөгдөл нь системийн төлөв байдлыг тодорхойлдог. Тэдгээрийг үйл явцыг хэрэгжүүлэхэд ашигладаг бөгөөд тэдгээрийн хэрэгжилтийн үр дүн болдог. Аливаа процессын гүйцэтгэл нь өгөгдлийг өөрчилдөг бөгөөд системийн нэг төлөвөөс нөгөөд шилжих шилжилттэй тохирдог. Бодит ертөнцийн объектуудын харилцаа, харилцан үйлчлэлийг объект, процесс, өгөгдлийн багц дээр тодорхойлсон харилцааг ашиглан загварт дүрсэлсэн болно. Харилцаа бүр нь загвар элементийг бусад элементүүдийн багцтай холбодог.

SCM-ийн элементүүдийн нэрийг сэдвийн хүрээнд өгсөн болно. Загварын элемент бүрт гүйцэтгэгчийг томилдог бөгөөд энэ нь симуляцийн явцад түүний хэрэгжилтийг баталгаажуулдаг. Гүйцэтгэгчийн төрөл нь хэрэгжүүлэх үйл явцын гүйцэтгэгчийг бичсэн програмчлалын хэл, алгоритмын хэл дээрх гүйцэтгэгчийн төрөл зэрэг хэрэгжилтийн шинж чанарыг тодорхойлдог.

Шатлалын харилцааны төрлийг тодорхойлсон шинж чанарууд нь шатлалын дараагийн доод түвшний загвар объектуудын дүрслэлийг тодорхойлдог. "Бүтээлийн" (&) харилцааны төрөл нь тухайн объектыг дэд объектуудыг нэгтгэх замаар бүтээдэг болохыг тодорхойлдог. "Ангиллын" төрөл (v) нь дээд түвшний объект нь доод түвшний объектуудын бүлгийн ерөнхий ойлголт гэдгийг харуулж байна. SCM дахь "ангиллын" төрлийн хамаарлыг дээд түвшний элементийн янз бүрийн хувилбаруудыг илэрхийлэхэд ашигладаг. "Давталт" төрөл (*) нь SCM дахь давтагдах процессуудыг тодорхойлж, ердийн өгөгдлийн бүтцийг дүрслэх боломжийг олгодог.

Шатлалын харилцааны төрлөөс хамааран объектод хяналтын өгөгдлийг хуваарилдаг. Хяналтын өгөгдөл нь "ангилал" эсвэл "давталт" шатлалын харилцааны төрөлтэй процессуудын бүтцийг, мөн "давталт" шаталсан харилцааны төрөлтэй өгөгдлийг дахин тодорхойлоход ашиглагддаг.

SCM-ийн албан ёсны төлөөлөл нь SCM-ийн бүтцийн зөв байдал, шийдвэрлэх боломжтой байдлын шинжилгээг ихээхэн автоматжуулах боломжийг олгодог.

SCM-ийн үр дүнтэй байдлын чухал тал бол симуляцийн үр дүнг танилцуулахад тохиромжтой байдал юм. Одоогийн байдлаар газарзүйн мэдээллийн систем (GIS) нь LMS ангиллын объектуудын компьютержсэн судалгааны хамгийн ирээдүйтэй орчин гэж тооцогддог. Нарийвчилсан дүрслэл, график өгөгдөл боловсруулахаас гадна GIS хэрэгслүүд нь зарчмын хувьд хэрэглэгчдэд ээлтэй график орчинд орон зайн зохицуулалттай тооцоолол хийх даалгавруудыг тохируулах боломжийг олгодог боловч энэ нь нэмэлт програм хангамж хөгжүүлэх шаардлагатай байдаг. Нэмж дурдахад GIS багцууд нь объектын динамикийг шинжлэх, математикийн ноцтой өгөгдөл боловсруулахад зориулагдаагүй болно.

Асуудлын хүрээнд ГМС-ийн өөр нэг давуу тал нь график элемент бүрийг график шинж чанаруудаас ялгаатай нь гадны тооцооллын модулиудаар өөрчлөх боломжтой нэмэлт мэдээллийн сангийн талбаруудтай холбож өгөх явдал юм. Ялангуяа эдгээр талбарууд нь тухайн элементтэй холбоотой концепцийн загварын шинж чанарууд болон загварчлалыг зохион байгуулах, явуулахад шаардлагатай бусад параметрүүдийг хадгалах боломжтой.

Тиймээс симуляцийн үеийн тооцооллын мөчлөг бүр нь тооцооллын нөхцөл, тооцоолол, үр дүнгийн гаралт гэсэн гурван үе шатыг агуулдаг. SCM хөгжүүлэлтийн албан бус зорилго нь эдгээр бүх үе шатыг автоматжуулахын зэрэгцээ програмчлагч бус хэрэглэгчдэд дээд зэргийн үйлчилгээ үзүүлэх, өөрөөр хэлбэл домайн нэр томъёо, компьютертэй ээлтэй хэрэглэгчийн интерфэйсийг ашиглах явдал юм. Үүнтэй ижил шалтгаанаар SMS нь функциональ байдлаар бүрэн дүүрэн байх ёстой, өөрөөр хэлбэл бусад програм хангамжийн орчинд тодорхой нэвтрэхгүйгээр хэрэглэгчийг шаардлагатай бүх хэрэгслээр хангах ёстой. Графикийн тусгай сангууд болон тайлагнах хэрэгслүүдийг бий болгох нь үндэслэлгүй програмчлалын зардлыг шаардаж, боловсруулах хугацааг ихээхэн уртасгах болно. Тиймээс буулт хийх нь зүйтэй юм шиг санагдаж байна: өгөгдөл гаралтын даалгаврыг стандарт багцууд эсвэл тусгай програмын модулиудад хуваарилах, гэхдээ тэдний орчинд байгаа хэрэглэгчтэй харилцахгүйгээр тэдний ажлыг хамгийн дээд хэмжээнд автоматжуулах.

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

Үзэл баримтлалын загвар тайлбар...

SCM-ийн албан ёсны тайлбар

SCM нь загварчлалын объектыг зохион байгуулалтын харилцаанд нь тохируулан LMS-ийн бүтцийн элементүүдийн шаталсан задралыг харуулсан мод шиг БА-ЭСВЭЛ график хэлбэрээр дүрслэхэд суурилдаг.

Жижиг өгөгдлийн өөрчлөлттэй холбоотой тооцооллын асуудлаас зайлсхийх, тооцоолол-логик өгөгдөл боловсруулахад дэмжлэг үзүүлэхийн тулд SCM-д боловсруулах процедурын гаралтын өгөгдөл (GIS-ээр тооцоолсон өгөгдлийг эс тооцвол) нь зөвхөн дискрет хязгаарлагдмал багц бүхий өгөгдөл байж болно. утгууд (жагсаалт гэх мэт). Хэрэв зарим өгөгдлийн утгууд нь мөрийн тогтмол байвал ийм өгөгдлийг параметр (PAR ангилал), тоон утгатай бол хувьсагч (VAR ангилал) гэж нэрлэдэг бөгөөд үүн дээр тодорхой математик үйлдлүүдийг хийж болно. Хэрэв тооцооллын үр дүн нь хувьсагчийн утга бол түүнийг хүчинтэй утгуудын жагсаалтын хамгийн ойрын утга хүртэл дугуйруулна. Дараах зүйлд хэрэв хэлсэн зүйл нь SCM-д зөвшөөрөгдсөн аливаа төрлийн өгөгдөлд хамаарах бол "өгөгдсөн" гэсэн нэр томъёог ашиглана. Тиймээс өгөгдлийн нэрсийн багц нь хувьсагч болон параметрийн нэрсийн багцад хуваагдана.

Д::=< Var, Par >, Var::= (var ), i = 1, N ;

7 7 - l 7 v 7 (2)

Par::=(parj), j = 1, Np, энд Nv ба Np нь эдгээр олонлогуудын үндсэн байдал юм.

Объект эсвэл процессын өгөгдлийн загварын нөөц (тоон шинж чанар), хувьсагчдыг мөн SCM-ийн элементүүдийн (ADJ ангилал) үйл ажиллагааны чанарын функцүүдийн (шалгуур) тааруулах параметр болгон ашиглаж болно. Үүний дагуу хувьсагчийн нэрсийн багц нь SCM элементүүдийн нөөцийн нэрсийн дэд бүлэг болон эдгээр элементүүдийн чанарын шалгуур үзүүлэлтүүдийн тааруулах параметрүүдийн нэрсийн дэд бүлэгт хуваагдана.

Var::=< Res, Adj > (3)

Тусдаа ангилал (GIS ангилал) нь GIS-д шууд тооцоолсон SCM объектуудын график шинж чанараас бүрдэнэ. Эдгээр нь бүгд хувьсах хэмжигдэхүүн боловч зөвхөн загварын элементүүдийн оролтын эх үүсвэр болгон ашигладаг бөгөөд симуляцийн явцад өөрчлөгддөггүй тул жагсаалт гэж тооцогддоггүй.

SKM объектууд нь гурван үндсэн шинж чанартай байдаг: нэр, объектын бүтэц, функцийг тодорхойлдог функциональ төрөл, SKM-ийн зөв байдлыг шинжлэх явцад ашигладаг, мөн SKM-д энэ объектыг давамгайлж буй супер объектын нэр ( дээд түвшний объектын хувьд байхгүй). Объектын мод болон газрын зураг дээрх байршлын дагуу SCM объектын гурван ангиллыг ялгаж үздэг: анхдагч (LEAF ангилал), дэлхийн загварчлалын зорилгын үүднээс бүтцийн хувьд хуваагддаггүй, энгийн объектууд (GISC ангилал), газарзүйн хувьд холбоотой. ГМС-ийн нэг элемент (олон өнцөгт, нум эсвэл тэдгээрийн цэг эсвэл бүрээс), энгийн ба/эсвэл нийлмэл объектуудаас бүрдэх нийлмэл объектууд (COMP ангилал). SCM дахь GISC ангиллын объектуудын бүтэц нь нэлээд төвөгтэй байж болох ч тэдгээрийн бүх дэд объектууд нь ижил газарзүйн лавлагаатай байдаг. Объектуудын багц нь шатлал үүсгэдэг:

O \u003d (a 0Ya):: \u003d 2 °a, (4)

a = 1, Nl нь энэ объект хамаарах объектын модны түвшний тоо (L нь задралын түвшний нийт тоо);

wb = 1, Nb - түүний задралын түвшинд объектын серийн дугаар;

r = 1, N6_ нь өгөгдсөн элементийг давамгайлах түвшинд давамгайлж буй супер объектын дарааллын дугаар;

Ob нь a тоотой түвшинд хамаарах объектуудын багц юм.

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

БАС БИ. Фридман

SCM-ийн холболтыг хангахын тулд задралын эхний түвшний бүх объектыг давамгайлж буй нэг супер объект байгаа гэж үздэг, өөрөөр хэлбэл энэ хамаарал нь үнэн юм.

O. -i0.”) 0, = (5)

SCM дахь процессууд нь өгөгдлийн хувиргалтыг харуулдаг бөгөөд процесст хуваарилагдсан дараах гурван ангиллын аль нэгээс хамааран өөр өөр аргаар хэрэгждэг: дотоод процессууд (INNER ангилал), тэдгээрийн бүх оролт, гаралтын өгөгдөл нь нэг объектыг харуулдаг; бие биенээсээ хамааралгүй SCM объектуудыг холбох түвшний дотоод процессууд (INTRA ангилал); Объект ба дэд объектуудын хооронд эсвэл объект ба супер объектын хооронд өгөгдөл дамжуулахыг тодорхойлдог түвшний хоорондын процессууд (INTER ангилал). Процессуудын ангилал нь SCM-ийг бий болгох үйл явцыг тодорхой хэмжээгээр хүндрүүлдэг (зарим тохиолдолд ийм төрлийн шинж чанарыг өгдөг зохиомол процессуудыг бий болгох шаардлагатай байж магадгүй), гэхдээ энэ нь SCM-ийн албан ёсны хяналтын журмыг илүү бүрэн гүйцэд, нарийвчилсан болгох боломжийг олгодог.

Процессуудын үндсэн шинж чанарууд: өвөрмөц нэр, үйл явцын гүйцэтгэгчийн шинж чанар, үйл явцын функциональ төрөл, түүний хийсэн өөрчлөлтийн төрлийг тодорхойлдог бөгөөд SCM-ийн зөв байдалд дүн шинжилгээ хийх явцад ашигладаг; Нэмж дурдахад оролт, гаралтын өгөгдлийн жагсаалт, тэдгээрийн зөвшөөрөгдөх хил хязгаарыг ашигладаг. Процессын гүйцэтгэгч нь түүний динамик шинж чанар, компьютерт хэрхэн хэрэгжиж байгааг тодорхойлдог. Гүйцэтгэгчийг шууд (ялгааны тэгшитгэл хэлбэрээр) эсвэл шууд бусаар - энэ процессыг хэрэгжүүлдэг програм хангамжийн модулийн нэрээр зааж өгч болно.

Үзэл баримтлалын загварын бүдүүвчийг дараах холбоосоор үүсгэнэ.

^SCM::=<о,P,DCM,H,OP,PO,U >, (6)

Энд O нь CMPO объектуудын багц (9);

P::= (pn I n = 1, Np - CMPO процессуудын багц;

D-тэй DCM - концепцийн загварын өгөгдлийн багц, D нь (4), (5) -д тодорхойлогддог;

H - (4) ба (5) -ыг харгалзан үзэх объектын шатлалын хамаарал:

Энд O6x B, (O6) бүхий Hb нь объектын модны түвшин бүрийн шаталсан харилцаа, b "(o6) нь Oa багцын хуваалт;

O x B (P) бүхий OP - "объект - түүний гаралтын процессыг үүсгэх" хамаарал, B (P) нь P олонлогийн хуваалт юм;

P x B(O) бүхий PO - "процесс - түүний оролтын өгөгдлийн объектуудыг үүсгэх" харилцаа;

U::= Дээш ба U0 - SCM дээр суурилсан тооцооллын процессын хяналтыг албан ёсны болгох харилцаа нь дараахь бүрэлдэхүүн хэсгүүдтэй байна.

U with P x B(Res) - "процесс - хяналтын өгөгдөл" харьцаа;

Uo with O x B(Res) - "объект - хяналтын өгөгдөл" харилцаа.

"Объект (процесс) - хяналтын өгөгдөл" гэсэн хамаарал нь алгоритмын тайлбар руу шилжих үед тухайн загварын зарим объектыг (процесс) энэ объектыг тодорхойлсон өгөгдөлтэй холбодог. Объектуудын хооронд өгөгдөл дамжуулах нь зөвхөн эдгээр объектын оролт, гаралтын өгөгдлийн жагсаалтаар хийгддэг бөгөөд энэ нь орчин үеийн объект хандалтат програмчлалд батлагдсан өгөгдлийн капсулжуулалтын зарчимд нийцдэг. Нэг объектод хуваарилагдсан бүх процессууд нь OA-тай O x B(P) "объект - түүнд хуваарилагдсан процессууд" гэсэн харьцаагаар тодорхойлогддог. Энэ хамаарлыг схемд оруулаагүй болно

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

Үзэл баримтлалын загвар тайлбар...

SCM, учир нь H, OR, RO харилцаанаас ялгаатай нь загварыг бүтээхдээ хэрэглэгч өөрөө тохируулдаггүй, харин автоматаар үүсдэг.

Загварт тодорхойлсон харилцааг B(P), B(O) эсвэл B"(Ob) мужуудаар O ба P олонлогууд дээр хэсэгчлэн тодорхойлсон (7) функцийн хэлбэрээр тохиромжтой байдлаар дүрсэлж болно. Нэрүүд

Функцийг харилцааны нэрийн том үсгээр харгалзах жижиг үсгээр тэмдэглэнэ.

h:°b_1 ^B"(Oa),(Vo;. e06,Vo! e°b_Hoj = hb(o))oojHbog); op. O ^ B(p^ (Vo e O, Vp e p)(( p) ; = опио)) "■ o,Opp]);

Po.p ^ b(0), (vo e O, VP] e p)((o = po(P])) "P]OPot);

oa: O ^ B(P),(VOi e O, Vp) e P)((p) = oa(ot))otOAp));

: p ^ B(Res\(vPi e p, Vres] e Res)((res] = up (pi)) ptUpres]);

: O ⩽ B(Res), (Vo1 e O, VreSj e Res)((resj = uo (o1)) o1Uo resj).

Тодорхойлолтын мужуудын зарим элементийн оруулсан харилцааны утгын мужуудын хэсгийг бүрдүүлдэг функцүүдийн утгын багцыг (7) тод үсгээр тэмдэглэв.

h6 (oi)::= \P] : o] = ha(oi)); oP(oi) ::= \P] : P] = oP(oi));

po(P]) ::= (o: oi = po(p])); oci(pi) ::= ^ . p) = oa(oi)); (найман)

дээш (Pi) ::= \res]: res] = дээш (Pi)); uo (o) ::= \res]: res] = uo (o)).

(8)-ын нэгэн адил танилцуулсан харилцааны хэсгүүд нь эдгээр дэд олонлогуудын элементүүд дээр бүх хэсгүүдийн нэгдэл хэлбэрээр бүтээгдсэн тодорхойлолтын хүрээнүүдийн дэд олонлогууд дээр бичигдсэн байдаг. Жишээлбэл, h (Oi), O6_x бүхий Oi нь a - 1 түвшинд байгаа oj e O t объектуудын өгөгдсөн дэд олонлогоор давамгайлж буй a түвшний объектуудын олонлог юм.

oi h ’(oi)::= U h(oi) объектын захирах олонлогийг мөн доор ашиглана.

SCM элементүүдэд категори хуваарилах боловсруулсан алгоритмууд нь дээр дурдсан харилцааг ашигладаг бөгөөд загварын элементүүдийн ангилалд гарч болзошгүй бүх алдааг тодорхойлдог. SCM элементүүдийн гүйцэтгэгчдийн томилгооны зөв эсэхийг хянах журамд дараахь хязгаарлалтыг ашигладаг (нотлох баримтыг хавсаргасан болно).

Теорем 1. Төгсгөлийн SCM-д объект гүйцэтгэгчдийн төрлүүдийн рекурсив задрал явагдах боломжгүй, өөрөөр хэлбэл зарим объектын захирагдах олонлогт орсон нэг ч объект анхны объекттой ижил төрлийн гүйцэтгэгчтэй байж болохгүй.

Теорем 2. Хязгаарлагдмал SCM-д объектын гүйцэтгэгчдийн захирамжийн урвуу байдал байж болохгүй, өөрөөр хэлбэл e1 төрлийн гүйцэтгэгчтэй зарим объектын захирах багцад орсон нэг ч объект нь ижил төрлийн гүйцэтгэгчтэй байж болохгүй. e1 төрлийн гүйцэтгэгчтэй зарим объектыг агуулсан дэд бүлэгт бусад аливаа объект.

SCM шийдвэрлэх чадварын хяналтын зарчим

ҮЗЗ-д батлагдсан дүрмийн дагуу хийгдсэн зөв загварыг бүтээх нь энэ загварыг шийдвэрлэх боломжтой, өөрөөр хэлбэл түүнд заасан бүх асуудлыг шийдвэрлэх боломжтой гэсэн баталгааг өгөхгүй байна. Шийдвэрлэх чадварыг ерөнхийд нь эх сурвалж гэж тодорхойлсон өөр дэд олонлогоос зорилтот гэж тодорхойлсон загвар объектуудын тодорхой хэсэг рүү хүрэх боломж гэж ойлгодог. Шийдвэрлэх чадварыг хоёр үндсэн зүйлээр авч үзэж болно: загварыг бүхэлд нь шинжлэхэд (тооцоолол эхлэхээс өмнө) энэ нь шатлалын янз бүрийн түвшинд дэлхийн зорилгод хүрэх бүх боломжит хувилбаруудын тайлбарын тууштай, хоёрдмол бус байдлыг илэрхийлдэг. мөн үйл явцад

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

БАС БИ. Фридман

Загварчлалыг хэрэгжүүлэхдээ шийдвэрлэх чадвар нь судалж буй нөхцөл байдлыг тодорхойлсон загварын зөв хэсгийг сонгоход оршино. Дээрх талуудын функциональ ялгаа нь загварыг бүхэлд нь шинжлэхдээ зөвхөн загварт дүрслэгдсэн бүх объектыг загварчлах боломжийг үнэлдэг бөгөөд тодорхой нөхцөл байдалд дүн шинжилгээ хийхдээ энэ нөхцөл байдлыг дүрсэлсэн хамгийн бага фрагментийг сонгох, тоон үзүүлэлтийг сонгох даалгавар юм. түүнд агуулагдах боломжит хувилбаруудыг харьцуулан нэмж оруулсан болно. . Шийдвэрлэх чадварын хоёр дахь талыг судалж үзсэн бөгөөд SCM-ийн бүхэлдээ шийдвэрлэх чадварын шинжилгээний онцлогуудыг энд оруулав, энэ нь түүний зөв эсэхийг шалгаж дууссаны дараа автоматаар хийгддэг бөгөөд хэрэглэгчийн хүсэлтээр үүнийг хийх боломжтой. ямар ч үед гүйцэтгэнэ. Ерөнхий тохиолдолд шийдвэрлэх чадварын шинжилгээний асуудлыг дараах байдлаар томъёолж болно: загвар элементийн хоёр багцыг зааж өгсөн болно - эх үүсвэр ба зорилтот, харин загвар нь зорилтот багцыг авах боломжийг олгодог алхамуудын дараалал байгаа тохиолдолд шийдэгдэх боломжтой. эх үүсвэр. Энгийн долгионы алгоритмууд үүнд тохиромжтой.

Шийдвэрлэх чадварын хоёр талыг шинжлэхдээ концепцийн загварыг албан ёсны систем гэж үздэг. Түүний цагаан толгойд дараахь зүйлс орно.

загварын элементүүдийг илэрхийлэх тэмдэг (pi, on, resj, ...);

загварын элементүүдийн хоорондын харилцаа, холболтыг дүрсэлсэн функциональ тэмдэг (ha, op, ...);

тусгай болон синтакс шинж тэмдэг (=, (,), ^,...).

Албан ёсны систем дэх томъёоны багцыг дараахь байдлаар бүрдүүлдэг: KMPO-ийн элементүүдийг харуулсан бодит тэмдэгтүүд:

(Pi e P) u (Oj eO] u (resk e DCM); (9)

илэрхийлэл (7), (8) болон олонлог (5) дээр нэвтрүүлсэн харилцааг ашиглан тодорхойлсон функц, олонлогийг тооцоолох бусад томъёо;

Үзэл баримтлалын загварын процесс бүрийн тооцооллын илэрхийлэл:

list_in(pi) \ list out(pi), Up(pi) [, sp)] ^ p„ list_out(p,), (10)

Объект бүрийн бүтцийн бие даасан байдлын тухай ҮЗЗ-д баталсан таамаглалаас шалтгаалан pi-ээс өмнөх процессуудын багц s(p) нь зөвхөн ижил объектод хуваарилагдсан процессуудыг багтааж болно.

s (pi) нь oa (oa "1 (p1)); (11)

Үзэл баримтлалын загварын объект бүрийн тооцооллын илэрхийллүүд: list_in(oi), up(Oj), oa(o,), h(o,) ^ oi, list_out(oi); (12)

Бусад объектуудаас материаллаг нөөцийг хүлээн авдаг концепцийн загварын объект бүрийн оролтын өгөгдлийн тооцооллын илэрхийлэл (эсвэл: oo(o) Ф 0):

00(0,) ^ list_in(oi). (13)

Илэрхийлэл (9)-(13) нь зөвхөн материаллаг нөөцийг агуулдаг, өөрөөр хэлбэл, SCM мэдээллийн нөөцтэй холбоотой тааруулах, санал хүсэлтийн үйл явцын гаралтын өгөгдөлд дүн шинжилгээ хийдэггүй. Нэмж дурдахад эдгээр илэрхийллийн байранд тодорхойлсон олонлогуудын тооцооллыг заасан олонлогийн бүх элементүүдийг тооцоолох боломжтой байх нөхцөлд зааж өгсөн болно.

Саналын эхний үндэслэл (10) нэмэлт үндэслэлийг шаарддаг. Мэдэгдэж байгаагаар, тухайн сэдвийн хүрээнд нөөцийн мөчлөг байгаа тохиолдолд концепцийн загварыг бий болгохдоо зарим KMPO процессын оролт, гаралт гэж нэгэн зэрэг зарлах ёстой гэсэн өгөгдөл гарч ирж магадгүй юм. SCM-д баталсан таамаглалын дагуу ийм мөчлөгийг CMPO-ийн объектуудад нэвтрүүлдэг, өөрөөр хэлбэл процессын түвшинд шийдвэрлэх чадварыг шинжлэхдээ тэдгээрийг анхаарч үзэх хэрэгтэй.

Хэрэв SCM-ийн шийдвэрлэх чадварыг шинжлэхдээ бид SCM-д санал болгож буй болон маягтыг авсан тооцооллын илэрхийллийг ашигладаг:

жагсаалтын(p,) ба дээш(p,) [& s(p,)] ^ p, & жагсаалтын_гарах(p,), (14)

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

Үзэл баримтлалын загвар тайлбар...

Дараа нь ижил процессын оролт, гаралтын өгөгдлийн үүрэг гүйцэтгэдэг эх үүсвэрүүдийг загварт оруулах, өөрөөр хэлбэл практикт байнга тулгардаг давтагдах тооцооллын процессуудыг тайлбарлах боломжгүй болно. Үүнээс гарах арга замыг доорх теоремоор өгсөн бөгөөд энэ нь ажил дээр батлагдсан.

Теорем 3. Нэг SCM процессын оролт, гаралт нь аль аль нь болох ба түүнээс өмнөх процессуудын аль нэгнийх нь гаралт биш, процесс үүсгэх харьцаа (13)-аар тодорхойлогдсон процесстой холбогдсон эх үүсвэрийг дараахь томъёоноос хасаж болно. шинжилгээний загварын зөв байдлыг зөрчихгүйгээр тооцоолох боломжтой саналын зүүн тал.

Албан ёсны системийн аксиомуудын багцад дараахь зүйлс орно.

гадаад өгөгдөлтэй холбоотой бүх нөөцийн тооцооллын аксиомууд (DB, GISE эсвэл GEN төрлийн гүйцэтгэгчидтэй байх)

|- resj: (ter(resj) = DB) v (ter(resj) = GISE) v (tS[(resJ) = GEN); (арван тав)

SKM-ийн бүх GIS-элементүүдийн тооцооллын аксиомууд (төрлүүд нь цэг, пол эсвэл нуман тэмдгээр эхэлдэг)

|-0J:<х>цэг) v (to(o/) 10 pol) V (to(oj) 10 arcX (16)

хаана тэмдэг ГМС-ийн стандарт төрлийг объектын функциональ төрөлд оруулахыг уламжлалт байдлаар зааж өгсөн болно.

Албан ёсны систем нь хоёр дүгнэлтийн дүрэмтэй:

шууд залгамжлах дүрэм -

Fi, Fi^F2 |-F2; (17)

тэгш эрхтэйгээр дагаж мөрдөх дүрэм -

Fi, Fi = F2, F2 ^ F3 |- F3, (18)

Энд F нь (9)-(13)-ын зарим томьёо юм.

Тайлбарласан албан ёсны тогтолцооны бүтэц нь -д санал болгож буй системийн бүтэцтэй төстэй юм. Гол ялгаа нь тооцооллын илэрхийллийн хэлбэр (10), (12), (13) ба аксиомуудын бүтэц бөгөөд үүний үндсэн дээр концепцийн загварын шийдлийн шинжилгээг хийдэг.

Хэрэв шатлалын янз бүрийн түвшинд үзэл баримтлалын загвар нь объектын үйл ажиллагааг хангах нөөцийг зөв бүрдүүлэх боломжийг олгодог объект, үйл явцын харилцан тохиролцсон тодорхойлолтыг үнэхээр харуулж байгаа бол SCM-д танилцуулсан сэдвийн талаархи нийт мэдлэгийг зөв гэж хүлээн зөвшөөрч болно. илүү өндөр түвшний. Бүх түвшний техникийн үзүүлэлтүүдийг дагаж мөрдөх нь концепцийн загвар нь систем бүхэлдээ шийдэж буй дэлхийн зорилтод тохирсон үндсэн объектыг бүрэн тодорхойлоход хүргэдэг. Харгалзах албан ёсны системд аксиом болон бусад теоремуудын багцаас тооцооллын теорем бүрийг гарган авсан тохиолдолд концепцийн загварыг шийдэх боломжтой.

Тодорхойлолт 1. Аксиомын багцад ороогүй загварын элемент бүрийн хувьд (10), (12), (13) хэлбэрийн тооцооллын илэрхийлэлүүдийг аксиомуудад хэрэглэсэн тохиолдолд л SCM-ийг шийдэх боломжтой. батлагдсан томьёо (Т теоремын багц) нь албан ёсны системийн (9)-(13) аксиомын (A) багцаас (17), (18) дүрмийг ашиглан деривацийг бүтээх боломжийг олгодог.

Тодорхойлолт 1-ийн дагуу теоремыг нотлох автомат аргуудын нэг төрөл болох шийдвэрлэх чадварыг шинжлэхэд "дүгнэлтийн механизм" гэсэн ойлголтыг ашигладаг бөгөөд энэ тохиолдолд үүнийг дүгнэлтийн дүрмийг хэрэгжүүлэх арга, алгоритм гэж ойлгодог. 17), (18), авч үзсэн албан ёсны системийн теоремуудын T олонлогоос (өөрөөр хэлбэл синтаксийн хувьд сайн боловсруулсан томъёо) шаардлагатай бүх томьёоны багцын үр дүнтэй нотолгоог хангана. Дүгнэлтийг зохион байгуулах хамгийн энгийн арга бол "урсгал" механизм бөгөөд үүний үр дүнд батлагдсан гэж үзэж буй A " томьёоны багц нь аксиомуудын багцтай (A1 \u003d A) тэнцүү байна. дүгнэлтийн дүрмийг хэрэглэх. Хэрэв хэсэг хугацааны дараа T нь A"-тай бол загвар нь шийдэгдэх боломжтой, хэрэв энэ нь худал бөгөөд дүрмийн аль нь ч хэрэгжих боломжгүй бол SCM-ийг шийдвэрлэх боломжгүй болно.

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

БАС БИ. Фридман

Ерөнхий үзэл баримтлалын загварт дүн шинжилгээ хийхэд ашигладаг нотлох стратегийн хувьд доороос дээш стратегийг санал болгож, дараах алхмуудын мөчлөгийн гүйцэтгэлээс бүрдсэн болно.

I шат. Дүрэм (17)-ыг томъёо, аксиомоос бүх боломжит үр дагаврыг олж авахын тулд хэрэглэнэ.

II шат. (17), (18) дүрмүүдийг нотлох өмнөх үе шатанд олж авсан аксиом болон томъёоноос бүх боломжит үр дагаврыг олж авахын тулд хэрэглэнэ.

III шат. Тооцоолох боломжтой гэж үзсэн объектуудын жагсаалтыг өргөжүүлэхийн тулд (13) дүрмийг хэрэглэнэ.

Дээр дурдсан дүрмийн дагуу бүтээгдсэн зөв концепцийн загваруудын хувьд загварын бүхэлдээ шийдэгдэх байдлын дүн шинжилгээ нь түүнд багтсан INTRA ангиллын процессуудын бие даасан загваруудын уусгах чадварын дүн шинжилгээ болгон бууруулсан нь батлагдсан. болон нэгтгэх үйл явц.

Нөхцөл байдлыг зохицуулах

Нөхцөл байдлын менежментийн онолд өөрөө нийлэгждэг прагматик чухал шинж чанаруудыг ашиглан ангиллын үндсэн дээр нөхцөл байдлын тодорхойлолтыг ерөнхийд нь тодорхойлох журмыг боловсруулахын үндсэн ач холбогдлыг тэмдэглэв. Нөхцөл байдлын менежментийн үзэл баримтлал, ангиллыг бий болгох үндсэн шинж чанарууд нь:

Нөхцөл байдлын элементүүдийн хоорондын харилцааны бүтцэд суурилсан ерөнхий дүрмийн бэлэн байдал;

Хувь хүний үзэл баримтлал, нөхцөл байдлын нэрстэй ажиллах чадвар;

Нөхцөл байдлын ангиллыг хэд хэдэн нөлөөллийн (хяналтын) ангилалтай уялдуулах хэрэгцээ.

Нөхцөл байдлыг ангилах, нэгтгэх дээрх зарчмуудыг хэрэгжүүлэхийн тулд SMS нь хэд хэдэн програм хангамжийн хэрэгслийг өгдөг.

Нөхцөл байдлын төрлийг нэгтгэх, дүн шинжилгээ хийх төхөөрөмж, ялангуяа SCM-ийн янз бүрийн түвшний хяналтын үйл ажиллагааг зохицуулах, зохицуулах асуудлыг шийдвэрлэхэд чиглэсэн оновчтой хангалттай нөхцөл байдал;

Эдгээр таамаглалуудын магадлалын тайлбарын хүрээнд хангалттай нөхцөл байдлын харьцуулсан шинж чанаруудын талаархи таамаглалыг бий болгох, турших хэрэгсэл, симуляцийн үр дүнд анхдагч өгөгдлийн хэрэгслийн алдааны нөлөөллийг харгалзан үзэх;

Орон зай-цаг хугацааны функцүүдийн номын санг (STF) ашиглан нөхцөл байдлын элементүүдийн хоорондын орон зай-цаг хугацааны харилцааг харгалзан нөхцөл байдлын тодорхойлолтыг ерөнхийд нь гаргах журам.

Нөхцөл байдлын төрлүүдийн синтез, дүн шинжилгээ. SCM-д зориулж боловсруулсан алгоритмын дагуу нөхцөл байдлыг ангилсны үр дүнд олон тооны нөхцөл байдлын ангиллыг бий болгож, янз бүрийн шийдвэр гаргах объектууд (DMA) болон фрагментуудын янз бүрийн навч объектуудад зориулж олж авдаг. SMS дахь ангиллын үр дүнгийн талаархи мэдлэгийг хуримтлуулахын тулд эдгээр нөхцөл байдлын нэгтгэсэн төрлүүдийн дагуу нөхцөл байдлын тодорхойлолтыг нэгтгэх хэрэгслийг ашиглахыг санал болгож байна. Энэ арга нь нөхцөл байдлын хяналтын систем дэх нөхцөл байдлын шаталсан тайлбарыг бий болгох ерөнхий зөвлөмжийг тодорхой болгодог. Нөхцөл байдлын бүрэн тайлбартай адил хангалттай нөхцөл байдал бүрийн ерөнхий тайлбарыг түүнд багтсан навчны объектуудын тоолол ба OPD-д үндэслэн бүтээсэн бөгөөд энэ нь SCM объектуудын мод шиг задралын улмаас үүнийг өвөрмөц байдлаар тодорхойлдог. . Тайлбарын шатлалын эхний түвшинд нөхцөл байдлын ерөнхий тайлбарыг нэгтгэхийн тулд тэдгээрт өгөгдсөн үйл явцын төрлүүдийн дагуу объект гүйцэтгэгчдийн төрлийг бий болгох ижил процедурыг ашигладаг. Түүний доторх анхны өгөгдөл нь навчны объектуудын төрөл, судлагдсан хангалттай нөхцөл байдлын OPD бөгөөд ажлын үр дүн юм.

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

Үзэл баримтлалын загвар тайлбар...

Ангийнхаа дарааллын дугаар болон энэ анги дахь дугаараар төгссөн хангалттай нөхцөл байдлын өвөрмөц төрөл. Объект гүйцэтгэгч төрлүүдийг үүсгэхэд хэрэглэгддэг үг зүйн дарааллаас ялгаатай нь энд нөхцөл байдалд орсон объектын төрлүүдийг объектын мод дахь байрлалаар нь эрэмбэлсэн болно (4). Ангиудын дарааллын дугаарыг ODP-ийн гаралтын нөөцийн жагсаалтын дагуу энэ ангид давамгайлж буй нөөцийн тоогоор, анги доторх нөхцөл байдлын дарааллын дугаарыг түүний сонголтоор тодорхойлно. Энэ ангиллын хангалттай оновчтой нөхцөл байдал нь 1-р байрыг эзэлдэг. Нөхцөл байдлыг дэлхийн чанарын шалгуураар, өөрөөр хэлбэл нөхцөл байдлын давамгайллыг хангадаг нөхцөл байдлын нэг буюу өөр ангилалд хамаарахаар ангилах үнэмлэхүй хэмжүүр гэж үзэх нь зүйн хэрэг юм. Энэ хангалттай нөхцөл байдлын ODA чанарын шалгуурын дагуу тооцсон ерөнхий зардлын дагуу дэлхийн SCM объектын гаралтын параметрүүдийн нэг юм. Нөхцөл байдлын төрлийг бий болгох эхний түлхүүр бол анги доторх серийн дугаар, дараа нь ODP дугаар, дараа нь навчны объектуудын жагсаалтын төрлүүдийн индексүүд, төгсгөлд нь ангийн дугаар юм. Тайлбарласан индексжүүлэлтийн дарааллыг зохицуулалтын асуудлыг шийдвэрлэхэд ердийн "Өгөгдсөн түвшний хангалттай оновчтой нөхцөл байдлын дотроос ийм болон ийм дэлхийн оновчтой нөхцөл байдлын дэд хэсгийг бүрдүүлсэн нөхцөл байдлыг ол" гэсэн төрлийн асуултуудыг бий болгоход ашигладаг. шийдвэр гаргах янз бүрийн түвшний хяналт.

Нөхцөл байдлын төрлөөс хамааран SCM дахь нөхцөл байдлын тодорхойлолтыг нэгтгэх даалгавар нь үндсэн хоёр үе шатыг агуулдаг: CMOS-ийн судлагдсан фрагмент бүрийн хувьд нэг ангилалд багтах нөхцөл байдлын нийтлэг шинж чанарыг хайх, дээд түвшний нөхцөл байдалд нөхцөл байдлын илрэлийг хайх ( Энд байгаа түвшний өндрийг OPD-ийг олох түвшингээр өгнө). Дүгнэлт дэх үндэслэлийн ерөнхий схем нь JSM аргын үзэл сурталд сайн нийцдэг. Гэсэн хэдий ч SSM-д JSM аргыг програм хангамжаар хэрэгжүүлэхэд маш их хэмжээний програмчлал шаардагдах тул OES SSM-ийн бүрхүүлд хэрэгжүүлсэн магадлалын дүгнэлтийн механизмыг ашигласан, өөрөөр хэлбэл тооцоолсон зарим таамаглалын үнэн зөвийг үнэлэхийн оронд ашигласан. JSM аргын хувьд нөхцөлт магадлалыг дахин тооцоолох тусгай функцуудыг хангалттай нөхцөл байдлын тохиргоо ба тэдгээрийн ангиллын үр дүнгийн хоорондын шалтгаан-үр дагаврын хамаарлыг ашигласан.

SCM-д нөхцөл байдлыг бичих дээрх аргын дагуу CMPO-ийн нэг фрагментийн дагуу ангилагдсан хангалттай нөхцөл байдлын тайлбар нь тэдгээрийн навчны объектуудын жагсаалтад чанарын хувьд ялгаатай бөгөөд тэдгээр нь хамтдаа ашигласан бүрэн нөхцөл байдлын навчны объектуудын багцыг бүрдүүлдэг. фрагментийг бүтээхэд. Тиймээс тэдгээрийн тайлбарыг ерөнхийд нь гаргахдаа ижил төстэй байдлын арга, ялгах аргыг голчлон ашигладаг бөгөөд навчны объектын төрлүүдийн холболтын дэд мөрүүдийг урьдчилсан нөхцөл болгон ашигладаг. Ерөнхий дүгнэлтийн үр дүнг хоёр багц дүрмийн хэлбэрээр бүрдүүлсэн бөгөөд эхнийх нь эерэг жишээг, хоёр дахь нь сөрөг жишээг агуулдаг. Априори магадлалыг арын магадлал болгон дахин тооцоолохтой төстэй томъёоны дагуу эерэг жишээнүүд байгаа нь харгалзах дүрмийн нөхцөлт магадлалыг нэмэгдүүлэхэд хүргэдэг бөгөөд өсөлтийн зэрэг нь ашигласан нөхцөл байдлын дарааллын тоотой пропорциональ байна. энэ жишээ, сөрөг жишээнүүд байгаа нь дүрмийн нөхцөлт магадлалыг ижил хэмжээгээр бууруулдаг. Ерөнхий дүгнэлтийн эхний үе шат дууссаны дараа дүрмийг 0.5-аас бага магадлалтайгаар үгүйсгэдэг.

Ерөнхий ойлголтын хоёр дахь шатанд янз бүрийн түвшний нөхцөл байдлын хооронд ижил төстэй байдал ажиглагддаг. Үүнтэй ижил ерөнхий механизмыг ашигладаг боловч нэгтгэсэн дүрмүүд нь доод түвшний задралын хангалттай нөхцөл байдал үүсэх нөхцөлт магадлалыг дээд түвшний хангалттай нөхцөл байдлын нэг хэсэг болгон, ялангуяа дэлхийн хангалттай нөхцөл байдлын төрлүүдийн давтамжийг тооцоолох замаар тусгасан болно. далд нөхцөл байдлын төрлөөр. Тиймээс янз бүрийн түвшний ODP-д зориулж эмхэтгэсэн нөхцөл байдлын ангиллыг харьцуулах оролдлого хийж байгаа бөгөөд энэ нь хангалттай тооны сургалтын жишээнүүдийн тусламжтайгаар эмхэтгэх боломжтой болгодог.

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

БАС БИ. Фридман

Тухайн ангиас объектыг тодорхой төлөвт шилжүүлэхэд оновчтой нөхцөл байдлыг харуулсан хангалттай нөхцөл байдлын шаталсан ангилал.

Өөр нэг бүлэг дүрмүүд нь KMPO-д багтсан хувилбаруудын үр нөлөөг үнэлэхэд чиглэгддэг. Хайлтын санаа нь дараах байдалтай байна: нэг эсвэл өөр хувилбарын үр ашгийн зэрэг (процесс ба объектын хувьд) өндөр байх тусам энэ хувилбарын өөр өөр хувилбарууд хангалттай нөхцөл байдал бий болох нөхцөл байдлын ангиуд илүү өргөн байх болно. унах. Мөн эсрэгээр: хэрэв байгаа сонголтуудын аль нь ч хангалттай нөхцөл байдлын ангиллыг өөрчлөхгүй бол хамгийн бага бүрэн нөхцөл байдлыг өргөжүүлэх үед энэ хувилбарыг хэрэглэгчдэд санал болгодоггүй, ядаж ижил ODP-ийн хувьд энэ нь ангилах үйл явцыг хурдасгах боломжийг олгодог. нөхцөл байдал. Нөгөөтэйгүүр, давамгайлах бүс нутгийг өөрчлөх боломжит хувилбар бүрийн хувьд хамгийн "радикал" хувилбарууд, эс тэгвээс хэд хэдэн багц шинж чанаруудыг урьдчилан тодорхойлох боломжтой байх нь зүйтэй юм.

Ерөнхий дүгнэлт хийх явцад олж авсан бүх дүрмүүд (нөхцөл байдлын менежментийн нэр томъёонд логик-хувиргах дүрмийг хэлдэг) ES SCM-д хадгалагдаж, нөхцөл байдлыг ангилах явцад хяналтын томъёо болгон ашигладаг. Боловсруулсан магадлалын дүгнэлтийн механизмын бас нэг онцлог шинж чанарыг тэмдэглэх нь зүйтэй - нөхцөл байдлыг тодорхой ангид буруу хуваарилах магадлалыг харгалзан нөхцөл байдлыг ерөнхийд нь дүгнэх үр дүнд анхны өгөгдлийн алдааны нөлөөллийг бууруулах чадвар. Нөхцөл байдлыг нэгтгэх найдвартай байдлыг нэмэгдүүлэхийн тулд түүний хэрэглээний гол санааг авч үзье.

SCM-ийн тодорхой фрагментийн хангалттай нөхцөл байдлыг ангилахдаа загварын элементүүдийн хооронд шилжүүлэх үед зардлыг тооцоолох үйл явцын бүтцийн тогтворгүй байдлаас шалтгаалан алдаа гарч болзошгүй. Жишээлбэл, KMPO-д нөөцийг давахыг зөвшөөрдөг бол мөчлөгт оролцож буй аливаа нөөцийн одоогийн үнэ цэнэ өөрчлөгдөхөд энэ нөөцийн зардлыг тооцоолох хангалттай нөхцөл байдлын ангилал ихээхэн өөрчлөгдөж болох бөгөөд энэ нь зохиогчийн үзэж байгаагаар , ангилал, ерөнхий журмын тогтвортой байдлыг зөрчсөн. Ийм нөхцөл байдлыг ерөнхийлөлт журмаас хасахыг санал болгож байгаа бөгөөд энэ нь загварчлалын боломжит алдаанаас үр дүнгийн хамаарлыг шалгах SCM журамд хэрэглэхийг зөвлөж байна. Хэрэв SCM-ийн тодорхой нөөцийн загварчлалын алдааны нөлөөнд дүн шинжилгээ хийхдээ ODP-ийн гаралт дахь зардлын өөрчлөлтийн эзлэх хувь нь тухайн нөөцийн өнөөгийн үнэ цэнэ дэх туршилтын өөрчлөлтийн хувь хэмжээнээс давж байгаа нь тогтоогдсон бол ийм нөөц. найдваргүй гэж үзвэл түүнийг ангилахад ашиглахдаа бүтэлгүйтэх магадлалыг дурдсан илүүдэлтэй пропорциональ хэмжээгээр авна. Хэрэв бүтэлгүйтлийн магадлал нь тогтоосон босго утгаас хэтэрсэн бол (өгөгдмөл босго магадлал нь 0.3) бол энэ нөөцийг ангилах журамд оруулахгүй. Үгүй бол нөхцөл байдлын ангиллыг хийсээр байгаа боловч бүтэлгүйтлийн магадлалыг харгалзан үздэг бөгөөд энэ нь зарчмын хувьд ангиллын журмын ялгаатай байдал буурч, үр дүнд нь зөрчилтэй холбоотой нөхцөл байдлыг багтаах магадлал буурахад хүргэдэг. найдваргүй нөөц нь оновчтой эсвэл өндөр давуу талтай гэсэн ангилалд багтдаг.

Орон зай-цаг хугацааны хамаарлын шинжилгээ. Орон зай-цаг хугацааны хамааралтай ажиллах нь орон зай-цаг хугацааны функцүүдийн номын сан (STF) - холбогдох эх сурвалжийн мэдээллийн сангаас (BID) одоогийн хүсэлтэд холбогдох мэдээллийг сонгох боломжийг олгодог програм хангамжийн модулиудыг ашиглан хийгддэг бөгөөд энэ мэдээллийг үндсэн мэдээллийн санд оруулна. асуулга үүсгэж буй нөхцөл байдлын үнэн эсвэл худал байдлын талаар шийдвэр гаргахын тулд үүнийг боловсруулах. Тиймээс ерөнхий тохиолдолд PVF бүрийн программ нь үндсэн мэдээллийн сан болон BID хоорондын интерфейсийг зохион байгуулах BID драйвер, үндсэн мэдээллийн санд асуулгын үр дүнг бичих програм, асуулгын үр дүнг тайлбарлах програм гэсэн гурван хэсгээс бүрдэнэ. . Энэ тохиолдолд сэдвийн талбарыг өөрчлөх нь зөвхөн BID драйверуудыг өөрчлөх шаардлагатай болдог.

Бүх PVF нь логикийн гаралттай, өөрөөр хэлбэл тэдгээрт багтсан логик нөхцлийн шинжилгээний үр дүнд тийм эсвэл үгүй гэсэн хариултыг буцаана. Хоёр төрлийн цаг хугацаа, гурван төрлийн орон зайн функцийг боловсруулсан.

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

Үзэл баримтлалын загвар тайлбар...

INTERVAL цагийн функц нь тодорхой хугацааны туршид түүхэн өгөгдлийг түүвэрлэхийг дэмждэг бөгөөд синтакс нь дараах байдалтай байна.

үед (<условие>,<начало>,<конец>,<доля>), (19)

хаана<условие>дараах байдлаар харагдаж болно.

<имя> <знак> <подсписок_значений (n)>, (20)

энэ нь массив элементийн хяналттай шинж чанарыг тодорхойлдог;

<начало>болон<конец>шалгах интервалын эхлэл ба төгсгөлийн мөчүүдийг тус тус тогтооно (одоогийн хугацаанаас өнгөрсөн хүртэлх зай);

<доля>хангасан байх ёстой бүх задлан шинжлэгдсэн элементүүдийн дундах элементүүдийн зөвшөөрөгдөх хамгийн бага хувийг (тоо) тодорхойлно<условию>Тиймээс (19) функц нь хүсэлтэд эерэг хариулт өгдөг.

Хэрэв хоосон параметрийн утгыг оруулсан бол<начало>, байгаа бүх мэдээллийг цаг тухайд нь шинжилдэг<конец>. Үүний нэгэн адил, параметрийн тэг утгатай<конец>, өгөгдлийг тухайн мөчөөс эхлэн шинжилдэг<начало>цаг хугацааны одоогийн цэг хүртэл. Утга нь таарч байвал<начало>болон<конец>өнгөрсөн цаг хугацааны зөвхөн нэг цэгийг авч үздэг.

Дараах функц нь хадгалагдсан өгөгдлийг түр зуур холбох боломжийг танд олгоно

хүсэлтэд заасан хугацаанд:

мөч (<условие>,<время>,<доля>), (21)

хаана<условие>болон<доля>функц (19)-тэй төстэй байдлаар үүсдэг ба<время>- үйл ажиллагаа явуулах цаг хугацааны тогтсон цэг.

Орон зайн функцийг дараах хэлбэрээр бичнэ.

хөрш (<условие>,<доля>) (22)

ижил төстэй (<условие>,<доля>,<параметры_сходства>). (23)

Сонголтууд<условие>болон<доля>(19), (21) функцийн дагуу тохируулагдсан; Орон зайн функцүүдийн төрлүүдийн ялгаа нь хамтарсан дүн шинжилгээ хийх элементүүдийг сонгох шалгуурт оршдог: функц (22), одоогийн элементтэй геометрийн зэргэлдээх элементүүдийг, функц (23), ижил утгатай элементүүдийг шинжилнэ. Одоогийн элемент сонгогдсон тул<параметров_сходства>, одоо байгаа параметр болон хувьсагчдын нэрсийн жагсаалтаас сонгогдсон. Тухайлбал, ҮЗЗ-ийн хэрэглээнд чулуулгийн тэсрэлтийг урьдчилан таамаглах асуудалд<параметр_сходства>"хагарал" гэсэн нэртэй байсан бөгөөд тектоникийн хагаралд хамаарах объектын элементүүдийн шинж чанарын хамтарсан шинжилгээнд ашигласан.

NEAREST функц нь өгөгдсөнтэй хамгийн ойр орон зайн координаттай объектыг тодорхойлох зорилготой юм. Тухайн объектын координат нь заасан хөршийн хүрээнд байвал функц нь эерэг хариултыг буцаана. Функц нь дараах байдлаар харагдаж байна.

хамгийн ойр (<условие>,<координаты>,<допуск>), (24)

хаана параметр<условие>аль хэдийн тодорхойлсон утгатай, параметртэй<координаты>зангуу цэгийн орон зайн шинж чанар, параметрийг тодорхойлдог<допуск>заасан цэгээс орон зайн координат дахь зөвшөөрөгдөх зайг зааж өгнө.

PVF-ийг зөвхөн ES дүрэм болон хяналтын томъёоны IF хэсэгт ашиглах боломжтой. Бүх PVF нь логикийн гаралттай байдаг тул өөр өөр PVF-уудыг бие биендээ нэг удаа, өөрөөр хэлбэл маягтын асуулгад оруулах боломжтой.

хөрш (ижил төстэй (<условие>,<доля1>,<параметры_сходства>),<доля2>). (25)

Үүний зэрэгцээ BID драйвер нь асуулга үүсгэдэг бөгөөд үүний дагуу эхлээд хамгийн дотоод PVF-ийг хангасан элементүүдийг сонгож, дараа нь гаднахыг хангасан элементүүдийг сонгох гэх мэт. Сонгосон элементүүдийн шинж чанарыг мэдээллийн санд дахин бичсэн (энэ мэдээллийг тайлбарын горимд ашигладаг), тайлбарлагч нь дүрмийн санд оруулсан PVF-ийн гаралтын утгыг тооцоолно. Дэд асуулга нь хамгийн их сонирхол татдаг, учир нь

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

БАС БИ. Фридман

PVF-ийг нэгтгэснээр судалж буй объектын орон зайн болон цаг хугацааны шинж чанарыг хамтран үнэлэх боломжийг олгоно.

Дээр дурдсан PVF нь нэлээд өргөн ангиллын дүн шинжилгээг өгдөг

Шалгалтын объектын элементүүдийн шинж чанаруудын хоорондын орон зай-цаг хугацааны хамаарал, гэхдээ тухайн субьектийн онцлогоос хамааран бусад PVF-ийг боловсруулах боломжтой.

Нөхцөл байдлыг төрлөөр нь нэгтгэн дүгнэхдээ бий болгосон дүрмээс ялгаатай нь энд авч үзсэн бүлгийн ерөнхий дүрмүүд нь тухайн нөхцөл байдалд бүхэлд нь хамаарахгүй, харин бие даасан объект, үйл явц, тэр ч байтугай SCM-ийн нөөцөд хамаарна. PVF үүрэнд<условие>

болон<параметры_сходства>Та SKM-ийн элементүүдийн логик нөхцөл, янз бүрийн шинж чанаруудыг, үүнд эдгээр элементүүдийн төрөл, ангиллыг багтааж болно. ҮЗЗ-д ийм дүрмийг бий болгох автомат горимыг заагаагүй бөгөөд тэдгээрийг хэрэглэгч өөрөө боловсруулсан бөгөөд ангиллын явцад тэдгээрийн магадлалыг дээр дурдсантай ижил аргаар дахин тооцдог.

Дүгнэлт

LMS-ийг загварчлахад үүсдэг янз бүрийн нөхцөл байдлын талаархи албан ёсны тодорхойлолтуудад үндэслэн түүний шаталсан загварыг боловсруулсан бөгөөд үүнд: албан ёсны систем - SCM ба түүнтэй нэгдсэн ES - үндсэн элементүүдийн багц (7) - ( 10), бусад төрлийн (7), (8), аксиомын систем (15), (16) ба дүгнэлтийн дүрмийн (17) харилцааны хэлбэрээр SCM-ийн зарим элементүүдийг бий болгох синтаксик дүрмийн багц. ), (18), түүнчлэн загварчлах зорилго, нөхцөл байдлын объектын судалгаанд давамгайлж буй зорилгоос хамааран энэхүү албан ёсны системийн бүрэлдэхүүн хэсгүүдийг өөрчлөх дүрмийг SCM-ийн тохирох хэсгүүдийг сонгох, гаралтыг хянах замаар тогтоосон болно. ES SCM. SCM нь семиотик (тэмдэг) загваруудыг хэлдэг, учир нь энэ нь гурван бүлгийн логик хувиргах дүрмийг боловсруулсан - нөхцөл байдлыг нөхөх, ангилах, ерөнхий болгох.

Санал болгож буй загварын ялгаа нь LMS-ийг судлахад чиглэсэн хэрэгслүүдийн нэгдмэл байдал бөгөөд энэ нь шинжээчдийн мэдлэгийг ашиглан судалж буй объектын төлөв байдалд логик-аналитик мэдээлэл боловсруулах, нөхцөл байдлын дүн шинжилгээ хийх боломжийг олгодог. зураг зүйн мэдээллийг ашиглан гүйцэтгэсэн LMS-ийн шинж чанарууд.

Уран зохиол

1. Кузьмин И.А., Путилов В.А., Филчаков В.В. Шинжлэх ухааны судалгаанд тархсан мэдээлэл боловсруулах. Л.: Наука, 1991. 304 х. 2. Цикрицис Д., Лочовски Ф. Өгөгдлийн загварууд. М.: Санхүү, статистик, 1985. 420 х. 3. Самарский А.А. Тоон аргуудын танилцуулга. М.: Наука, 1987. 288 х. 4. Бржезовский А.В., Филчаков В.В. Тооцооллын системийн үзэл баримтлалын шинжилгээ. Санкт-Петербург: LIAP, 1991. 78 х. 5. Фридман А.Я. Үйлдвэр-байгалийн системийн бүтцийн нөхцөл байдлын менежмент. Арга, загварууд. Саарбруккен, Герман: LAP LAMBERT Academic Publishing, 2015. 530 х. 6. Поспелов Д.А. Нөхцөл байдлын менежмент: онол ба практик. М.: Наука, 1986. 288 х. 7. Mitchell E. Esri GIS шинжилгээний гарын авлага. 1999. 1-р боть. 190 х.

8. Мэдээллийн системийн үзэл баримтлалын загварчлал / ред. V.V. Филчаков. Санкт-Петербург: SPVURE PVO, 1998. 356 х. 9. Ухаалаг систем дэх таамаглалыг автоматаар үүсгэх / comp. E.S. Панкратова, В.К. Финн. М.: ЛИБРОКОМ, 2009. 528 х. 10. Дарвиче А. Байесийн сүлжээгээр загварчлах, үндэслэл гаргах. Кембрижийн их сургуулийн хэвлэл, 2009. 526 х.

Фридман Александр Яковлевич - Техникийн шинжлэх ухааны доктор, профессор, KSC RAS-ийн Мэдээлэл зүй, математик загварчлалын хүрээлэнгийн тэргүүлэх судлаач; и-мэйл: [имэйлээр хамгаалагдсан] kolasc.net.ru

Кола Шинжлэх Ухааны Төвийн BULLETIN RAS 4/2015(23)

3D зураг зүйн зурагЭдгээр нь дээд түвшний цахим газрын зураг бөгөөд компьютерийн загварчлалын системийн хэрэгслээр дүрслэгдсэн газар нутгийн үндсэн элемент, объектын орон зайн дүрслэл юм. Эдгээр нь газар нутгийн дүн шинжилгээ хийх, тооцооллын асуудлыг шийдвэрлэх, загварчлах, инженерийн байгууламжийн зураг төсөл боловсруулах, хүрээлэн буй орчны хяналтанд хяналт, навигацийн системд (газар ба агаар) ашиглах зориулалттай.

Симуляцийн технологиГазар нутаг нь бодит газар нутагтай маш төстэй харааны болон хэмжигдэхүйц хэтийн төлөвийг бий болгох боломжийг олгодог. Тэдгээрийг компьютерийн кинонд тодорхой хувилбарын дагуу оруулах нь тухайн талбайг өөр өөр буудлагын цэгээс, өөр өөр гэрэлтүүлгийн нөхцөлд, янз бүрийн улирал, өдөр (статик загвар) "харах" эсвэл өгөгдсөн дагуу "нисэх" боломжийг олгодог. эсвэл хөдөлгөөн, хурдны нислэгийн дур зоргоороо замнал - (динамик загвар).

Оролтын дижитал мэдээллийг буфер төхөөрөмждөө өгөгдсөн хүрээ болгон хувиргах боломжийг олгодог вектор эсвэл растер дэлгэцийг багтаасан компьютерийн хэрэгслийг ашиглах нь ийм мэдээлэл болох орон зайн дижитал газрын загварыг (PMM) урьдчилан бий болгохыг шаарддаг.

Дижитал PMM нь мөн чанараарааГазрын гадаргыг ажиглах (шалгах) тогтоосон нөхцлийн дагуу газар нутаг, байр зүйн объектын гурван хэмжээст дүрсийг хуулбарлах (дүрслэх) зорилготой машин зөөвөрлөгч дээр бичигдсэн тоон семантик, синтактик, бүтцийн өгөгдлийн багцыг төлөөлнө.

Дижитал PMM үүсгэх анхны өгөгдөлгэрэл зураг, зураг зүйн материал, байр зүйн болон дижитал газрын зураг, хотын төлөвлөлт, объектын байршил, хэлбэр, хэмжээ, өнгө, зориулалтын талаархи мэдээллийг агуулсан лавлагаа мэдээлэл байж болно. Энэ тохиолдолд PMM-ийн бүрэн байдлыг ашигласан гэрэл зургийн мэдээллийн агуулга, нарийвчлалыг анхны зураг зүйн материалын нарийвчлалаар тодорхойлно.

PMM үүсгэх техникийн хэрэгсэл, арга

Дижитал PMM үүсгэх техникийн хэрэгсэл, аргыг боловсруулахшинжлэх ухаан, техникийн хүнд хэцүү асуудал юм. Энэ асуудлын шийдэл нь дараахь зүйлийг агуулна.

Гэрэл зураг, газрын зургийн материалаас газар нутгийн объектын талаарх анхан шатны гурван хэмжээст тоон мэдээллийг олж авах техник хангамж, програм хангамжийн хэрэгслийг хөгжүүлэх;
- гурван хэмжээст зураг зүйн тэмдгийн системийг бий болгох;
- анхан шатны зураг зүйн дижитал мэдээлэл, гэрэл зургийг ашиглан дижитал PMM үүсгэх аргыг боловсруулах;
- PMM-ийн агуулгыг бүрдүүлэх шинжээчийн системийг боловсруулах;
- PMM банкинд дижитал өгөгдлийг зохион байгуулах арга, PMM банкийг бий болгох зарчмуудыг боловсруулах.

Техник хангамж, програм хангамжийг хөгжүүлэхГэрэл зураг, газрын зургийн материалаас газар нутгийн объектын тухай гурван хэмжээст дижитал анхан шатны мэдээллийг олж авах нь дараахь үндсэн шинж чанаруудтай холбоотой юм.

Уламжлалт DSM-тэй харьцуулахад дижитал PMM-д тавигдах шаардлага бүрэн бүтэн байдал, нарийвчлалын хувьд өндөр байх;
- хүрээ, панорамик, ангархай, CCD дүрслэлийн системээр авсан, газар нутгийн объектын талаар үнэн зөв хэмжих мэдээлэл авахад зориулагдаагүй зургийг анхны код тайлах гэрэл болгон ашиглах.

Гурван хэмжээст зураг зүйн тэмдгийн системийг бий болгохнь орчин үеийн дижитал зураг зүйн цоо шинэ ажил юм. Үүний мөн чанар нь газар нутгийн объектуудын бодит дүр төрхтэй ойролцоо байдаг ердийн тэмдгүүдийн номын санг бий болгоход оршдог.

Дижитал PMM үүсгэх аргуудАнхдагч дижитал зураг зүйн мэдээлэл, гэрэл зургийг ашиглах нь нэг талаас тэдгээрийг компьютерийн системийн буфер төхөөрөмжид дүрслэх үр ашгийг хангах, нөгөө талаас гурван хэмжээст зургийн шаардлагатай бүрэн бүтэн байдал, нарийвчлал, тодорхой байдлыг хангах ёстой.

Одоогийн байдлаар хийгдэж буй судалгаанууд нь анхны өгөгдлийн бүтцээс хамааран дижитал PMM-ийг олж авахын тулд дараах аргуудыг ашиглаж болохыг харуулж байна.

Дижитал зураг зүйн мэдээлэл;
- дижитал зураг зүйн мэдээлэл, гэрэл зураг;
- гэрэл зураг.

Хамгийн ирээдүйтэй аргууд болдижитал зураг зүйн мэдээлэл, гэрэл зургийг ашиглан. Гол нь янз бүрийн бүрэн, нарийвчлалтай дижитал PMM үүсгэх аргууд байж болно: гэрэл зураг, DEM-ээс; гэрэл зураг болон TsKM дээр үндэслэсэн; гэрэл зураг болон DTM-ээс.

PMM-ийн агуулгыг бүрдүүлэх шинжээчийн системийг хөгжүүлэх нь объектын бүтэц, түүний ерөнхий байдал, тэмдэглэгээг сонгох, шаардлагатай газрын зургийн проекцоор дэлгэцийн дэлгэц дээр харуулах замаар орон зайн дүрсийг төлөвлөхөд тулгарч буй асуудлыг шийдвэрлэх боломжийг олгоно. Энэ тохиолдолд зөвхөн ердийн шинж тэмдгүүд төдийгүй тэдгээрийн хоорондын орон зай-логик харилцааг тодорхойлох арга зүйг боловсруулах шаардлагатай болно.

PMM банкинд дижитал өгөгдлийг зохион байгуулах арга, PMM банкийг бий болгох зарчмуудыг боловсруулах асуудлын шийдэл нь орон зайн дүрс, мэдээллийн танилцуулгын форматын онцлогоос хамаарна. Дөрвөн хэмжээст загварчлал (X, Y, H, t) бүхий орон зай-цаг хугацааны банкийг бий болгох шаардлагатай бөгөөд үүнд PMM-ийг бодит цаг хугацаанд бий болгох боломжтой.

PMM-г харуулах, шинжлэхэд зориулсан техник хангамж, програм хангамжийн хэрэгсэл

Хоёр дахь асуудал бол техник хангамж, програм хангамжийг хөгжүүлэхдижитал PMM-ийн дэлгэц, дүн шинжилгээ. Энэ асуудлын шийдэл нь дараахь зүйлийг агуулна.

PMM-ийг харуулах, шинжлэх техникийн хэрэгслийг боловсруулах;
- тооцооллын асуудлыг шийдвэрлэх аргыг боловсруулах.

Техник хангамж, програм хангамжийг хөгжүүлэхдижитал PMM-ийг харуулах, дүн шинжилгээ хийх нь одоо байгаа график ажлын станцуудыг ашиглах шаардлагатай бөгөөд үүнд зориулж тусгай програм хангамж (SW) бий болно.

Тооцооллын асуудлыг шийдвэрлэх аргуудыг боловсруулахнь дижитал PMM-ийг практик зорилгоор ашиглах явцад үүсдэг хэрэглээний асуудал юм. Эдгээр даалгаврын найрлага, агуулгыг тодорхой PMM хэрэглэгчид тодорхойлно.

1-р БҮЛЭГ ЗУРГИЙН ДАГАЛАЛТЫН ДИНАМИК ОБЪЕКТИЙГ БОЛОВСРУУЛАХ, ХҮЛЭЭН ИЛГЭЭХ БАЙГАА АРГА, СИСТЕМИЙН ШИНЖИЛГЭЭ.

1.1 Нэг төрлийн мэдээлэл зөөвөрлөгч болох дүр төрх.

1.2 Дүрс таних асуудлын ангилал.

1.3 Хөдөлгөөнийг тооцоолох аргуудын ангилал.

1.3.1 Хөдөлгөөнийг үнэлэх харьцуулсан аргуудын шинжилгээ.

1.3.2 Хөдөлгөөнийг тооцоолох градиент аргуудын шинжилгээ.

1.4 Тэмдгийн бүлгүүдийн ангилал.

1.5 Хөдөлгөөнт объектыг сегментчлэх аргуудын шинжилгээ.

1.6 Үйл явдлыг тайлбарлах, үзэгдэлийн төрлийг тодорхойлох арга.

1.7 Динамик объектыг боловсруулах, таних систем.

1.7.1 Арилжааны техник хангамж, програм хангамжийн систем.

1.7.2 Туршилтын болон судалгааны программ хангамжийн систем.

1.8 Зургийн дэс дарааллын орон зай-цаг хугацааны боловсруулалтын асуудлын мэдэгдэл.

1.9 Бүлгийн талаархи дүгнэлт.

2-Р БҮЛЭГ Статик ба динамик дүрсийг боловсруулах, таних загварууд.

2.1 Статик дүрсийг боловсруулах, таних загвар.

2.2 Динамик дүрсийг боловсруулах, таних загвар.

2.3 Дүрс таних дүрслэх онол.

2.4 Дүрс таних дүрслэх онолын өргөтгөл.

2.5 Нарийн төвөгтэй үзэгдэл дэх динамик объектыг боловсруулах, таних явцад зорилтот шинж чанарыг хайх ерөнхий загварууд.

2.6 Бүлгийн талаархи дүгнэлт.

3-Р БҮЛЭГ ДИНАМИК БҮСИЙН ХӨДӨЛГӨӨНИЙ5 ОРОН НУТГИЙН ОНЦЛОГИЙГ ОЛЖ, ҮНЭЛЭХ.119

3.1 Зургийн дарааллыг боловсруулах сайжруулсан аргын нөхцөл, хязгаарлалт.

3.2 Орон нутгийн хөдөлгөөний шинж тэмдгүүдийн үнэлгээ.

3.2.1 Эхлүүлэх үе шат.

3.2.2 Өгөгдлийн орон зай-цаг хугацааны эзлэхүүний тооцоо.

3.2.3 Динамик мужуудын ангилал.

3.3 Бүс нутгийн орон нутгийн хөдөлгөөнийг олох арга.

3.3.1 Үзэсгэлэнгийн гол цэгүүдийг олох, хянах.

3.3.2 3D урсгалын тензор дээр суурилсан хөдөлгөөний тооцоо.

3.4 Нүүлгэн шилжүүлж буй бүс нутгийн хилийн заагийг боловсронгуй болгох.

3.5 Бүлгийн талаархи дүгнэлт.

ДӨРӨВДҮГЭЭР БҮЛЭГ ЦОГЦ БАЙДЛЫН ДИНАМИК ОБЬЕКТИЙГ ХЭСЭГЧИЛЭХ.

4.1 Нарийн төвөгтэй үзэгдэл дэх олон түвшний хөдөлгөөний загвар.

4.2 Хавтгай дээрх хөдөлгөөнийг тооцоолох загварууд.

4.3 Lie бүлгийн шинж чанарыг судлах.

4.4 Бүлгийн изоморфизм ба гомоморфизм.

4.5 Зургийн дарааллаар объектуудын хөдөлгөөний өмнөх үеийн загвар.

4.6 Нарийн төвөгтэй үзэгдлийг орон зайн объект болгон хуваах.

4.6.1 Урьдчилан ангилах.

4.6.2 Сегментчлэл.

4.6.3 Сегментийн дараах.

4.7 Видео дараалал дээр цэгийн хөдөлгөөний ST-г харуулах.

4.8 Бүлгийн талаархи дүгнэлт.

5-Р БҮЛЭГ ДИНАМИК объект, ИДЭВХИЙН ҮЙЛ АЖИЛЛАГАА, ҮЙЛ АЖИЛЛАГААНЫ ЦОГЦОЛБОР БАЙГУУЛЛАГЫН ҮЙЛ АЖИЛЛАГААГ ТАНИХ.

5.1 Контекст дүрмийн бүтээн байгуулалт:.

5.1.1 Загвар мод үүсэх.

5.1.2 Зургийн дэс дарааллын синтаксийн шинжилгээ.

5.1.3 Үзэгдлийн найруулга зүйн шинжилгээ.

5.2 Нарийн төвөгтэй үзэгдэлд зориулсан видео зураглаачийг бүтээх.

5.3 Динамик хэв маягийг таних.

5.4 Үзэгдэл болсон үйл явдлыг таних.

5.4.1 Идэвхтэй үйлдлийг илрүүлэх арга.

5.4.2 Үйл явдлын дүрс бичлэг хийх.

5.5 Үйл явдал, үзэгдэлийн төрлийг таних.

5.5.1 Үзэгдэл болсон үйл явдлыг таних.

5.5.2 Үзэгдэл төрлийг таних.

5.6 Бүлгийн талаархи дүгнэлт.

6-р БҮЛЭГ ЗУРГИЙН ДАРААЛТ, ТУРШИЛТ СУДАЛГАА БОЛОВСРУУЛАХ, ХҮЛЭЭХ СИСТЕМИЙГ БҮТЭЭХ.

6.1 "ЗРОЕЯ" туршилтын программ хангамжийн цогцолбор.

6.2 "EROEI." туршилтын системийн модулиудын ажиллагаа.

6.2.1 Урьдчилан боловсруулах модуль.".

6.2.2 Хөдөлгөөний тооцооны модуль.

6.2.3 Сегментацийн модуль.

6.2.4 Объект таних модуль.

6.2.5 Идэвхтэй үйлдлийг таних модуль.

6.3 Туршилтын судалгааны үр дүн.

6.4 "Олон урсгалт хөдөлгөөнд оролцож буй тээврийн хэрэгслийн улсын дугаарыг дүрслэн бүртгэх" хэрэглээний төсөл.

6.5 "Хөргөгчний хайрцагны загварыг зургаар таних систем" хэрэглээний төсөл.

6.6 Програм хангамжийн систем “Ландшафтын зургийг боловсруулах, сегментлэх алгоритм. Объектуудыг тодорхойлох".

6.7 Бүлгийн талаархи дүгнэлт.

Зөвлөмж болгож буй диссертацийн жагсаалт

Видео дарааллын орон зайн цаг хугацааны шинжилгээнд үндэслэн дүрсийг сэргээн засварлах 2011 он, Техникийн шинжлэх ухааны нэр дэвшигч Дамов, Михаил Виталиевич
Гэрэлтүүлгийн хүнд нөхцөлд зураг дээрх нүүр царайг тодорхойлох компьютерийн арга 2011 он, Техникийн шинжлэх ухааны нэр дэвшигч Пахирка, Андрей Иванович
Стерео харааны систем дэх синхрончлолгүй видео дарааллыг орон зай-цаг хугацааны боловсруулалтын арга 2013 он, доктор Пянков, Дмитрий Игоревич
Морфологийн дүрсний шинжилгээний онол, арга 2008 он, физик-математикийн шинжлэх ухааны доктор Визилтер, Юрий Валентинович
Зургийн хэлбэрийн дунд дүрслэл дээр үндэслэн компьютерийн харааны систем дэх динамик дохио зангааг таних. 2012, доктор Куракин, Алексей Владимирович

Дипломын ажлын танилцуулга (конспектийн хэсэг) "Зургийн дарааллын орон зайн цаг хугацааны шинжилгээнд суурилсан динамик дүрсийг таних загвар, арга" сэдвээр

Үзэсгэлэнгийн нарийн төвөгтэй объектуудын бүтэц, хөдөлгөөний талаархи мэдээлэл онцгой ач холбогдолтой байдаг (хаалттай газар, хүн ихтэй газар видео тандалт, роботын цогцолборуудын хөдөлгөөнийг хянах, тээврийн хэрэгслийн хөдөлгөөнийг хянах гэх мэт) даалгаврын ангилал байдаг. ). Зургийн дэс дараалал нь орон зай, цаг хугацааны бүтэцтэй, олон хэмжээст дохио, компьютерт дүрслэх хэлбэр, динамик объект, үзэгдэл, үйл явцын физик загвар хэлбэрээр анхны мэдээллийг нэгтгэсэн цогц мэдээллийн нөөц юм. Дижитал дүрс боловсруулах техникийн шинэ боломжууд нь хүний харааны дүрсийг танин мэдэхүйн онолын ололт амжилтыг нэгэн зэрэг ашиглахын зэрэгцээ зургийн ийм онцлогийг хэсэгчлэн анхаарч үзэх боломжийг олгодог.

Орон зай-цаг хугацааны өгөгдлийн эзлэхүүнд дүн шинжилгээ хийх нь ажиглалтын объектын статик төдийгүй динамик шинж чанарыг тодорхойлох боломжийг олгодог. Энэ тохиолдолд таних асуудлыг төлөв байдлын багцын ангилал эсвэл сонгодог таних аргуудаар шийдлийг олох боломжгүй замналын ангилал гэж тодорхойлж болно. цаг хугацааны шилжилтүүд нь мэдэгдэж буй аналитик хамаарлаар тодорхойлогдоогүй зургийн хувиргалтыг бий болгож чадна; Мөн динамик объектыг таних даалгаврын зэрэгцээ идэвхтэй үйлдэл, үйл явдлыг таних, жишээлбэл, олон хүн цугларсан газар зөвшөөрөлгүй үйлдлүүдийг илрүүлэх, мультимедиа мэдээллийн санд индексжүүлэх үзэгдлийн төрлийг тодорхойлох даалгаврууд байдаг. Хэрэв бид зурагны дарааллаас объект, үйл явдлыг таних ажлыг нэг процесс гэж үзвэл хамгийн тохиромжтой нь шат бүрт зэрэгцээ боловсруулалтын элементүүдтэй шаталсан арга юм.

Статик зураг (фото) болон видео дараалал хэлбэрээр мэдээлэл цуглуулах, хуулбарлах техникийн хэрэгслийг сайжруулах нь тэдгээрийг боловсруулах арга, алгоритмыг цаашид хөгжүүлэх, нөхцөл байдалд дүн шинжилгээ хийх, дүрслэгдсэн объектыг танихыг шаарддаг. Дүрс таних асуудлын анхны онолын томъёолол нь 1960-1970 он хүртэл бий. нэрт зохиолчдын хэд хэдэн бүтээлд тусгагдсан байдаг. Дүрс таних асуудлын томъёолол нь объектыг таних асуудал, үзэгдэлд дүн шинжилгээ хийх асуудлаас эхлээд дүрсийг ойлгох асуудал, машины харааны асуудал хүртэл янз бүр байж болно. Үүний зэрэгцээ загвар, дүрсийг таних аргууд дээр суурилсан ухаалаг шийдвэр гаргах системүүд нь нарийн төвөгтэй хэлбэрийн оролтын мэдээллийг ашигладаг. Энэ нь цахилгаан соронзон спектрийн өргөн долгионы мужид (хэт ягаан туяа, харагдахуйц, хэт улаан туяа гэх мэт) олж авсан зураг, түүнчлэн дуут дүрс, байршлын өгөгдөл хэлбэрээр мэдээллийг агуулдаг. Өөр өөр физик шинж чанарыг үл харгалзан ийм мэдээллийг объектын бодит дүр төрх, тодорхой дүрс хэлбэрээр илэрхийлж болно. Радиометрийн өгөгдөл нь хэтийн төлөв эсвэл ортогональ проекцоор үзүүлсэн үзэгдлийн хавтгай дүрс юм. Эдгээр нь үзэгдэлд байгаа объектуудаас туссан эсвэл ялгардаг тодорхой спектрийн хүрээний цахилгаан соронзон долгионы эрчмийг хэмжих замаар үүсдэг. Ихэвчлэн харагдахуйц спектрийн мужид хэмжсэн фотометрийн өгөгдлийг ашигладаг - монохромат (тод байдал) * эсвэл өнгөт зураг: Байршлын өгөгдөл нь үзэгдлийн ажиглагдсан цэгүүдийн орон зайн координат юм. Хэрэв үзэгдлийн бүх цэгүүдэд координатыг хэмжсэн бол байршлын ийм массивыг үзэгдлийн гүний зураг гэж нэрлэж болно. Хялбаршуулсан зургийн загварууд (жишээлбэл, бага хэтийн төлөв, пара-перспектив, ортогональ ба параллель проекцоор дүрслэгдсэн аффин проекцын загварууд) байдаг бөгөөд тэдгээрт үзэгдлийн гүнийг тогтмол утга гэж үздэг ба үзэгдлийн байршлын дүрс нь . хэрэгтэй мэдээлэл авч явахгүй байх. Энэ тохиолдолд дууны мэдээлэл нь туслах үйл явдлын шинж чанартай байдаг.

Фотометрийн өгөгдлийг хамгийн хурдан хэмждэг. Байршлын мэдээллийг дүрмээр бол тусгай төхөөрөмжөөс (жишээлбэл, лазерын зай хэмжигч, радар) олж авсан өгөгдлөөс эсвэл тод байдлын зургийг шинжлэх стереоскопийн аргыг ашиглан тооцоолдог. Байршлын мэдээллийг хурдан олж авахад бэрхшээлтэй тул (ялангуяа харааны объектын хэлбэр нь хурдан өөрчлөгдөж буй үзэгдлүүдийн хувьд) нэг харааны дүрсээс дүр зургийг дүрслэх даалгавар давамгайлдаг. үзэгдлийн монокуляр харааны ойлголтын даалгавар. Ерөнхий тохиолдолд нэг зурагнаас үзэгдлийн геометрийг бүрэн тодорхойлох боломжгүй юм. Зөвхөн нэлээн энгийн загвартай үзэгдлүүдийн тодорхой хязгаарлалт, объектын орон зайн зохион байгуулалтын талаархи априори мэдээлэл байгаа тохиолдолд л нэг зургаас гурван хэмжээст дүрслэлийг бүрэн бүтээх боломжтой. Энэ байдлаас гарах арга замуудын нэг бол орон зайд хөдөлгөөнгүй эсвэл хөдөлж буй нэг буюу хэд хэдэн видео камераас хүлээн авсан видео дарааллыг боловсруулах, дүн шинжилгээ хийх явдал юм.

Тиймээс зургууд нь бодит ертөнцийн талаархи мэдээллийг илэрхийлэх гол хэлбэр бөгөөд бие даасан зураг, видео дарааллыг өөрчлөх, семантик дүн шинжилгээ хийх аргыг цаашид хөгжүүлэх шаардлагатай байна. Ийм ухаалаг системийг хөгжүүлэх хамгийн чухал чиглэлүүдийн нэг бол зураг боловсруулах эхний үе шатанд тэдгээрийн мэдээллийн шинж чанар, таних зорилгыг харгалзан дүрсийг дүрслэх, хувиргах аргыг сонгох автоматжуулалт юм.

АНУ-ын судлаачдын анхны бүтээл (Луизиана мужийн их сургууль, Карнеги Меллоны их сургууль, Питтсбург), Швед ("Тооцооллын хараа ба идэвхтэй ойлголтын лаборатори (CVAP), Тоон шинжилгээ, компьютерийн шинжлэх ухааны тэнхим), Франц (INRIA), Их Британи ( Лийдсийн их сургууль), Герман (Карлсруэгийн их сургууль), Австри (Квинсландын их сургууль), Япон, Хятад (Компьютерийн шинжлэх ухааны сургууль, Фудан их сургууль) 1980-аад оны сүүлээр дүрсийн дараалал боловсруулах, динамик объектыг таних чиглэлээр хэвлэгдсэн. гарч ирэх ба Орост: Москвад (MGU, MAI (STU), MIPT, GosNII AS), Санкт-Петербург (SPbSU, GUAP, FSUE GOI, LOMO), Рязань (RGRTU), Самара (SSAU), Воронеж (VSU) , Ярославль (ЯрСУ), Киров (VSU), Таганрог (TTI SFU), Новосибирск (NSU), Томск (TSPU), Эрхүү (IrSU), Ulan-Ude (ESTU) болон бусад хотууд. Оросын Шинжлэх Ухааны Академи, Техникийн шинжлэх ухааны доктор Ю.И. Журавлев, Оросын ШУА-ийн корреспондент гишүүн, техникийн шинжлэх ухааны доктор V. A. Soifer, техникийн шинжлэх ухааны доктор Техникийн шинжлэх ухааны доктор Н.Г.Загоруйко Л.М.Местецкий, техникийн шинжлэх ухааны доктор B. A. Alpatov болон бусад. Өнөөдрийг хүртэл видео тандалтын систем, зураг дээр үндэслэн таних таних системийг бий болгоход ихээхэн ахиц дэвшил гарсан. Гэсэн хэдий ч бодит ертөнц дэх объектуудын зан үйлийн нарийн төвөгтэй байдал, олон янз байдлаас шалтгаалан динамик дүрсийг танихад шийдэгдээгүй асуудлууд байдаг. Иймд энэ чиглэл нь цахилгаан соронзон цацрагийн янз бүрийн муж дахь дүрсийн дарааллаас динамик объект, үйл явдлыг таних загвар, арга, алгоритмыг сайжруулах шаардлагатай бөгөөд энэ нь видео тандалтын системийг чанарын хувьд шинэ түвшинд хөгжүүлэх боломжийг олгоно.

Диссертацийн ажлын зорилго нь гадаа болон доторх видео тандалтын системд зориулсан зургийн дарааллаар динамик объект, тэдгээрийн идэвхтэй үйлдэл, үйл явдлыг таних үр ашгийг нэмэгдүүлэх явдал юм.

Зорилго нь дараахь ажлуудыг шийдвэрлэх хэрэгцээг тодорхойлсон.

Дараалсан зургуудын багцаас объектын хөдөлгөөнийг тооцоолох, хөдөлгөөний шинж тэмдгийг олох арга, динамик объектыг сегментчилэх арга, нарийн төвөгтэй үзэгдлүүдийн семантик дүн шинжилгээ хийх, түүнчлэн янз бүрийн зорилгоор динамик объектыг таних, хянах системийг бий болгох арга барилд дүн шинжилгээ хийх.

Цагийн цуваа, тухайлбал зургийн дарааллыг боловсруулах шаталсан журамд үндэслэн статик болон динамик дүрсийг таних загваруудыг боловсруулах.

Цахилгаан соронзон цацрагийн янз бүрийн мужид олж авсан орон зайн цаг хугацааны мэдээлэлд үндэслэн динамик бүтцийн хөдөлгөөнийг тооцоолох аргыг боловсруулах, энэ нь хөдөлгөөний шинж чанараас хамааран сегментчлэх аргыг сонгох, улмаар динамик дүрсийг дасан зохицох таних боломжийг олгодог.

Олж авсан одометрийн өгөгдөл дээр үндэслэн динамик байгууламжийн хөдөлгөөний траекторийг бий болгох, түүхийн өмнөх үеийн дүн шинжилгээнд үндэслэн харааны объектуудын оршин тогтнох тухай таамаглал дэвшүүлэх боломжийг олгодог нарийн төвөгтэй үзэгдэл дэх динамик байгууламжийн олон түвшний хөдөлгөөний загварыг бий болгох. хөдөлгөөнүүдийн.

Нарийн төвөгтэй үзэгдэл дэх олон түвшний хөдөлгөөний загвар дээр үндэслэн объектын төсөөллийн давхцал, хөдөлгөөний дурын чиглэлийн динамик бүтцийн тодорхойлогдсон шинж чанаруудын багцыг харгалзан үзсэн цогц сегментчлэлийн алгоритмыг боловсруулах.

Хамтын шийдвэр гаргах аргад тулгуурлан албан ёсны дүрмийн дагуу үзүүлсэн динамик дүрс, дүрс бичлэгийн дүрслэлийг таних арга, түүнчлэн идэвхтэй үйлдэл, үйл явдлын график ашиглан цогц үзэгдэл дэх идэвхтэй үйлдэл, үйл явдлыг таних аргыг боловсруулах (өргөтгөх). нарийн төвөгтэй үзэгдлийн видео зураг) болон Bayesian сүлжээ .

Боловсруулсан арга, загварт үндэслэн янз бүрийн зорилгоор туршилтын системийг зохион бүтээх; Тогтмол болон дурын 2£>-проекцийн багцаар тодорхойлогддог объектын зургийн дарааллыг боловсруулах, динамик дүрсийг таних c. хэцүү үзэгдлүүд.

Арга, судалгаа. Диссертацийн ажлыг гүйцэтгэхдээ хэв маягийг таних онолын аргууд, дүрсийг таних дүрслэх онол, дохио боловсруулах онол, вектор анализ ба тензорын тооцооллын аргууд, түүнчлэн бүлгийн онол, албан ёсны дүрмийн онолыг ашигласан.

Диссертацийн ажлын шинжлэх ухааны шинэлэг тал нь дараах байдалтай байна.

1. Динамик дүрсийг хувиргах шинэ загвар бүтээгдсэн бөгөөд энэ нь өргөтгөсөн шаталсан түвшний сегментчлэл (орон нутгийн болон дэлхийн хөдөлгөөний векторын дагуу) болон таних (объект ба тэдгээрийн идэвхтэй үйлдлүүд) -ээр ялгагддаг бөгөөд энэ нь статик үзэгдлийн зорилтот шинж чанарыг олох боломжийг олгодог. хөдөлгөөнт объектууд болон динамик үзэгдлүүд хамгийн их динамик инвариант үзэл баримтлалд суурилсан.

2. Дүрс таних дүрслэх онолыг дөрвөн шинэ зарчмыг нэвтрүүлснээр өргөжүүлэв: шинжилгээний эхний үе шатанд таних зорилгыг харгалзан үзэх, динамик объектын зан төлөвийг таних, түүхийн өмнөх үеийн үнэлгээ, ажиглалтын объектын хувьсах тоо. Эхний өгөгдлийн мэдээллийн агуулгыг нэмэгдүүлэх замаар хөдөлж буй объектыг таних чанарыг сайжруулах боломжтой болгодог.

3. Цахилгаан соронзон цацрагийн үзэгдэх ба хэт улаан туяаны мужуудын синхрон дарааллаар хөдөлгөөнийг тооцоолох дасан зохицох орон зайн цаг хугацааны аргыг анх удаа боловсруулсан бөгөөд энэ нь хоёр төрлийн давуу талыг хослуулан янз бүрийн шаталсан түвшний хөдөлгөөний шинж тэмдгийг гаргаж авах боломжийг олгодог. зургийн дараалал.

4. Олон түвшний хөдөлгөөний шинэ загварыг боловсруулсан; үзэгдэлийг тусдаа түвшинд задлах боломжийг олгох; биш > хязгаарлагдмал; Нийтээр хүлээн зөвшөөрөгдсөн урд болон арын хэсэгт хуваах нь объектын зургийг илүү найдвартай сегментлэх боломжийг олгодог; нарийн төвөгтэй хэтийн үзэгдлүүд.

5: Зөвшөөрөгдсөн үү? болон барьсан; шинэ; динамик объектуудыг сегментчлэх ерөнхий алгоритм; зан үйлийн түүхийг багтаасан олон шинж чанаруудтай, хэрэглэх; мөн бүлгийн хувиргалт дээр үндэслэн бие даасан харааны объектуудын динамик болон үзэгдэл дэх объектуудын харилцан үйлчлэлийг (давхардсан төсөөлөл; видео мэдрэгчийн харах талбараас объектуудын харагдах байдал / алга болох) хоёуланг нь хянах боломжийг олгодог; мөн объектын төсөөллийн нийтлэг хэсгийн (хоёр зэргэлдээх хүрээнээс) интеграл ба инвариант тооцоог ашиглан санал болгож буй анхны шинжилгээ.

6. Хамтын шийдвэр гаргах аргыг өөрчилсөн бөгөөд энэ нь объектын хүрээ хоорондын проекцын шинж тэмдгийг олох замаар ялгаатай бөгөөд Байесийн сүлжээнд суурилсан идэвхтэй үйлдэл, үйл явдлыг таних ажиглалтын түүхийг харгалзан үзэх боломжийг олгодог, мөн дөрвөн төрлийн. Динамик шинж чанаруудын дүрслэлээс хамааран жишиг динамик дүрс бүхий динамик дүрсүүдийн ижил төстэй байдлын v хэмжигдэхүүнийг олохыг санал болгож байна.

Практик ач холбогдол. Диссертацийн ажилд санал болгож буй арга, алгоритмууд нь "Аюулгүй хот" улсын төслийн хүрээнд олон эгнээний хөдөлгөөнтэй тээврийн хэрэгслийг хянах, видео дарааллын дагуу янз бүрийн технологийн үйлдвэрлэлийн процессыг автоматжуулсан хяналтын систем, гаднах видео тандалтын системд практикт ашиглахад зориулагдсан болно. болон доторх видео тандалт, түүнчлэн агаарын гэрэл зураг дээрх объектуудыг таних, ландшафтын зургийг таних системүүд. Диссертацийн судалгааны үндсэн дээр үйл ажиллагааны янз бүрийн салбарт хэрэглэгддэг динамик объектуудыг боловсруулах, таних програм хангамжийн системийг боловсруулсан.

Ажлын үр дүнг хэрэгжүүлэх. Боловсруулсан программууд нь Оросын компьютерийн програмуудын бүртгэлд бүртгэгдсэн: "Гараар бичсэн текст дүрсийг сегментчлэх (SegPic)" програм (сертификат No 2008614243, Москва, 2008 оны 9-р сарын 5); Хөдөлгөөний үнэлгээний хөтөлбөр (2009611014 дугаар гэрчилгээ, Москва, 2009 оны 2-р сарын 16); хөтөлбөр "Нүүрийг нутагшуулах (FaceDetection)" (гэрчилгээ No2009611010, Москва, 2009 оны 2-р сарын 16); "Хөдөлгөөнгүй дүрс дээр байгалийн харааны нөлөө үзүүлэх систем (Байгалийн эффектийн дуураймал)" хөтөлбөр (гэрчилгээ № 2009612794, Москва, 2009 оны 7-р сарын 30); хөтөлбөр "Харааны утаа илрүүлэх (SmokeDetection)" (сертификат No 2009612795, Москва, 2009 оны 7-р сарын 30); "Олон урсгалтай замын хөдөлгөөний үед тээврийн хэрэгслийн улсын дугаарыг нүдээр бүртгэх хөтөлбөр (FNX CTRAnalyzer)" (гэрчилгээ № 2010612795, Москва, 2010 оны 3-р сарын 23), "Шугаман бус дүрсийг сайжруулах" хөтөлбөр (гэрчилгээ № 2010610658, Москва г. , 2010 оны 3-р сарын 31

Хөргөгчний хайрцгийг угсрах шугам дээр таних алгоритм, програм хангамжийг шилжүүлэх, ашиглах гэрчилгээг (КЖ Бирюса, Красноярск ХК), ландшафтын зураг дээрх объектын зургийг тодорхойлох (Радио инженерийн концерн Вега, КБ Луч, Ярославль, Рыбинск, Ярославль) бүс нутаг), ойн ургамлыг дараалсан агаарын гэрэл зургаар хэсэгчлэн хуваах (Alteks Geomatica ХХК, Москва), олон урсгалтай замын хөдөлгөөний үед тээврийн хэрэгслийн улсын дугаарын дугаарыг видео дарааллаар илрүүлэх, харуулах чанарыг сайжруулах ^ (UGIBDD GUVD). Красноярскийн нутаг дэвсгэр, Красноярск).

Боловсруулсан алгоритм, программ хангамжийг "Ухаалаг мэдээлэл боловсруулах", "Шинжлэх ухаан, боловсролын компьютерийн технологи", "Дижитал дүрс боловсруулалтын онолын үндэс", "Загвар таних", "Мэдрэлийн сүлжээ" гэсэн чиглэлээр хичээл явуулахад боловсролын үйл явцад ашигладаг. , Академич М.Ф.-ийн нэрэмжит Сибирийн Улсын Агаарын Сансрын Их Сургуулийн "Зураг боловсруулах алгоритм", "Видео дарааллыг боловсруулах алгоритм", "Үзэгдэлд дүн шинжилгээ хийх ба машины хараа". Решетнев (СибГАУ).

Диссертацийн ажилд олж авсан үр дүнгийн найдвартай байдал нь ашигласан судалгааны аргуудын үнэн зөв, гүйцэтгэсэн хувиргалтуудын математикийн хатуу байдал, түүнчлэн боловсруулсан заалт, дүгнэлт нь туршилтын баталгаажуулалтын үр дүнтэй нийцэж байгаагаар хангагдана.

Хамгаалалтын үндсэн заалтууд:

1. Нарийн төвөгтэй үзэгдэл дэх динамик дүрсийг боловсруулах, таних загвар нь зөвхөн объектуудыг төдийгүй тэдгээрийн идэвхтэй үйлдлүүдийг сегментчлэх, таних шаталсан түвшингээр ихээхэн өргөжсөн.

2. Шинжилгээнд хамрагдсан өгөгдлийн мэдээллийн агуулгыг орон зайн хүрээнд төдийгүй цаг хугацааны бүрэлдэхүүнд нэмэгдүүлэх замаар цаг хугацааны цуваа (зургийн дараалал) дүрсийг таних тодорхойлолтын онолыг өргөжүүлэх.

3. Хөдөлгөөнийг тооцоолох орон зай-цаг хугацааны дасан зохицох арга. цахилгаан соронзон цацрагийн үзэгдэх ба хэт улаан туяаны мужуудын синхрон дараалалд орон нутгийн IS эзлэхүүний тензорын дүрслэлд үндэслэн.

4. Объектын хөдөлгөөний траекторийг илүү найдвартай шинжлэхийн тулд хэтийн үзэгдлүүдийг салангид түвшинд задлах боломжийг өргөжүүлсэн цогц үзэгдэл дэх олон түвшний хөдөлгөөний загвар.

5. Бүлгийн хувиргалт, санал болгож буй интеграл ба инвариант тооцоолол дээр үндэслэн видео мэдрэгчийн харах талбараас объектын харагдах байдал, алга болох, давхцаж буй объектын төсөөллийг тодорхойлох боломжийг олгодог динамик объектуудын ерөнхий сегментчлэлийн алгоритм.

6. Хамтын шийдвэр гаргах өөрчилсөн арга, метрийн орон зайн псевдо-зайг олоход суурилсан динамик дүрсийг таних аргууд, түүнчлэн нарийн төвөгтэй үзэгдэл дэх идэвхтэй үйлдэл, үйл явдлууд.

Ажлын баталгаажуулалт. Диссертацийн судалгааны үндсэн заалт, үр дүнг "Хэв маягийг таних ба дүрсний шинжилгээ: Орчин үеийн мэдээллийн технологи" 10-р бага хурал, (С.-Петербург, 2010), "Хэт орчин үеийн цахилгаан холбоо, хяналтын системүүд ICUMT2010" олон улсын конгресст тайлагнаж, хэлэлцсэн. (Москва, 2010); Кибернетик ба системийн шинжилгээний параметрийн бус аргуудын XII олон улсын симпозиум (Красноярск, 2010), II Олон улсын симпозиум "Ухаалаг шийдвэр-технологи - IDT 2010" (Балтимор, 2010), III олон улсын бага хурал. "Автоматжуулалт, Удирдлага? Мэдээллийн технологи - AOIT-ICT"2010" (Новосибирск, 2010), "Дижитал дохио боловсруулах ба түүний хэрэглээ" 10, 11, 12 дахь олон улсын хурал, үзэсгэлэн (Москва, 2008 - 2010), олон улсын шинжлэх ухаан, техникийн бага хурал "Онолын болон Орчин үеийн мэдээллийн технологийн хэрэглээний асуудлууд" (Улан-Үд, 2009), "ХХI зууны кибернетик ба өндөр технологи" IX олон улсын шинжлэх ухаан, техникийн бага хурал (Воронеж, 2008), "Зураг боловсруулах загвар, арга" бүх Оросын бага хурал (Красноярск) , 2007), X, XI, XIII "Решетневийн уншлага" олон улсын эрдэм шинжилгээний бага хуралд (Красноярск, 2006, 2007, 2009), түүнчлэн Улсын Агаарын сансрын багаж хэрэгслийн их сургуулийн эрдэм шинжилгээний семинаруудад (Санкт-Петербург, 2009), Хүрээлэнд CO-ийн тооцооллын загварчлалд зориулсан

RAS (Красноярск, 2009), RAS Зураг боловсруулах системийн хүрээлэн (Самара, 2010).

Хэвлэлүүд. Диссертацийн судалгааны үр дүнд үндэслэн 53 хэвлэмэл бүтээл, түүний дотор 1 монографи, 26 өгүүлэл (үүнээс 14 өгүүлэл - ХАС-ийн жагсаалтад орсон хэвлэлд, 2 өгүүлэл - Thomson Reuters: Шинжлэх ухааны ишлэлийн индекст орсон нийтлэлд) хэвлэгдсэн. Өргөтгөсөн / Conference Proceedings Citation Index”), 19 хураангуй, Оросын компьютерийн программын бүртгэлд бүртгэгдсэн 7 гэрчилгээ, түүнчлэн 3 судалгааны тайлан.

Хувийн хувь нэмэр. Диссертацид тавигдсан бүх үндсэн үр дүн, түүний дотор асуудлыг боловсруулах, тэдгээрийн математик, алгоритмын шийдлүүдийг зохиогч биечлэн олж авсан эсвэл түүний шинжлэх ухааны удирдлаган дор, шууд оролцоотойгоор гүйцэтгэсэн. Ажлын материалд үндэслэн техникийн шинжлэх ухааны нэр дэвшигчийн зэрэг олгох хоёр диссертацийг хамгаалсан бөгөөд энэ хугацаанд зохиогч нь албан ёсны удирдагчаар ажилласан.

Ажлын бүтэц. Энэхүү бүтээл нь танилцуулга, зургаан бүлэг, дүгнэлт, ном зүйгээс бүрдэнэ. Диссертацийн үндсэн текст нь 326 хуудастай, илтгэлийг 63 зураг, 23 хүснэгтээр дүрсэлсэн болно. Ном зүйн жагсаалтад 232 нэр багтсан.

Үүнтэй төстэй дипломууд "Мэдээлэл зүйн онолын үндэс" мэргэжлээр, 05.13.17 HAC код

Оптик урсгалыг тооцоолох орон нутгийн дифференциал аргад суурилсан видео хүрээний дарааллаар хөдөлж буй объектуудыг үйл ажиллагааны сонголтоор хийх хосолсон алгоритмууд 2010 он, техникийн шинжлэх ухааны нэр дэвшигч Казаков, Борис Борисович
Видео тандалтын систем дэх нарийн төвөгтэй статик ба динамик үзэгдлүүдийн видео дарааллыг тогтворжуулах арга 2014 он, техникийн шинжлэх ухааны нэр дэвшигч Буряченко, Владимир Викторович
Эмнэлгийн динамик дүрсийг боловсруулах арга, систем 2012 он, техникийн шинжлэх ухааны нэр дэвшигч Маряскин, Евгений Леонидович
Орон зайг бараг өөрчлөгдөөгүй бүс болгон хуваах онцлог бүхий газрын (гадаргын) объектын радарын зургийг бүх талаар таних. 2006, Техникийн шинжлэх ухааны нэр дэвшигч Матвеев, Алексей Михайлович
Нарийн төвөгтэй дэвсгэр бүтэцтэй зураг таних систем дэх давхардсан текст тэмдэгтүүдийг илрүүлэх арга, алгоритмууд 2007 он, Техникийн шинжлэх ухааны нэр дэвшигч Зотин, Александр Геннадьевич

Диссертацийн дүгнэлт "Мэдээлэл зүйн онолын үндэс" сэдвээр, Фаворская, Маргарита Николаевна

6.7 Бүлгийн дүгнэлт

Энэ бүлэгт объект, үйл явдлыг таних хамгийн дээд түвшинд хүртэл зургийн дарааллыг системчилсэн шаталсан боловсруулалтыг гүйцэтгэдэг "ZROEL" v.1.02 туршилтын програм хангамжийн цогцолборын бүтэц, үндсэн чиг үүргийг нарийвчлан авч үзэх болно. График, сүлжээ, ангилагчийг сургах, тохируулахын тулд хүний оролцоо шаардлагатай автоматжуулсан систем. Системийн хэд хэдэн доод түвшний модулиуд автомат горимд ажилладаг. Програм хангамжийн багцын бүтэц нь бусад модульд нөлөөлөхгүйгээр модулиудыг өөрчлөх боломжтой юм. Системийн модулиуд. Системийн үндсэн модулиудын функциональ диаграммуудыг үзүүлэв: модуль, урьдчилсан боловсруулалт, хөдөлгөөнийг тооцоолох модуль, сегментчлэлийн модуль, объект таних модуль, идэвхтэй үйлдлийг таних модуль.

Энэхүү программ хангамжийн багц дээр суурилсан туршилтын судалгааг OTCBVS^07 туршилтын мэдээллийн сангаас авсан хэд хэдэн видео дараалал, хэт улаан туяаны дараалал, Гамбург таксины туршилтын видео дараалал, Рубик шоо дээр хийсэн. "Чимээгүй", мөн өөрсдийн видео материал дээр. Хөдөлгөөнийг тооцоолох таван аргыг туршсан. Блок тохируулах арга болон санал болгож буй хэт улаан туяаны дарааллын арга нь ижил утгатай бөгөөд хамгийн бага нарийвчлалтай болохыг туршилтаар харуулсан. Видео дарааллын санал болгож буй арга, цэгийн шинж чанарыг хянах арга нь ойролцоо үр дүнг харуулж байна. Үүний зэрэгцээ боловсруулсан тензорын арга нь цэгийн шинж чанарыг хянах аргатай харьцуулахад бага хэмжээний компьютерийн тооцоолол шаарддаг. Үзэсгэлэнгийн гэрэлтүүлэг буурсан нөхцөлд хурдны векторын модулийг олохын тулд синхрончлогдсон видео дараалал ба хэт улаан туяаны дарааллыг хамтран ашиглах нь зүйтэй.

Харааны объектуудыг танихын тулд дөрвөн төрлийн псевдо-зайг (Хаусдорф, Громов-Хаусдорф, Фречетийн псевдо-зай, байгалийн псевдо-зай) ашигласан динамик дүрсний жишиг динамик дүрстэй ижил төстэй байдлын хэмжүүрийг олохын тулд (танилцуулгаас хамааран) динамик шинж чанар - тоон шинж чанарын багц, векторын багц, функцийн багц). Тэд зөвшөөрөгдөх морфологийн өөрчлөлт бүхий зургуудад хүчинтэй гэдгээ харуулсан. Бид нөхцөлт зэргэлдээх хүрээ ба 5e нийтлэг хэсгийн талбайн хоорондох объектын проекцын нийтлэг хэсгийн Kc контурын хэлбэрийн нэгдсэн нормчилсан тооцоолол ба инвариант тооцоолол - нийтлэг хэсгүүдийн корреляцийн функцийг ашигласан. төсөөлөл Fc. Хамтын шийдвэр гаргах өөрчилсөн аргыг ашиглах нь оролтын зургийн амжилтгүй ажиглалтыг (объектуудын давхцах төсөөлөл, гэрэлтүүлгийн эх үүсвэрээс үүссэн үзэгдлийн гажуудал гэх мэт) "хасах" боломжтой болгож, хамгийн тохиромжтой ажиглалтыг сонгох боломжийг олгодог. Хамтын шийдвэр гаргах өөрчилсөн аргыг ашиглах нь хүлээн зөвшөөрөх нарийвчлалыг дунджаар 2.4-2.9% -иар нэмэгдүүлдэг болохыг туршилтууд харуулсан.

Хөдөлгөөний үнэлгээ, сегментчилэл, объектыг таних туршилтын үр дүнг зургуудын туршилтын дарааллаар ("Гамбургийн такси", "Рубик шоо". "Чимээгүй", "OTSVVS" 07 туршилтын баазаас авсан видео дараалал ба хэт улаан туяаны дараалал) авсан. туршилтын мэдээллийн сан "PETS", "CAVIAR", "VACE". Туршилтын харааны дарааллын шинж чанар нь гүйцэтгэлд нөлөөлдөг. Эргэлтийн хөдөлгөөнийг гүйцэтгэдэг объектууд муу ("Рубик шоо"), илүү сайн - жижиг хэмжээтэй хүний гараар хийсэн объектууд ("Гамбургийн такси", "Видео 1"). Хамгийн сайн үр дүнг хоёр дарааллаар таних замаар харуулдаг. Мөн бүлэггүй хүмүүсийн үе үе идэвхтэй үйлдлүүдийг (алхах, гүйх, гараа өргөх) таних үед туршилтын хамгийн сайн үр дүнд хүрсэн. ).

Зургаадугаар бүлгийн төгсгөлд* "Олон урсгалтай замын хөдөлгөөнд оролцож буй тээврийн хэрэгслийн улсын дугаарыг нүдээр бүртгэх", "Хөргөгчний хайрцагны загварыг зургаар тодорхойлох систем", "Алгоритмууд. боловсруулах i сегментчилэл," зэрэг "төслүүд" хэрэглэгдэж байна. ландшафтын зураг. Объектуудыг тодорхойлох ". Алгоритм ба. програм хангамжийг сонирхсон байгууллагуудад шилжүүлсэн: Туршилтын ажиллагааны үр дүнд диссертацийн ажилд санал болгож буй загвар, аргачлалын үндсэн дээр боловсруулсан програм хангамжийн ажиллах чадварыг харуулсан.

ДҮГНЭЛТ

Диссертацийн ажилд цахилгаан соронзон цацрагийн үзэгдэх ба хэт улаан туяаны хүрээний дарааллаас олж авсан орон зай-цаг хугацааны өгөгдлийг боловсруулах, нарийн төвөгтэй үзэгдэл дэх динамик дүрсийг таних шинжлэх ухаан, техникийн чухал асуудлыг тавьж, шийдвэрлэсэн. Орон зайн цаг хугацааны өгөгдлөөс шинж чанарыг боловсруулах, гаргаж авах шаталсан аргын систем нь видео тандалтын салбарт хэрэглэгдэх асуудлыг шийдвэрлэх арга зүйн үндэс юм.

Танилцуулга нь диссертацийн ажлын ач холбогдлыг нотлон харуулж, судалгааны зорилго, зорилтыг тодорхойлж, гүйцэтгэсэн судалгааны шинжлэх ухааны шинэлэг байдал, практик үнэ цэнийг харуулж, хамгаалуулахаар ирүүлсэн үндсэн заалтуудыг тусгасан болно.

Эхний бүлэгт видео дараалал дахь харааны объектууд нь статик дүрсийг таних асуудлын сонгодог томъёолол дахь зургуудаас илүү олон хэмжээст шинж чанарын вектороор тодорхойлогддог болохыг харуулж байна.

Статик дүрс, хөдөлгөөний элемент бүхий статик үзэгдэл, зургийн дарааллыг таних үндсэн төрлүүдийн ангиллыг хийсэн бөгөөд энэ нь энэ чиглэлээр математикийн аргын хөгжлийн түүхэн шинж чанарыг тусгасан болно. Хөдөлгөөнийг тооцоолох аргууд, хөдөлж буй объектуудыг сегментчлэх алгоритмууд, нарийн төвөгтэй үзэгдэл дэх үйл явдлыг тайлбарлах аргуудын нарийвчилсан дүн шинжилгээ хийсэн.

Төрөл бүрийн зориулалттай тээврийн хэрэгслийг хянах, спортын видео материал боловсруулах, аюулгүй байдал (нүүр царай таних, тусгай хамгаалалттай газар руу хүмүүсийг зөвшөөрөлгүй нэвтрүүлэх) зэрэг салбарт одоо байгаа арилжааны техник хангамж, програм хангамжийн системийг авч үзсэн бөгөөд видео тандалтын системийн судалгааны бүтээн байгуулалтад дүн шинжилгээ хийсэн.

1-р бүлгийн төгсгөлд зургийн дарааллыг орон зай-цаг хугацааны боловсруулалтын асуудлын мэдэгдлийг дүрсний дарааллаас харааны мэдээллийг боловсруулах, хүлээн зөвшөөрөх гурван түвшин, таван үе шат хэлбэрээр танилцуулав.

Диссертацийн хоёрдугаар бүлэгт объектуудыг статик дүрс, зургийн дарааллаар нь боловсруулах, таних албан ёсны загваруудыг боловсруулсан болно. Зөвшөөрөгдөх зураглалыг зургийн орон зайд, шууд асуудал ба урвуу бодлогын шинж чанаруудын орон зайд бүтээдэг. Инвариант шийдвэрийн функц, ерөнхий динамик инвариантыг бий болгох дүрмийг өгсөн болно. Таних үед онцлог шинж чанаруудын олон хэмжээст орон зайд өөр өөр зургуудын траекторууд огтлолцож болно. Объектуудын проекцууд огтлолцох үед ерөнхий дээд динамик инвариантыг олох нь улам хэцүү болж, зарим тохиолдолд бүр боломжгүй болдог.

Дүрс таних онолын үндсэн зарчмуудыг авч үзсэн бөгөөд энэ нь дүрсийг танихад мэдээлэл боловсруулах алгоритмын процедурыг сонгох, нэгтгэх ердийн аргууд дээр суурилдаг. Динамик дүрсийг дүрслэх онолыг өргөжүүлэх нэмэлт зарчмуудыг санал болгож байна: зургийн дарааллыг боловсруулах эхний үе шатанд таних зорилгыг харгалзан динамик объектын зан үйлийн нөхцөл байдлыг таних, динамик объектын өмнөх түүхийг тооцоолох, хувьсах тооны объектыг тооцоолох. нарийн төвөгтэй үзэгдэлд ажиглалт хийх.

Буудлагын төрлөөс (нэг өнцгийн зураг авалтын хувьд), видео мэдрэгчийн хөдөлгөөн, үзэгдэх бүсэд хөдлөх объект байгаа эсэх зэргээс хамааран зургийн дарааллыг шинжлэх зорилтот шинж чанарыг олох асуудлыг нарийвчлан авч үзсэн болно. Даалгавар илүү төвөгтэй болохын хэрээр онцлог орон зай дахь дөрвөн нөхцөл байдлын тайлбарыг өгсөн болно.

Гурав дахь бүлэгт дүрсийн дарааллыг боловсруулах, объект, идэвхтэй үйлдлүүд, үйл явдал, үзэгдлийн төрлийг таних үе шатуудыг томъёолсон болно. Үе шатууд нь харааны мэдээллийн боловсруулалтын дараалсан шаталсан шинж чанарыг тусгасан байдаг. Зургийн дарааллыг орон зайн цаг хугацааны хувьд боловсруулах шаталсан аргын нөхцөл, хязгаарлалтыг мөн үзүүлэв.

Зургийн динамик мужуудын ангиллыг бүтцийн тензорын хувийн утгуудыг 31) шинжлэх замаар гүйцэтгэдэг бөгөөд тэдгээрийн хувийн векторууд нь хөрш зэргэлдээх хүрээнүүдийн зургийн эрчмийн орон нутгийн шилжилтээр тодорхойлогддог бөгөөд динамик бүсүүдийн орон нутгийн чиг хандлагыг тооцоолоход ашиглагддаг. Үзэгдэх болон хэт улаан туяаны цацрагийн муж дахь өгөгдлийн орон зай-цаг хугацааны эзлэхүүн дэх хөдөлгөөнийг тензорын хандлагад үндэслэн тооцоолох шинэ аргыг баталсан. Цэгийн орчны хэмжээ, чиг хандлагад дасан зохицох орон зайн хувьсагч цөмийг ашиглах боломжийг авч үзсэн. Эхлээд тойрог хэлбэртэй, дараа нь 2-3 давталтын дараа чиглэсэн эллипс хэлбэртэй болж хувирдаг орчны дасан зохицох нь зурган дээрх чиг баримжаа бүхий бүтцийн үнэлгээг сайжруулдаг. Ийм стратеги нь орон зайн цаг хугацааны өгөгдлийн багц дахь градиент тооцооллыг сайжруулдаг.

Орон нутгийн хөдөлгөөний параметрийн тооцоог тухайн бүс нутгийн геометрийн командууд болон онцгой цэгүүдийг тооцоолох замаар гүйцэтгэдэг. Тиймээс бүс нутгийн хөдөлгөөний орон нутгийн шинж тэмдгүүдийн үнэлгээ нь харааны объектууд нэг буюу өөр ангилалд хамаарах дараагийн таамаглал дэвшүүлэх үндэс суурь болдог. Синхрон видео дараалал болон хэт улаан туяаны дарааллыг ашиглах нь зураг дээрх хөдөлгөөнт бүс нутгийг сегментчлэх, орон нутгийн хөдөлгөөний векторуудыг олох үр дүнг сайжруулдаг.

Өнгөт зургийн хил хязгаарыг хилийн цэг бүрт бүх чиглэлд барьсан олон хэмжээст градиент аргууд, өнгөт зургийн дарааллын статистикийг ашиглан векторын аргууд, түүнчлэн олон хэмжээст зургийн хүрээнд тензорын аргыг ашиглан тооцоолж болно. градиент аргууд. Контурын мэдээллийг боловсронгуй болгох арга замууд нь дурын тооны хүчинтэй төсөөлөл бүхий бүс нутагт зайлшгүй шаардлагатай.

Дөрөвдүгээр бүлэгт хөдөлгөөний бүтэц дээр тулгуурлан олон түвшний хөдөлгөөний загварыг бодит үзэгдэл дэх объектуудын динамикийг тусгаж, үзэгдлийн хоёр түвшний дүрслэлийг өргөжүүлж, сонирхол татахуйц объект, хөдөлгөөнгүй дэвсгэр гэж хуваасан.

Авсаархан Lie бүлгүүдийн онол дээр үндэслэн хавтгай дээрх объектуудын хөдөлгөөний загварыг судалж байна. Проекктив хувиргах загварууд болон аффин хувиргах загваруудын сортуудыг танилцуулж байна. Ийм өөрчлөлтүүд нь хязгаарлагдмал тооны проекц (техноген объект) бүхий хөдөлгөөний бүтцийг сайн дүрсэлдэг. Хязгааргүй тооны проекц бүхий бүтцийг (антропоген объект) аффин эсвэл проекцын хувиргалтаар дүрслэх нь хэд хэдэн нэмэлт нөхцөл (ялангуяа объектууд видео мэдрэгчээс хол байх шаардлага, жижиг объект гэх мэт) дагалддаг. Л.С.Понтрягины нотолсон тодорхойлолт, теоремыг өгсөн бөгөөд үүний үндсэн дээр хөрш фреймүүдийн хооронд шилжих хүртэл зарим объектыг дүрсэлсэн бүлгийн координатын дотоод автоморфизмыг олох боломжтой болсон. Шилжилтийн хэмжээг 3-р бүлэгт боловсруулсан хүрээ хоорондын зөрүүний хөдөлгөөнийг тооцоолох аргаар тодорхойлно.

Өөрчлөлтийн бүлгүүдийн хоорондох зөвшөөрөгдөх шилжилтийн өргөтгөл нь 2£)-зураг (бие даасан объектын проекц дахь өөрчлөлтийг харуулах, хэд хэдэн объектын харааны огтлолцол: (объект харилцан үйлчлэл)) хоёрдмол байдлаас шалтгаалан бүтээгдсэн. Өөрчлөлтийн бүлгүүдийг өөрчлөхдөө үзэгдэл дэх идэвхтэй үйлдэл, үйл явдлуудыг засах, тухайлбал нөхцөлт хөрш зэргэлдээ хүрээ ба нийтлэг талбайн хоорондох проекцын нийтлэг хэсгийн Kc контурын хэлбэрийн нэгдсэн тооцооллыг тогтоох шалгуурууд олддог. хэсэг 5e ба хувьсах бус тооцоо - төсөөллийн нийтлэг хэсгүүдийн корреляцийн функц Pcog ба бүтцийн Lie бүлгийн тогтмолууд c "g, энэ нь хувьсах чадварыг үнэлэх, ажиглагдсан объектын хөдөлгөөний мөн чанарыг илрүүлэх боломжийг олгодог.

Хөдөлгөөний траекторийн цаг хугацааны цуваа, 3L> орон зайд шилжих үед объектын хэлбэр өөрчлөгдөх, мөн объектын хэлбэрийн өөрчлөлт зэргийг багтаасан зургийн дарааллаар объектуудын хөдөлгөөний түүхийн өмнөх загварыг бүтээсэн. үзэгдэл дэх объектуудын харилцан үйлчлэл, мэдрэгчийн үзэгдэх талбараас объектын харагдах байдал / алга болохтой холбоотой (үзэгдэлт дэх идэвхтэй үйлдэл, үйл явдлыг танихад ашигладаг). нэг

Нарийн төвөгтэй үзэгдлүүд дэх объектуудыг сегментчилэх ерөнхий алгоритмыг боловсруулсан бөгөөд үүнд сегментчилэх нарийн төвөгтэй тохиолдлууд (давхцсан зураг, камерын харах талбараас объектын харагдах байдал, алга болох, камер руу шилжих) харгалзан гурван дэд үе шатыг багтаасан болно. урьдчилсан сегментчилэл, сегментчилэл ба дараах сегментчилэл. Дэд үе шат бүрийн хувьд даалгавар, эхний болон гаралтын өгөгдлийг боловсруулж, янз бүрийн цацрагийн хүрээний синхрон дарааллын давуу талыг ашиглан нарийн төвөгтэй үзэгдлүүдийг сегментчлэх боломжийг олгодог алгоритмын схемийг боловсруулсан болно.

Тав дахь бүлэгт албан ёсны дүрэм, дүр зурагчин, хамтын шийдвэр гаргах өөрчилсөн аргыг ашиглан динамик хэв маягийг таних үйл явцыг авч үздэг. Олон түвшний хөдөлгөөн бүхий динамик үзэгдэл нь цаг хугацааны хувьд өөрчлөгддөг бүтэцтэй тул бүтцийн таних аргыг ашиглах нь зүйтэй. Объектуудын олон түвшний хөдөлгөөн бүхий нарийн төвөгтэй үзэгдлүүдийг таних гурван түвшний контекст дүрмийн санал болгож буй дүрмүүд нь зургийн дарааллыг задлан шинжлэх, үзэгдлийг задлан шинжлэх гэсэн хоёр ажлыг гүйцэтгэдэг.

Үзэгдлийг семантик дүрслэх илүү харааны хэрэгсэл бол шаталсан бүлэглэлийн аргыг ашиглан бүтээсэн видео бичлэг юм. Доод түвшний нарийн төвөгтэй шинж чанарууд дээр үндэслэн орон зайн орон зайн байгууламжууд нь цаг хугацааны хувьд тогтвортой, орон зайн орон зайн объектууд, хүлээн зөвшөөрөгдсөн орон зайн объектууд, тэдгээрийн өвөрмөц үйл ажиллагааны багц, түүнчлэн орон зайн дүрс бичлэгийг багтаасан дүрс бичлэгийг бүтээдэг. - тэдгээрийн хоорондын цаг хугацааны холбоо.

Хамтын шийдвэр гаргах өөрчлөгдсөн арга нь хоёр түвшний хүлээн зөвшөөрөх журамд суурилдаг. Эхний түвшинд дүрсийг тодорхой чадамжийн салбарт хамааруулахыг хүлээн зөвшөөрдөг. Хоёрдахь түвшинд шийдвэр гаргах дүрэм хүчин төгөлдөр болох бөгөөд энэ нь тухайн бүс нутагт хамгийн их чадамжтай байдаг. Динамик шинж чанаруудын төлөөлөл - тоон шинж чанаруудын багц, векторуудын багц, функцүүдийн багцаас хамааран оролтын динамик зургуудын жишиг динамик дүрстэй ижил төстэй байдлын хэмжүүрийг олох үед псевдо-зайны илэрхийлэлийг бүтээдэг.

Үйл явдлыг танихдаа нарийн төвөгтэй үзэгдлийн дүрс бичлэгийг үйл явдлын дүрс бичлэгчин хүртэл сунгасан: Динамик объектын объектоос хамааралтай загвар бүтээгдсэн. Тохирох функцийн хувьд онцлог орон зай дахь хамгийн энгийн ангилагчдыг ашигладаг (жишээлбэл, ^-дундаж аргаар), учир нь харьцуулалт нь өмнө нь тодорхойлсон объекттой холбоотой хязгаарлагдмал загваруудын дагуу хийгддэг. Харааны объектуудын төсөөллийн загваруудыг бүрдүүлэх арга замыг авч үзсэн.

Үйл явдлын видео бичлэгийг Марковын сүлжээн дээр үндэслэсэн болно. Төлөөлөгчдийн идэвхтэй үйлдлийг илрүүлэх арга, түүнчлэн дүр зураг дээрх үйл явдлыг таних үйл явдлын видео бичлэг хийх, огтлох журмыг авч үздэг. Үүний зэрэгцээ, үйл явдал бүрийн хувьд туршилтын жишээн дээр сургагдсан өөрийн загварыг бүтээдэг. Үйл явдлыг илрүүлэх нь Байесийн аргад тулгуурлан дараалсан гүйцэтгэсэн идэвхтэй үйлдлүүдийг кластер болгоход багассан. Рекурсив зүсэлт хийдэг - оролтын видео дараалал дахь жингийн коэффициентүүдийн матриц ба сургалтын үе шатанд олж авсан лавлагаа үйл явдлуудтай харьцуулах. Энэ мэдээлэл нь* үзэгдэлийн төрлийг тодорхойлох, шаардлагатай бол мэдээллийн сан дахь видео дарааллыг индексжүүлэх эх сурвалж юм. Мультимедиа интернет мэдээллийн санд индексжүүлэх зураг, видео материалыг ойлгох, тайлбарлах схемийг боловсруулсан.

Зургаа дахь бүлэгт зургийн дарааллыг боловсруулах, хөдөлж буй объект, үйл явдлыг таних v.l.02 "SPOER" туршилтын програм хангамжийн цогцолборын тайлбарыг үзүүлэв. Энэ нь объект, үйл явдлыг таних хамгийн дээд түвшинд хүртэл зургийн дарааллыг системчилсэн шаталсан боловсруулалтыг гүйцэтгэдэг. Энэ нь график, сүлжээ, ангилагчийг сургах, тааруулахын тулд хүний оролцоо шаарддаг автоматжуулсан систем юм. Хэд хэдэн доод түвшний системийн модулиуд автоматаар ажилладаг.

SPOER програм хангамжийн багц, v.l.02 ашиглан хийсэн туршилтын судалгаанд OTCBVS "07 туршилтын баазаас авсан видео дараалал, хэт улаан туяаны зургийн дараалал, "Гамбургийн такси", "Рубик шоо" туршилтын видео дараалал. "Чимээгүй" болон өөрсдийн видео материалыг ашигласан. Хөдөлгөөнийг тооцоолох таван аргыг туршсан. Видео дарааллын хувьд санал болгож буй арга нь хамгийн үнэн зөв үр дүнг харуулж, бусад аргуудтай харьцуулахад компьютерийн тооцоолол бага шаарддаг. Хурдны векторын модулиудыг олохдоо синхрончлогдсон видео дараалал болон хэт улаан туяаны дарааллыг хослуулан ашиглахыг зөвлөж байна. үзэгдэл багатай гэрэлтүүлгийн нөхцөлд.

Зөвшөөрөгдөх морфологийн проекцын хувиргалт бүхий харааны объектуудыг танихын тулд нөхцөлт зэргэлдээ хүрээнүүд ба 5e нийтлэг хэсгийн талбайн хоорондох объектын проекцын нийтлэг хэсгийн контурын Kc хэлбэрийн нэгдсэн нормчлогдсон тооцоолол ба инвариант тооцоолол - корреляцийн функц. проекцуудын нийтлэг хэсгүүдийн Fcor-ийг ашигласан. Хамтын шийдвэр гаргах өөрчилсөн аргыг ашиглах нь оролтын зургийн амжилтгүй ажиглалтыг (объектуудын давхцсан төсөөлөл, гэрлийн эх үүсвэрээс үзэгдэлийн харааны гажуудал гэх мэт) "хасах" боломжийг олгодог. Хамтын шийдвэр гаргах өөрчилсөн аргыг ашиглах нь хүлээн зөвшөөрөх нарийвчлалыг дунджаар 2.4-2.9% -иар нэмэгдүүлдэг болохыг туршилтууд харуулсан.

Туршилтын онооны хөдөлгөөний үр дүн; сегментчилэл болон объект таних зургуудын туршилтын дараалал дээр авсан ("Гамбургийн такси", "Рубик шоо", "Чимээгүй", видео дараалал болон туршилтын мэдээллийн сангаас хэт улаан туяаны дараалал "OTCBVS * 07"). Хүмүүсийн идэвхтэй үйлдлийг танихын тулд "PETS", "CAVIAR", "VACE" тестийн мэдээллийн сангаас жишээг ашигласан. Хамгийн сайн үр дүнг хоёр дарааллаар таних замаар харуулав. Түүнчлэн, бүлгийн бус хүмүүсийн үе үе идэвхтэй үйлдлүүдийг (алхах, гүйх, гараа өргөх) таних үед туршилтын хамгийн сайн үр дүнд хүрсэн. Хуурамч эерэг байдал нь арын гэрэлтүүлэг, үзэгдлийн хэд хэдэн газарт сүүдэр байгаа зэргээс үүдэлтэй.

"ZROEYA", V. 1.02 туршилтын цогцолборын үндсэн дээр янз бүрийн зорилгоор видео мэдээлэл боловсруулах системийг боловсруулсан: "Олон урсгалтай замын хөдөлгөөнд оролцож буй тээврийн хэрэгслийн улсын дугаарын дүрс бичлэг", "Хөргөгчний хайрцагны загварыг таних систем. зураг", "Ландшафтын зургийг боловсруулах, сегментлэх алгоритмууд . Объектуудыг тодорхойлох". Алгоритм, программ хангамжийг сонирхсон байгууллагуудад шилжүүлсэн. Туршилтын үр дүн нь диссертацийн ажилд санал болгосон загвар, аргуудын үндсэн дээр боловсруулсан програм хангамжийн ажиллах чадварыг харуулсан.

Тиймээс диссертацийн ажилд дараахь үр дүнд хүрсэн болно.

1. Орон зай-цаг хугацааны бүтцийг боловсруулах, хүлээн зөвшөөрөх албан ёсны загваруудыг дасан зохицох шаталсан журамд үндэслэн бүтээдэг. Зураг боловсруулах дараалал нь изоморф ба гомоморф хувиргалтыг харгалзан үзэж, статик ба динамик инвариантуудын ерөнхий функцийг гаргаж авдагаараа ялгаатай. Объектуудын статик болон динамик шинж чанарыг хайх загваруудыг мөн үзэгдэлд хөдөлгөөнт1 видео мэдрэгч болон хөдөлж буй объектуудаас хамааран зургийн дарааллыг шинжлэх дөрвөн даалгаварт зориулж бүтээсэн.

2. Зургийн дарааллыг таних тодорхойлолтын аргын үндсэн заалтуудыг өргөжүүлсэн бөгөөд энэ нь зургийн дарааллыг боловсруулах эхний үе шатанд таних зорилгыг харгалзан үзэх, дараа нь сонирхож буй хэсгүүдийг сегментчлэх, хөдөлгөөний траекторийг бий болгох, зан төлөвийг таних боломжийг олгодог. динамик объектууд, тэдгээрийн төсөөллийг давахдаа объектын хөдөлгөөний түүхийг харгалзан үзэх, ажиглалтын объектуудын хувьсах тоог дагалддаг.

3. Гурван түвшин, таван үе шатаас бүрдэх, объектын төсөөллийг хэвийн болгохыг багтаасан орон зай-цаг хугацааны бүтцийг боловсруулах, таних шаталсан аргыг боловсруулсан бөгөөд энэ нь нарийн төвөгтэй динамик объектуудыг танихдаа нэг ангиллын стандартын тоог багасгах боломжийг олгодог. .

4. Цахилгаан соронзон цацрагийн үзэгдэх ба хэт улаан туяаны хүрээн дэх зургуудын дарааллын хөдөлгөөнийг тооцоолох аргыг боловсруулсан бөгөөд энэ нь 3£> бүтцийн тензор ба bB тензор хэлбэрээр үзүүлсэн орон зай-цаг хугацааны өгөгдлийн багцыг ашигладгаараа ялгаатай. урсгал, тус тус. Үүссэн хөдөлгөөний тооцоо нь хүчинтэй төсөөллийн тоогоор ялгаатай динамик харааны объектуудыг сегментчлэх хамгийн үр дүнтэй аргыг сонгох боломжийг танд олгоно.

5. Орон нутгийн хурдны векторууд дээр суурилсан зургийн мужуудын олон түвшний хөдөлгөөний загварыг бүтээсэн бөгөөд энэ нь үзэгдлийг зөвхөн урд болон арын объектуудад хуваах төдийгүй ажиглагчаас алслагдсан объектуудын хөдөлгөөний түвшинд хуваах боломжийг олгодог гэдгээрээ ялгаатай юм. Энэ нь ялангуяа үзэгдэл дэх бүх объект харьцангуй хөдөлгөөнтэй байх үед хөдөлгөөнт видео мэдрэгчээр бичигдсэн нарийн төвөгтэй үзэгдлүүдийн хувьд үнэн юм.

6. Динамик объектуудын дасан зохицох сегментчлэлийн алгоритмыг боловсруулсан: a) орон нутгийн динамик бүсүүдийн хөдөлгөөний түүхийн дүн шинжилгээнд үндэслэн хязгаарлагдмал тооны проекц бүхий объектын хувьд зураг давхцах үед тэдгээрийн хэлбэр өөрчлөгддөг. бүс нутаг нь одоогийн загварын дагуу хийгдсэн бөгөөд Калман шүүлтүүрийг хэрэглэснээр одоогийн, замналыг урьдчилан таамаглах болно; б) нийлмэл дүн шинжилгээ, өнгө, бүтэц, статистик, топологийн шинж чанар, хөдөлгөөний шинж чанарт суурилсан дурын тооны проекц бүхий объектын хувьд зураг давхцах үед идэвхтэй контурын аргыг ашиглан бүсийн хэлбэрийг дуусгадаг.

7. Доод түвшний нийлмэл шинж чанарыг цаг хугацааны хувьд тогтвортой орон нутгийн орон зайн бүтэц, дараа нь орон нутгийн орон зайн объект болгон шаталсан бүлэглэх аргыг ашиглан нийлмэл үзэгдлийн динамик видеог бүтээх аргыг санал болгож байна. Үүсгэсэн видеограф нь объектуудын хооронд цаг хугацааны харилцаа холбоо тогтоож, үзэгдэл дэх үйл явдлыг таних бүх ерөнхий шинж чанарыг хадгалдаг. M.I-ийн хоёр хэмжээст дүрэм. Шлезингер гурван түвшний контекст дүрмийн бүтцийн таних аргын хүрээнд.

8: Динамик объектуудыг танихын тулд хамтын шийдвэр гаргах аргыг өөрчилж, эхлээд зураг нь чадамжийн бүсэд хамаарахыг хүлээн зөвшөөрч, дараа нь тухайн бүс нутагт хамгийн их чадамжтай шийдвэр гаргах дүрмийг сонгоно. Динамик шинж чанаруудын дүрслэлээс хамааран оролтын динамик зураг ба стандартуудын ижил төстэй байдлын хэмжүүрийг олохын тулд дөрвөн төрлийн псевдо-зайг бүтээдэг.

9. Оролтын видео дараалал дахь жингийн коэффициентийн матрицыг рекурсив огтлох, сургалтын үе шатанд олж авсан жишиг үйл явдлуудтай харьцуулах Bayesian сүлжээнд суурилсан үйл явдлыг таних аргыг боловсруулсан. Энэхүү мэдээлэл нь үзэгдлийн төрлийг тодорхойлох, мультимедиа интернет мэдээллийн сан дахь видео дарааллыг индексжүүлэх эх сурвалж юм.

10. Зургийн дарааллыг боловсруулах, таних практик асуудлуудыг орон зай-цаг хугацааны боловсруулалтын дасан зохицох шаталсан аргыг ашиглан шийдэж, аргын үр ашгийг харуулсан, шаталсан боловсруулалтын аргын системийн үр нөлөөг харуулсан гэх мэт. онцлог шинж чанарыг дасан зохицох сонголт хийх боломжтой харааны мэдээллийг хүлээн зөвшөөрөх c. асуудлыг шийдвэрлэх үйл явц. Туршилтын системийг зохион бүтээсэн хэлбэрээр олж авсан үр дүнг сонирхсон байгууллагуудад шилжүүлэв.

Ийнхүү энэхүү диссертацийн ажилд видео тандалтын системийн мэдээллийн дэмжлэг үзүүлэх шинжлэх ухаан, техникийн чухал асуудлыг шийдэж, орон зай-цаг хугацааны боловсруулалт, динамик дүрсийг таних чиглэлээр шинэ чиглэлийг боловсруулжээ.

Диссертацийн судалгааны эх сурвалжуудын жагсаалт Техникийн шинжлэх ухааны доктор Фаворская, Маргарита Николаевна, 2011 он

1. Нарийн төвөгтэй зургуудын автомат шинжилгээ / Ed. EM. Хөхний даруулга-вермана. М.: Мир, 1969. - 309 х. Бонгард М.М. Хүлээн зөвшөөрөх асуудал. - М.: Наука, 1967.-320 х.

2. Алпатов, Б.А., Тухайн объектын талбайн хэмжээ, хурдны хязгаарлалттай үед дүрсний дарааллаар хөдөлж буй объектыг илрүүлэх / Б.А. Алпатов, А.А. Китаев // Дижитал зураг боловсруулах, №1, 2007. х. 11-16.

3. Алпатов, Б.А., Геометрийн дүрсний гажуудлын нөхцөлд хөдөлж буй объектыг сонгох / B.A. Алпатов, П.В. Бабаян // Дижитал дохио боловсруулах, No 45 2004. х. 9-14.

4. Алпатов, Б.А., Бабаян П.В. Объектуудыг илрүүлэх, хянах самбар дээрх систем дэх дүрсийг боловсруулах, шинжлэх арга" / Б.А. Алпатов, П.В. Бабаян // Дижитал дохио боловсруулах, № 2, 2006. 45-51 х.

5. Болшаков, А.А., Олон хувьсах өгөгдөл, цаг хугацааны цуваа боловсруулах арга: Их дээд сургуулиудад зориулсан сурах бичиг / А.А. Большаков, Р.И. Каримов / М.: Шуурхай утас-Телеком, 2007. 522 х.6: Бонгард, М.М. Хүлээн зөвшөөрөх асуудал / M.M. Бонгард / М.: Наука, 1967.-320 х.

6. Булинский, А.Б. Санамсаргүй үйл явцын онол1 / A.V. Булинский, A.N. Ширяев / М.: ФИЗМАТЛИТ, 2005. 408 х.

7. Weinzweig, M.N. Үзэл баримтлалын хувьд харааны динамик үзэгдлийн дүрслэлийн системийн архитектур / М.Н.Вайнтсвайг, М.Н. Поляков // Бямба. tr. Бүх Оросын 11. conf. "Загвар таних математик аргууд (MMRO-11)", М., 2003. 261-263 тал.

8. Вапник, В.Н. Загвар таних чадварыг сурах даалгавар / V.N. Вапник / М .: Мэдлэг, 1970. - 384 х.

9. П.Вапник, В.Н. Загварыг таних онол (Сургалтын статистикийн асуудлууд) / V.N. Вапник, А.Я. Червоненкис / М.: Наука, 1974. 416 х.

10. Васильев, В.И. Хөдөлгөөнт биеийг таних / V.I. Васильев, А.Г. Ивахненко, В.Е. Reutsky болон бусад // Автоматжуулалт, 1967, No 6, х. 47-52.

11. Васильев, В.И. Системийг таних / V.I. Васильев / Киев: Наук. Думка, 1969. 292 х.

12. Васильев, В.И. Системийг таних. Лавлах / V.I. Васильев / Киев, Наук, Думка, 1983. 422 х.

13. Визилтер, Ю.В. Машины харааны асуудалд морфологийн нотолгоог шинжлэх аргыг ашиглах нь>/ Ю.В. Визилтер // Компьютер ба мэдээллийн технологийн товхимол, № 9, 2007 х. 11-18.

14. Визилтер, Ю.В. Интерполяцид суурилсан проекцийн морфологи / Ю.В. Визилтер // Компьютер ба мэдээллийн технологийн товхимол, № 4, 2008.-х. 11-18.

15. Визилтер, Ю.В., Проекктив морфологи ба тэдгээрийн дижитал зургийн бүтцийн шинжилгээнд хэрэглэх арга / Ю.В. Визилтер, С.Ю. Желтов // Изв. РАН. TiSU, No6, 2008. х. 113-128.

16. Визилтер, Ю.В. Дижитал видео дараалал дээрх хөдөлгөөнийг илрүүлэх, шинжлэх асуудалд авторегресс шүүлтүүрийн зан үйлийн судалгаа / Ю.В. Визилтер, B.V. Вишняков // Компьютер ба мэдээллийн технологийн товхимол, № 8, 2008. - х. 2-8.

17. Визилтер, Ю.В. Бүтцийн функцээр тодорхойлсон загварт суурилсан проекктив дүрсийн морфологи /Ю.В. Визилтер, С.Ю. Желтов // Компьютер ба мэдээллийн технологийн товхимол, № 11, 2009.-х. 12-21.

18. Вишняков, Б.В. Хөдөлгөөнийг илрүүлэх, фрэйм хоорондын хянах асуудалд оптик урсгалын өөрчилсөн аргыг ашиглах.

19. Ганебных, С.Н. Зургийн модны дүрслэлийг ашиглахад үндэслэсэн үзэгдлийн шинжилгээ / S.N. Ganebnykh, M.M. Ланге // Бямба. tr. Бүх Оросын 11. conf. "Загвар таних математик аргууд (MMRO-11)", М., 2003.-х. 271-275.

20. Глушков, В.М. Кибернетикийн танилцуулга / V.M. Глушков / Киев: Украины ЗХУ-ын Шинжлэх ухааны академийн хэвлэлийн газар, 1964. 324 х.

21. Гонзалес, Р., Вудс Р. Дижитал дүрс боловсруулах. Англи хэлнээс орчуулга. ed. П.А.Чочиа / Р.Гонзалес, Р.Вудс / М.: Техносфера, 2006. 1072 х.

22. Goroshkin, A.N., Гар бичмэлийн текстийн зургийн сегментчилэл (SegPic) / A.N. Горошкин, М.Н. Фаворская // Сертификат No 2008614243. Компьютерийн программуудын бүртгэлд бүртгэгдсэн, Москва, 2008 оны 9-р сарын 5.

23. Гренандер, В. Дүрсийн онолын лекцүүд / В. Гренандер / 3 боть / Англи хэлнээс орчуулсан. Эд. Журавлева Ю.И. Москва: Мир, 1979-1983 он. 130 с.

24. Грузман, И.С. Мэдээллийн систем дэх дижитал дүрс боловсруулах: Сурах бичиг. Тэтгэмж / I.S. Gruzman, B.C. Киричук, В.П. Косых, Г.И.Перетягин, А.А. Спектор / Новосибирск, NSTU хэвлэлийн газар, 2003. х. 352.

25. Ухаалаг систем дэх найдвартай, үнэмшилтэй дүгнэлт, Ed. В.Н. Үтрээ, Д.А. Поспелов. 2-р хэвлэл, Илч. болон нэмэлт - М.: ФИЗМАТЛИТ, 2008. - 712 х.

26. Дуда, Р. Загварыг таних, үзэгдэлд дүн шинжилгээ хийх / Р.Дуда, П.Харт / М.: Мир хэвлэлийн газар, 1978. 512 х.

27. Журавлев Ю.И. Таних, ангилах асуудлыг шийдвэрлэх алгебрийн аргын тухай / Ю.И. Журавлев // Кибернетикийн асуудлууд: Бямба. ст., асуудал. 33, М.: Наука, 1978. х. 5-68.

28. Журавлев Ю.И. Мэдээлэл боловсруулах (хувиргах) процедурын алгебрийн засварын тухай / Ю.И. Журавлев, К.В. Рудаков // Хэрэглээний математик, мэдээлэл зүйн асуудлууд, М.: Наука, 1987. х. 187-198.

29. Журавлев Ю.И. Загвар таних, дүрсийг таних / Ю.И. Журавлев, И.Б. Гуревич // Жилийн ном "Хүлээн зөвшөөрөх. Ангилал. Урьдчилан таамаглах. Математикийн арга, тэдгээрийн хэрэглээ”, боть. 2, М.: Наука, 1989.-72 х.

30. Журавлев Ю.И. Загвар таних ба дүрсний шинжилгээ / Ю.И.Журавлев, И.Б. Гуревич / Хиймэл оюун ухаан 3 номонд. Ном. 2. Загвар, арга: Гарын авлага / Ред. ТИЙМ. Поспелова, М .: "Радио ба харилцаа холбоо" хэвлэлийн газар, 1990. - 149-190 хуудас.

31. Загоруйко, Н.Г. Таних аргууд ба тэдгээрийн хэрэглээ / Н.Г. За-горуйко / М.: Сов. радио, 1972. 206 х.

32. Загоруйко, Н.Г. Хиймэл оюун ухаан ба эмпирик таамаглал / N.G. Загоруйко / Новосибирск: ред. NSU, 1975. 82 х.

33. Ивахненко А.Г. Инвариант ба хосолсон хяналтын онолыг сургалтын системийн синтез, дүн шинжилгээнд ашиглах тухай / A.G. Ивахненко // Автоматжуулалт, 1961, No 5, х. 11-19.

34. Ивахненко, Г.И. Өөрийгөө суралцах таних ба автомат удирдлагын системүүд / A.G. Ивахненко / Киев: Техника, 1969. 302 х.

35. Кашкин, В.Б. Дэлхийг сансар огторгуйгаас зайнаас тандан судлах. Дижитал зураг боловсруулах: Сурах бичиг / В.Б. Кашкин, А.И. Су-хинин / Москва: Логос, 2001. 264 х.

36. Кобзар, А.И. Хэрэглээний математик статистик. Инженер, эрдэмтдийн хувьд / A.I. Кобзар / М .: FIZMATLIT, 2006. 816 х.

37. Ковалевский, В.А. Зургийг таних корреляцийн арга / V.A. Ковалевский // Журн. Тооцоолох. Математик ба математик физик, 1962, 2, дугаар 4, х. 684-690.

38. Колмогоров, А.Н.: Функцийн орон зай дахь олонлогуудын эпсилон-энтропи ба эпсилон-чадавхи / A.N. Колмогоров, В.М. Тихомиров // Мэдээллийн онол ба алгоритмын онол. М.: Наука, 1987. х. 119-198.

39. Корн, Г. Эрдэмтэд, инженерүүдэд зориулсан математикийн гарын авлага / G.Korn, T. Korn // М.: Наука, Ч. ed. Физик-Математик. lit., 1984. 832 х.

40. Kronover, R. Динамик систем дэх фрактал ба эмх замбараагүй байдал / R. Kronover // М.: Техносфера, 2006. 488 х.

41. Лапко, А.Б. Гетероген өгөгдлийн параметрийн бус* ба эрлийз ангиллын системүүд / A.V. Lapko, BlA. Лапко // Тр. 12 дахь Бүх Оросын. conf. "Загвар таних математик арга ба загварууд" (MMRO-12), М., 2005.-х. 159-162.

42. Левтин, К.Е. Харааны утаа илрүүлэх (SmokeDetection) / K.E. Levtin, M.N. Фаворская // Гэрчилгээ No 2009612795. Компьютерийн программуудын бүртгэлд бүртгэгдсэн, Москва, 2009 оны 7-р сарын 3.

43. Луцив, В.Р. Роботуудын оптик системийг нэгтгэх зарчим / V.R. Луцив, М.Н. Фаворская // V-ном. "Үйлдвэрлэлийн роботуудын нэгдэл ба стандартчилал", Ташкент, 1984. х. 93-94.

44. Луцив, В.Р. HAP / V.R.-д зориулсан бүх нийтийн оптик систем. Луцив, М.Н. Фаворская // Номонд. "Холбоо, аж ахуйн нэгжүүдэд үйл явцын хяналтын системийг бий болгох, хэрэгжүүлэх, ашиглах туршлага", Л., LDNTP, 1984. х. 44-47.

45. Медведева, Е.В. Видео дүрс дэх хөдөлгөөний векторыг тооцоолох арга / Е.В.Медведева, Б.О. Тимофеев // Олон улсын 12-р бага хурал, үзэсгэлэнгийн материалд "Дижитал дохионы боловсруулалт ба түүний хэрэглээ", М.: V 2 боть T. 2, 2010. х. 158-161.

46. Компьютерийн дүрс боловсруулах арга / Ed. В.А.Сойфер. 2-р хэвлэл, Испани. - М.: ФИЗМАТЛИТ, 2003. - 784 х.

47. Объектыг автоматаар илрүүлэх, хянах арга. Зургийн боловсруулалт ба хяналт / B.A. Alpatov, P.V. Бабаян, О.Э. Балашов, А.И. Степашкин. -М.: Радио инженерчлэл, 2008. - 176 х.

48. Компьютерийн оптикийн аргууд / Ed. В.А.Сойфер. М.: ФИЗМАТЛИТ, 2003. - 688 х.

49. Мудров, А.Е. BASIC, Fortran, Pascal хэл дээрх PC-д зориулсан тоон аргууд / A.E. Мудров / Томск: MP "RASKO", 1991. 272 х.

50. Пахирка, А.И. Нүүрний нутагшуулалт (FaceDetection) / A.I. Pakhirka, M.N. Фаворская // Гэрчилгээ No 2009611010. Компьютерийн программуудын бүртгэлд бүртгэгдсэн, Москва, 2009 оны 2-р сарын 16.

51. Пахирка, А.И. Шугаман бус дүрсийг сайжруулах / A.I. Pakhirka, M.N. Фаворская // Гэрчилгээ No 2010610658. Компьютерийн программуудын бүртгэлд бүртгэгдсэн, Москва, 2010 оны 3-р сарын 31.

52. Понтрягин L. S. Тасралтгүй бүлгүүд J L. S. Понтрягин // 4-р хэвлэл, М.: Наука, 1984.-520 х.

53. Потапов, А.А. Радиофизик ба радар дахь фракталууд: дээж авах топологи / A.A. Потапов // Ed. 2, шинэчилсэн. болон нэмэлт - М.: Университетская книга, 2005. 848 х.

54. Радченко Ю.С. "Видео дарааллын өөрчлөлтийг" илрүүлэх спектрийн алгоритмыг судлах / Ю.С.Радченко, А.В.Булыгин, Т.А.Радченко // Изв.

55. Сальников, I.I. Зургийн шинжилгээний систем дэх растер орон зай-цаг хугацааны дохио / I.I. Сальников // М.: FIZMATLIT, 2009. -248 х.

56. Сергунин, С.Ю. Зургийн олон түвшний тайлбарыг динамик барих схем / С.Ю.Сергунин, К.М.Квашнин, М.И. Кумсков // Бямба. tr. Бүх Оросын 11. conf: "Загвар таних математикийн аргууд (MMRO-11)", М., 2003. х. 436-439:

57. Слинко Ю.В. Хамгийн их магадлалын аргаар нэгэн зэрэг хянах, контур хийх асуудлыг шийдвэрлэх / Ю.В. Слинко // Дижитал дохио боловсруулах, № 4, 2008. х. 7-10

58. Солсо, Р. Танин мэдэхүйн сэтгэл судлал / Р. Солсо / Санкт-Петербург: Петр, 6-р хэвлэл, 2006. 590 х.

59. Тарасов, И.Е. VHDL хэлийг ашиглан Xi-linx FPGA дээр суурилсан дижитал төхөөрөмжийг хөгжүүлэх / I.E. Тарасов / М.: Шуурхай утас-Телеком, 2005. - 252 х.

60. Фаворская, М.Н. Дасан зохицох роботын систем дэх тоон дүрсийг таних алгоритмыг боловсруулах / M.N*. Фаворская // Л!, Ленинградын нисэхийн дээд сургууль. Instrumentation, 1985. Гар бичмэлийн хадгаламж: VINITI-д 23.01.85. № 659-85 Деп.

61. Фаворская; М.Н. Дасан зохицох роботын цогцолбор дахь зургийг хэвийн болгох, таних спектрийн аргуудыг ашиглах нь / M.N. * Фаворская // Л., Ленинградский, in-t aviation. priborostr., 1985. Гар бичмэл дэп. 1985 оны 1-р сарын 23-нд VINITI дээр. № 660-85 Деп.

62. Фаворская, М.Н. Үйлдвэрлэлийн маркийн объектыг таних алгоритмыг боловсруулах туршлага / M.N. Фаворская // Номонд. "GPS, RTK, PR дээр суурилсан нэгдсэн автоматжуулалтын ажлын төлөв байдал, туршлага, чиглэл", Пенза, 1985. х. 64-66.

63. Фаворская, М.Н. Объектуудын бүлгүүдийн проекцийн шинж чанарыг судлах / M.N. Фаворская, Ю.Б. Козлова // Сибирийн улсын сансар судлалын их сургуулийн мэдээллийн товхимол. Асуудал. 3, Красноярск, 2002. - х. 99-105.

64. Фаворская, М.Н. Объектын аффины бүтцийг хөдөлгөөнөөр тодорхойлох / M.N. Фаворская // Сибирийн улсын сансар судлалын их сургуулийн мэдээллийн товхимол. 6, Красноярск, 2005. - х. 86-89.

65. Фаворская- М.Н. Дүрс таних хандлагын ерөнхий ангилал / М-.Н. Фаворская // В< материалах X междунар. научн. конф. «Решетневские чтения» СибГАУ, Красноярск, 2006. с. 54-55.

66. Фаворская М.Н. Статик дүрсийг таних асуудлууд дахь хувьсах шийдвэрийн функцууд / M.N. Фаворская // Сибирийн улсын сансар судлалын их сургуулийн мэдээллийн товхимол. Асуудал. 1 (14), Красноярск, 2007. х. 65-70.

67. Фаворская, М.Н. Алга болсон өгөгдөлтэй холбоотой асуудал болох видео урсгалыг сегментчлэх магадлалын аргууд / M.N. Фаворская // Сибирийн улсын сансар судлалын их сургуулийн мэдээллийн товхимол. Асуудал. 3 (16), Красноярск, 2007. х. 4-8.

68. Фаворская, М.Н. Зураг таних систем дэх зорилтот мэдээллийн шинж чанарыг сонгох / M.N. Фаворская // XI Интер-Дунарын материалд. шинжлэх ухааны conf. "Решетневийн уншлага" СибГАУ, Красноярск, 2007 х. 306-307.

69. Фаворская, М.Н. Хоёр хэмжээст дүрсийг сегментчлэх стратеги / M.N. Фаворская // Бүх Оросын эрдэм шинжилгээний бага хурлын материалд "Зураг боловсруулах загвар ба аргууд MMOI-2007", Красноярск, 2007. х. 136-140.

70. Фаворская, М.Н. Фрактал хандлагад суурилсан ландшафтын зургийг сегментчилэл / M.N. Фаворская // Олон улсын 10-р бага хурал, үзэсгэлэнгийн материалд "Дижитал дохио боловсруулах ба түүний хэрэглээ", М., 2008. х. 498-501.

71. Фаворская, М.Н. Гараар бичсэн текст дүрсийг таних загвар / М.Н. Фаворская, А.Н. Горошкин // Сибирийн улсын сансар судлалын их сургуулийн мэдээллийн товхимол. Асуудал. 2" (19), Красноярск, 2008. хуудас 52-58.

72. Фаворская, М.Н. Видео тандалтын систем дэх хөдөлгөөний тооцоог хэрэгжүүлэх алгоритмууд / M.N. Фаворская, А.С. Шилов // Удирдлагын систем ба мэдээллийн технологи. Нарийвчилсан судалгаа / IPU RAS; VSTU, No 3.3(33), M.-Voronezh, 2008. х. 408^12.

73. Фаворская, М.Н. Нарийн төвөгтэй үзэгдэлд объектыг танихад албан ёсны дүрмийг ашиглах асуултын талаар // M.N. Фаворская / Олон улсын эрдэм шинжилгээний XIII бага хурлын материалд. "Решетневийн уншлага". 2 цаг 4.2, Красноярск, 2009. х. 540-541.

74. Фаворская, М.Н. Урьдчилан таамаглах шүүлтүүр дээр суурилсан динамик хэв маягийг таних / M.N. Фаворская // Сибирийн улсын сансар судлалын их сургуулийн мэдээллийн товхимол. Асуудал. 1(22) 2 цагт 4f. 1, Красноярск, 20091 х. 64-68.

75. Фаворская, М.Н., Арга, видео дараалалд хөдөлгөөн хайх / M.N. Фаворская, А.И. Пахирка, А.С. Шилов; М.В. Дамов // Мэдээлэл. Сибирийн улсын сансар судлалын их сургууль. Асуудал. 1 (22) 2 цаг. 2-р хэсэг, Красноярск, 2009. х. 69-74.

76. Фаворская, М.Н. Орон нутгийн 3D бүтцийн тензор ашиглан хөдөлж буй видео объектуудыг хайх / M.N. Фаворская // Сибирийн улсын сансар судлалын их сургуулийн мэдээллийн товхимол. Асуудал. 2 (23), Красноярск, 2009. х. 141-146.

77. Фаворская, М.Н. Тензорын хандлагад үндэслэн нарийн төвөгтэй үзэгдэл дэх объектын хөдөлгөөнийг үнэлэх / M.N. Фаворская // Дижитал дохио боловсруулах, №1, 2010.-х. 2-9.

78. Фаворская, М.Н. Ландшафтын зургийн шинж чанарын нарийн төвөгтэй тооцоо / M.N. Фаворская, Н.Ю. Петухов // Оптик сэтгүүл, 77, 8, 2010.-х. 54-60.

79. Fine, B.C. Зураг таних / Б.С. Нарийн // М.: Наука, 1970.-284 х.

80. Forsythe, D.A. Компьютерийн хараа. Орчин үеийн хандлага / Д.А. Форсит, Ж.Понс // М.: Уильямс хэвлэлийн газар, 2004. 928 х.

81. Фу, К. Загвар таних, машин сурахад чиглэсэн дараалсан аргууд / К.Фу / М.: Наука, 1971. 320 х.

82. Фу, К. Загвар таних бүтцийн аргууд / К.Фу / М.: Мир, 1977.-320 х.

83. Фукунага, К. Загвар таних статистикийн онолын танилцуулга / К.Фукунага / М.: Наука, 1979. 368 х.

84. Шелухин, О.И. Өөртэйгөө төстэй байдал ба фракталууд. Харилцаа холбооны програмууд / O.I. Шелухин, A.V. Осин, С.М. Смольский / Ред. О.И. Шелухин. М.: ФИЗМАТЛИТ, 2008. 368 х.

85. Шилов, А.С. Хөдөлгөөний тодорхойлолт (MotionEstimation) / A.S. Шилов, М.Н. Фаворская // Сертификат No 2009611014. Компьютерийн программуудын бүртгэлд бүртгэгдсэн, Москва, 2009 оны 2-р сарын 16.

86. Ш.Шлезингер, М.И. Зургийн дарааллыг таних корреляцийн арга / M.I. Schlesinger / Номонд: Унших машинууд. Киев: Наук.думка, 1965. х. 62-70.

87. Schlesinger, M.I. Хөндлөнгийн нөлөөн дор хоёр хэмжээст харааны дохионы синтаксийн шинжилгээ / M.I. Шлесингер // Кибернетик, № 4, 1976. - 76-82 х.

88. Старк, Г.-Г. DSP / G.-G-д зориулсан долгионы хэрэглээ. Штарк / Мл: Техносфер, 2007. 192 х.

89. Shup, T. Физик ба технологийн хэрэглээний тоон аргууд: Пер. англи хэлнээс. / Т.Шуп / Ред. С.П.Меркуриев; М .: Илүү өндөр. Сургууль, 19901 - 255 х.11 "5. Цахилгаан, эх сурвалж: http://www.cse.ohio-state.edu/otcbvs-bench

90. Electr, resource: http://www.textures.forrest.cz/ цахим нөөц (бүтэц зургийн суурь бүтэцтэй номын сангийн forrest).

91. Electr, resource: http://www.ux.uis.no/~tranden/brodatz.html цахим нөөц (Brodatz texture image database).

92. Allili M.S., Ziou D. Бүс нутаг, хил хязгаар, хэлбэрийн мэдээллийг ашиглан видео объектыг хянах идэвхтэй контурууд // SIViP, Vol. 1, үгүй. 2, 2007. хуудас. 101-117.

93. Almeida J., Minetto R., Almeida T.A., Da S. Torres R., Leite N.J. Оптик урсгалын загвар ашиглан камерын хөдөлгөөний найдвартай тооцоо // Лекцийн тэмдэглэл

94. Компьютерийн шинжлэх ухаан (Хиймэл оюун ухаан дахь лекцийн тэмдэглэл, биоинформатикийн лекцийн тэмдэглэлийг оруулаад) 5875 LNCS (1-р ХЭСЭГ), 2009. pp. 435-446.

95. Ballan L., Bertini M., Bimbo A. D., Serra G. String Kernels ашиглан видео үйл явдлын ангилал // Multimed. Tools Appl., Vol. 48, үгүй. 1, 2009. хуудас. 6987.

96. Ballan L. Bertini M. Del Bimbo A., Serra G. Хөлбөмбөгийн видеонуудад мөрийн цөм ашиглан хийсэн үйлдлийн ангилал // In: Proc. IEEE Int "l Content-Based Multimedia Indexing (CBMI) семинар. Чаниа, Крит, 2009. 13-18 хуудас.

97. Barnard K., Fan Q. F., Swaminathan R., Hoogs A., Collins R, Rondot P., and Kaufhold J. Evaluation of localized semantics: Data, methodology, and experiments // International Journal of Computer Vision, IJCV 2008, Боть. 77, үгүй. 1-3,2008.-хх. 199-217.

98. Бертини М., Дел Бимбо А., Серра Г. Семантик видео үйл явдлын тайлбарт суралцах дүрэм // Компьютерийн шинжлэх ухааны лекцийн тэмдэглэл; Үүнд: Proc. of Int "l Conference on Visual Information Systems (VISUAL), Vol. 5188, 2008. pp. 192-203.

99. Bobick A.F., Davis J.W. Түр зуурын загваруудыг ашиглан хүний хөдөлгөөнийг таних нь // IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 23, үгүй. 3, 2001.х. 257-267.

100. Бойман О., Ираны М. Зураг болон видеон дээрх зөрчлийг илрүүлэх нь // Компьютерийн харааны олон улсын сэтгүүл, боть. 74, үгүй. 1, 2007. хуудас. 17-31.

101. Брессон X., Вандергейнст П., Тиран Ж.-П. A Variational Model for Object Segmentation for Boundary Information and Shape Prior Driven4 by the Mumford-Shah Functional // International Journal of Computer Vision, боть. 68, үгүй. 2, 2006.-х. 145-162.

102. Cavallaro A., Salvador E., Ebrahimi T. Сүүдэрт суурилсан объектод суурилсан видео боловсруулалт // IEEE Vision; Зураг ба дохионы боловсруулалт, боть. 152, үгүй. 4, 2005.-х. 14-22.

103. Чен Ж., Е Ж. Тодорхой бус цөмтэй SVM-г сургах // In: Proc. Машин сургалтын 25 дахь олон улсын бага хурлын (ICML), Vol. 307, 2008. х. 136-143.

104. Cheung S.-M., Moon Y.-S. Түр зуурын эрчмийн хэв маягийг ашиглан алсын зайнаас явган зорчигчид ойртож байгааг илрүүлэх нь // MVA2009, Vol. 10, үгүй. 5, 2009.-х. 354-357.

105. Далай Н., Триггс Б., Шмид Г. Урсгал ба харагдах байдлын чиг баримжаатай гистограмм ашиглан хүний илрүүлэлт // In ECCV, vol. II, 2006. х. 428^141.

106. Dalai N., Triggs B. Histograms of Oriented Gradients for Human Detection // IEEE Conference on Computer Vision and Pattern Recognition (CVPR), боть. II, 2005-х. 886-893.

107. Дани А.П., Диксон В.Э. Нэг камерын бүтэц, хөдөлгөөний тооцоо // Хяналт ба мэдээллийн шинжлэх ухааны лекцийн тэмдэглэл, 401, 2010. х. 209-229.

108. Datta Ri, Joshi D;, Li J., and Wang J. Z1 Image retrieval: Ideas, effects, and trends of new age // ACM"-Computing Surveys, Vol. 40:, no: 2, 2008. ■ -х. 1-60.

109. Dikbas S., Arici T., Altunbasak Y. Fast motion estimation with interpolation-free sub-sempple accuracy // IEEE Transactions on Circuits and Systems for Video Technology 20(7), 2010. -pp. 1047-1051.

110. Dollar P., Rabaud V., Cottrell G., Belongie S. Sparse spatio-timeporal features via Behavior recognition // In: Proc. Хяналт ба тандалтын үнэлгээний IEEE олон улсын 2-р нэгдсэн семинар, VS-PETS, 2005. х. 65-72.

111. Donatini P. and Frosini P. Хаалттай гадаргуугийн хоорондох байгалийн псевдодистанцууд // Европын Математикийн Нийгэмлэгийн сэтгүүл, Боть. 9, үгүй. 2, 2007 х. 231-253.

112. Донатини П. ба Фросини П. Хаалттай муруй хоорондын байгалийн псевдодистанцууд // Форум Математик, Боть. 21, үгүй. 6, 2009. хуудас. 981-999.

113. Эбадуллахи С., Л., X., Чанг С.Ф., Смит Ж.Р. Олон хэмжээст үзэл баримтлалын динамик ашиглан харааны үйл явдлыг илрүүлэх // In: Proc. of IEEE Int "l Conference on Multimedia and Expo (ICME), 2006. 239-248 хуудас.

114. Favorskaya M., Zotin A., Danilin I., Smolentcheva S. Байгалийн нөлөө бүхий ойн өсөлтийн бодитой 3D загварчлал // II KES олон улсын симпозиум IDT 2010, Балтимор. АНУ. Спрингер-Верлаг, Берлин, Хайдельберг. 2010.-хх. 191-199.

115. Франсуа А.Р.Ж., Неватиа Р., Хоббс Ж.Р., Боллес Р.К. VERL: Видео үйл явдлыг дүрслэх, тэмдэглэх онтологийн хүрээ // IEEE Мультимедиа, Боть: 12; үгүй. 4, 2005. хуудас. 76-86.

116. Гао Ж., Косака А:, Как А.С. Эмх замбараагүй орчин дахь хүний дүрсэлсэн объектуудын видеог хянах олон Калман шүүлтүүрийн арга // IEEE Computer Vision and Image Understanding, 2005, V. 1, № 1. хуудас 1-57.

117 Gui L., Thiran J.-P., Paragios N. Зургийн дараалал дахь хамтарсан объектын сегментчилэл ба зан үйлийн ангилал // IEEE Conf. Компьютерийн хараа ба хэв маягийг таних тухай, 2007 оны 6-р сарын 17-22. х. 1-8.

118. Haasdonk B. Тодорхойгүй цөмтэй SVM-ийн онцлог орон зайн тайлбар // Pattern Analysis and Machine Intelligence дээр IEEE Transactions. Боть. 27, үгүй. 4, 2005. хуудас. 482-492.

119. Harris C. and Stephens M. Булангийн болон ирмэгийн хосолсон илрүүлэгч // Alvey Vision 4-р бага хуралд, Манчестер, Их Британи, 1988. х. 147-151.

120. Haubold A., Naphade M. 4 хэмжээст-цаг хугацааны шахагдсан хөдөлгөөний онцлогуудыг ашиглан видео үйл явдлын ангилал // In CIVR "07: Proceedings of the6th ACM international confcrcnce on Image and video retrieval, NY, USA, 2007. -pp. 178-185.

121. Haykin S. Neural Networks: A Comprehensive Introduction. / N.Y.: Prentice-Hall, 1999; .- 658 пи.

122. Hoynck M., Unger M., Wellhausen J. and Ohm J.-R. Агуулгад суурилсан видео шинжилгээнд зориулсан дэлхийн хөдөлгөөнийг тооцоолох найдвартай хандлага // Proceedings of SPIE Vol. 5601, Bellingham, WA, 2004. хуудас. 36-45.

123. Хуан К., Жао Д., Ма С., Гао В., Сун Х. Шаталсан хөдөлгөөний шинжилгээг ашиглан харилцан уялдаа холбоогүй болгох // Видео технологийн хэлхээ ба систем дээрх IEEE гүйлгээ 20(5), 2010. х. 673-686.

124. Jackins C.L., Tanimoto S.L. Дөрвөн мод, 10-р мод ба К-мод: Евклидийн орон зайн рекурсив задралын ерөнхий хандлага // IEEE Transactions onPAMI, Vol. 5, үгүй. 5, 1983.-х. 533-539.

125. Ke Y., Sukthankar R:, Hebert Mi. Эзлэхүүн шинж чанарыг ашиглан харааны үйл явдлыг үр дүнтэй илрүүлэх // In: Proc. of Int "l Conference on Computer Vision (ICCV), 1-р боть, 2005.-х. 166-173.

126. Klaser A., Marszalek M., and Schmid C.A. 3D-градиент дээр суурилсан орон зай-цаг хугацааны тодорхойлогч // BMVC, Британийн Машины Зөн, Бага хурал, 2008. -pp. 995-1004.

127. Ковашка, А., Грауман, К. Хүний үйлдлийг хүлээн зөвшөөрөх орон зай-цаг хугацааны хөршийн шинж чанаруудын шатлалыг сурах нь // Компьютерийн хараа ба хэв маягийг таних тухай IEEE Computer Society Conference of the Proceedings, 2010. хуудас.2046-2053.

128. Кумсков М.И. Таних объектын загвараар хянагддаг зургийн шинжилгээний тооцооны схем // Загвар таних ба зургийн анализ, боть. 11, үгүй. 2, 2001. х. 446-449:

129. Kwang-Kyu S. Генетикийн алгоритм болон дэмжлэгийн вектор машиныг нэгтгэх замаар контентод суурилсан зураг хайх // ICANN-д (2), 2007. х. 537-545.

130. Лай Ц.-Л., Цай С.-Т., Хун Ю.-П. Бүдэг систем ашиглан гурван хэмжээст координатын тохируулгын судалгаа // Компьютер, харилцаа холбоо, удирдлага, автоматжуулалтын олон улсын симпозиум 1, 2010. - х. 358-362.

131. Лаптев I. Орон зай-цаг хугацааны сонирхлын цэгүүдийн тухай // Компьютерийн харааны олон улсын сэтгүүл, боть. 64, үгүй. 2005 оны 23-р хуудас. 107-123.

132. Leibe B., Seemann E., Schiele B. Pedestrian Detection in-Crowded* Scenes // IEEE Conference on Computer Vision and "Pattern Recognition, Vol. 1, 2005.-pp. 878-885.

133. Lew M. S., Sebe N., Djeraba C., and Jain R. Content-based multimedia information1 retrieval: State and challenges // ACM Transactions on Multimedia Computing, Communications, and Applications, Vol. 2, үгүй. 1, 2006. хуудас. 1-19.

134. Ли Ж, Ван Ж.З. Зургийн бодит цагийн компьютерийн тайлбар // IEEE Trans. PAMI, боть. 2008 оны 30-р хуудас. 985-1002.

135. Li L., Luo R., Ma R., Huang W., and Leman K. Evaluation of An IVS System for Abandoned Object Detection on PETS 2006 Datasets // Proc. 9 IEEE дадлагажигч. PETS-ийн семинар, Нью-Йорк, 2006. х. 91-98.

136. Li L., Socher R., and Fei-Fei L. Towards Total Scene Understanding: Automatic Framework дахь ангилал, тэмдэглэгээ, сегментчилэл // Компьютерийн хараа ба хэв маягийг таних IEEE бага хурал, CVPR, 2009. х. 2036-2043 он.

137. Ли К., Ван Г., Жан Г.) Чен С. Масктай пирамид дээр суурилсан дэлхийн хөдөлгөөний үнэн зөв тооцоо // Jisuanji Fuzhu Sheji Yu Tuxingxue Xuebao/Journal of Computer-Aided Design and Computer Graphics, Vol: 21 , үгүй. 6, 2009. хуудас. 758-762.

138. Lindeberg T., Akbarzadeh A. and Laptev I. Galilean-diagonalized space-time temporal interest operators // Proceedings of the 17th International Conference on Pattern Recognition (ICPR"04), 2004. pp. 1051-1057.

139. Лим Ж., Барнс, Н. Антиподын цэгүүд дээрх оптик урсгалыг ашиглан эпиполийн тооцоо // Компьютерийн хараа ба дүрсний ойлголт 114, дугаар. 2, 2010. хуудас. 245-253.

140. Lowe D. G. Scale-Invariant Keypoints-аас ялгагдах дүрсний онцлогууд // Олон улсын компьютерийн харааны сэтгүүл, боть. 60, үгүй. 2, 2004. хуудас. 91-110.

141. Лукас Б.Д., Канаде Т. Стерео хараанд хэрэглэх давталттай дүрс бүртгэлийн техник // Хиймэл оюун ухааны олон улсын хамтарсан бага хурал, 1981. х. 674-679.

142. Манделброт Б;Б. Байгалийн фрактал геометр / Н.Ю.: Фриман^ 1982. 468 х.; russ, trans.: Mandelbrot B. Фрактал, байгалийн геометр: Пер. англи хэлнээс. / М.: Компьютерийн судалгааны хүрээлэн, 202. - 658 х.

143. Mandelbrot V.V., Frame M.L. Фрактал, График, Математикийн боловсрол/Н. Ю.: Спрингер-Верлаг, 2002. 654 х.

144. Манделброт Б.Б. Фрактал ба эмх замбараагүй байдал: Манделбротын багц ба түүнээс цааш / N.Y.: Springer-Verlag, 2004. 308 х.

145. Memoli F. Громов-Хаусдорфын зайг дүрсийн харьцуулалтад ашиглах тухай // Цэгт суурилсан графикийн Еврографик симпозиумын эмхэтгэл. Прага, Чех, 2007. х. 81-90.

146. Мерсер Ж. Эерэг ба сөрөг төрлийн функцууд ба тэдгээрийн интеграл тэгшитгэлийн онолтой уялдаа холбоо // Лондонгийн философийн нийгэмлэгийн ажил гүйлгээ (А), боть. 209, 1909. х. 415-446.

147. Mikolajczyk K. Detection of local features invariant to affine transformations, Ph.D., Institut National Polytechnique de Grenoble, France. 2002.171 х.

148. Mikolajczyk K. and Schmid G. An Affine Invariant Interest Point Detector // Proceedings of ECCV. Боть. 1. 2002. х. 128-142.

149. Минхас Р., Барадарани А., Сейфзаде С., Жонатан Ву, К.М. Харааны үгсийн санд суурилсан хэт сургалтын машин ашиглан хүний үйлдлийг таних нь // Neurocomputing, Vol. 73 (10-12), 2010. х. 1906-1917 он.

150. Mladenic D., Skowron A., edits.: ECML. Боть. Компьютерийн шинжлэх ухааны лекцийн тэмдэглэлийн 4701, Springer, 2007. pp. 164-175.

151. Moshe Y., Hel-Or H. Саарал кодын цөмд суурилсан видео блокийн хөдөлгөөний тооцоо // Зураг боловсруулах IEEE Transactions 18(10), 2009. pp. 22432254.

152. Nakada T., Kagami S;, Mizoguchi H. Pedestrian Detection using 3D Optical Flow Sequences for-afMobile Robot // IEEE Sensors, 2008. pp: 116-119:

153. Needleman, S. B:,. Wunsch CD; Хоёр уургийн амин хүчлийн дарааллын ижил төстэй байдлыг хайхад ашиглах ерөнхий арга // "Молекул Биологийн сэтгүүл" 48-р боть, № 3, 1970. хуудас 443-453.

154. Neuhaus M., Bunke H. Зайнд суурилсан цөмийн функцуудыг засварлах-бүтцийн хэв маягийн ангилалд зориулагдсан // Хэв таних. Боть. 39, үгүй. 10, 2006. хуудс: 1852-1863.

155. Неватиа Р., Хоббс Ж., Боллес Б. Видео үйл явдлыг дүрслэх онтологи // Үйл явдлыг илрүүлэх, таних семинарт. IEEE, 12-р боть, дугаар. 4, 2004. хуудас. 76-86.

156. Nguyen.N.-T., Laurendeau D:, Branzan-Albu A. A robust method for camera motion estate based on movies based on // The 6th International

Дээр дурдсан шинжлэх ухааны бичвэрүүдийг хянан үзэхээр нийтэлж, диссертацийн эх бичвэрийг таних (OCR) ашиглан олж авсан болохыг анхаарна уу. Үүнтэй холбогдуулан тэдгээр нь таних алгоритмын төгс бус байдалтай холбоотой алдааг агуулж болно. Бидний хүргэж буй диссертаци, хураангуйн PDF файлд ийм алдаа байхгүй.

sushiandbox.ru Компьютер эзэмших - Интернет. Skype. Нийгмийн сүлжээ. Windows дээрх хичээлүүд.

Орон зайн газрын загварууд. Загварын төрлүүдийн ангилал. динамик загварууд. Динамик загвар бүтээх жишээ Орон зайн болон динамик загварууд

Зөвлөмж болгож буй диссертацийн жагсаалт

Видео дарааллын орон зайн цаг хугацааны шинжилгээнд үндэслэн дүрсийг сэргээн засварлах 2011 он, Техникийн шинжлэх ухааны нэр дэвшигч Дамов, Михаил Виталиевич

Гэрэлтүүлгийн хүнд нөхцөлд зураг дээрх нүүр царайг тодорхойлох компьютерийн арга 2011 он, Техникийн шинжлэх ухааны нэр дэвшигч Пахирка, Андрей Иванович

Стерео харааны систем дэх синхрончлолгүй видео дарааллыг орон зай-цаг хугацааны боловсруулалтын арга 2013 он, доктор Пянков, Дмитрий Игоревич

Морфологийн дүрсний шинжилгээний онол, арга 2008 он, физик-математикийн шинжлэх ухааны доктор Визилтер, Юрий Валентинович

Зургийн хэлбэрийн дунд дүрслэл дээр үндэслэн компьютерийн харааны систем дэх динамик дохио зангааг таних. 2012, доктор Куракин, Алексей Владимирович

Дипломын ажлын танилцуулга (конспектийн хэсэг) "Зургийн дарааллын орон зайн цаг хугацааны шинжилгээнд суурилсан динамик дүрсийг таних загвар, арга" сэдвээр

Үүнтэй төстэй дипломууд "Мэдээлэл зүйн онолын үндэс" мэргэжлээр, 05.13.17 HAC код

Эмнэлгийн динамик дүрсийг боловсруулах арга, систем 2012 он, техникийн шинжлэх ухааны нэр дэвшигч Маряскин, Евгений Леонидович

Диссертацийн дүгнэлт "Мэдээлэл зүйн онолын үндэс" сэдвээр, Фаворская, Маргарита Николаевна

Диссертацийн судалгааны эх сурвалжуудын жагсаалт Техникийн шинжлэх ухааны доктор Фаворская, Маргарита Николаевна, 2011 он

Үүнтэй төстэй нийтлэлүүд

Орон зайн газрын загварууд. Загварын төрлүүдийн ангилал. динамик загварууд. Динамик загвар бүтээх жишээ Орон зайн болон динамик загварууд

Зөвлөмж болгож буй диссертацийн жагсаалт

Видео дарааллын орон зайн цаг хугацааны шинжилгээнд үндэслэн дүрсийг сэргээн засварлах 2011 он, Техникийн шинжлэх ухааны нэр дэвшигч Дамов, Михаил Виталиевич

Гэрэлтүүлгийн хүнд нөхцөлд зураг дээрх нүүр царайг тодорхойлох компьютерийн арга 2011 он, Техникийн шинжлэх ухааны нэр дэвшигч Пахирка, Андрей Иванович

Стерео харааны систем дэх синхрончлолгүй видео дарааллыг орон зай-цаг хугацааны боловсруулалтын арга 2013 он, доктор Пянков, Дмитрий Игоревич

Морфологийн дүрсний шинжилгээний онол, арга 2008 он, физик-математикийн шинжлэх ухааны доктор Визилтер, Юрий Валентинович

Зургийн хэлбэрийн дунд дүрслэл дээр үндэслэн компьютерийн харааны систем дэх динамик дохио зангааг таних. 2012, доктор Куракин, Алексей Владимирович

Дипломын ажлын танилцуулга (конспектийн хэсэг) "Зургийн дарааллын орон зайн цаг хугацааны шинжилгээнд суурилсан динамик дүрсийг таних загвар, арга" сэдвээр

Үүнтэй төстэй дипломууд "Мэдээлэл зүйн онолын үндэс" мэргэжлээр, 05.13.17 HAC код

Эмнэлгийн динамик дүрсийг боловсруулах арга, систем 2012 он, техникийн шинжлэх ухааны нэр дэвшигч Маряскин, Евгений Леонидович

Диссертацийн дүгнэлт "Мэдээлэл зүйн онолын үндэс" сэдвээр, Фаворская, Маргарита Николаевна

Диссертацийн судалгааны эх сурвалжуудын жагсаалт Техникийн шинжлэх ухааны доктор Фаворская, Маргарита Николаевна, 2011 он

Үүнтэй төстэй нийтлэлүүд

Холбоо барих замаар хэрхэн мөнгө олох вэ

Тэднийг унтраасны дараа чихэвчний дүрс алга болдоггүй

Xiaomi Mi Band фитнессийн бугуйвчийг асааж, Mi Fit Mi band 1-ийг гүйхэд тохируулж байна