Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 icon

Методичні вказівки до виконання лабораторних робіт з дисципліни: "Інтелектуальні засоби систем автоматики І управління" для студентів спеціальності 050201




Скачати 468.26 Kb.
НазваМетодичні вказівки до виконання лабораторних робіт з дисципліни: "Інтелектуальні засоби систем автоматики І управління" для студентів спеціальності 050201
Сторінка1/6
Дата14.09.2012
Розмір468.26 Kb.
ТипМетодичні вказівки
  1   2   3   4   5   6

Міністерство науки і освіти України

Вінницький державний технічний університет


Факультет автоматики та комп’ютерних систем управління

Кафедра компютерних систем управління




Методичні вказівки до виконання лабораторних робіт


з дисципліни: “Інтелектуальні засоби систем автоматики і управління”

для студентів спеціальності 6.050201


Укладач к.т.н., доц. М.М. Биков


ЗАТВЕРДЖЕНО


на засіданні кафедри комп'ютерних систем управління


Протокол №___ від ____________ р.


^

Вінниця ВНТУ 2009


ВСТУП.

Автоматизація процесів обробки інформації на основі використання обчислювальної техніки в системах управління і автоматики поставила на порядок денний питання розв'язання найскладніших задач по автоматизації операцій, що відносяться до складних інтелектуальних форм діяльності людини - розпізнавання образів, рішення задач, формування складних логічних понятть та доведення теорем,переклад з однієї мови на іншу, прийняття рішеннь в умовах невизначеності та нечіткого опису об'єктів управління та інших. Математичні методи та методи програмування, призначені для рішення таких задач, є змістом області науки під назвою "Штучний інтелект". Метою дисципліни "Інтелектуальні засоби систем упраління" є отримання загальних знань з області застосування методів штучного інтелекту, зокрема розпізнавання образів, для побудови компонентів сучасних систем управління і автоматики.

Метою лабораторних робіт є закріплення знань студентів і набуття ними навичок аналізу і синтезу систем ШІ, зокрема систем розпізнавання, і їх використання в якості підсистем інтелектуальних автоматичних та автоматизованих систем управління. Задачею проведення лабораторних робіт є виконання студентами на комп'ютерній техніці досліджень з розробки і налагодження програмного забезпечення для рішення основних задач розпізнавання образів: вибору алфавіту ознак, ідентифікації класів образів за результатами вимірювань параметрів об’єктів, ідентифікації дискримінантних функцій, побудови класифікаторів, побудови ефективних алгоритмів розпізнавання.

В результаті проведення лабораторних занять студент повинен:

знати структуру системи розпізнавання, ефективні методи побудови оптимальних алфавітів інформативних ознак, алфавітів класів образів, дискримінантних функцій та класифікаторів, методи оцінки помилки розпізнавання;

вміти складати формалізований опис і алгоритм роботи СР, програмувати окремі модулі підсистем розпізнавання інтелектуальних систем управаління і автоматики.


^

Лабораторна робота №1


Кластеризація даних за допомогою алгоритма

максиміної відстані


Мета роботи: ознайомитися з методами кластерного аналізу даних.


Порядок виконання лабораторної роботи:

  1. Ознайомитися з теоретичними відомостями.

  2. Скласти алгоритм і програму кластеризації заданої множини об’єктів згідно вибраного методу кластеризації.

  3. Для заданих вихідних даних виконати програму.

  4. Результати представити у вигляді графічних зображень.

  5. Визначити ефективність вибраного методу кластеризації.

  6. Оформити звіт.


1.1 Теоретичні відомості.


Якщо для заданої множини об’єктів відсутня будь-яка інформація відносно класів, які входять у цю множину, задачу ідентифікації класів можна сформулювати як задачу неконтрольованого навчання, або “навчання без учителя”.

Розв’язання задачі навчання без учителя здійснюється шляхом застосування до заданої вибірки алгоритмів кластеризації. Отримані в результаті кластери можна вважати класами зображень. Після визначення класів таким способом їх можна використати для отримання вирішувальних функцій за допомогою алгоритмів контрольованого навчання (“навчання з учителем”). Крім того, центри кластерів, отримані на стадії навчання без учителя, можна використовувати безпосередньо для побудови класифікатора, що діє по принципу мінімуму відстані.

Перед тим, як перейти до розгляду конкретних алгоритмів кластеризації, потрібно попередньо зауважити, що більшість з них можна назвати алгоритмами навчання без учителя тільки умовно, оскільки вони використовують апріорні знання розробника (“учителя”) про властивості структурованості даних, отримані в результаті експериментів і інтуїції.

Ідентифікація класів на заданій вибірці зображень, або кластеризація, полягає в занесені цих зображень в групи, ґрунтуючись на їх подібності чи розбіжності відповідно з вибраною мірою подібності (схожості).

Наприклад, за міру схожості о вибрано евклідову відстань між зображеннями і в просторі ознак:


. (1.1)

Чим менша ця відстань, тим більш схожими є об’єкти. Евклідова відстань задовольняє таким аксіомам:

  1. Ідентичності ; (1.2)

  2. Симетрії (1.3)

  3. Трикутника для трьох точок і

(1.4)

Міри схожості, що задовільняють умовам (1.2), (1.3), (1.4), називаються метричними.

Для n–вимірного простору ознак обчислювальна формула евклідової відстані має вигляд:

(1.5)

де , - i-ті координати векторів

Кластером в просторі ознак називається група точок (зображень об’єктів), які є більш близькими одна до одної і до їхнього центра, ніж до центрів інших груп. Узагальнена процедура кластеризації заданої вибірки векторів, згідно з K. S. Fu , складається з наступних кроків.

Крок 1. Розбиття множини вибіркових точок на К пробних підмножин (кластерів) шляхом використання відповідної міри схожості.

Крок 2. Тестування якості отриманого розбиття, що грунтується на вибраному критерії кластеризації.

Крок 3. Припинення кластеризації в випадку задовільного значення критерію, в протилежному випадку – перехід до Кроку 4.

Крок 4. Перерозподіл отриманих кластерів; розбиття тих, всередині яких спостерігається значна відмінність зображень; перенесення точок до інших класів і перехід до кроку 2.

Як витікає з описаного узагальненого алгоритму кластеризації, для тестування якості отриманого розподілу вибіркових точок на класи потрібно грунтуватися на вибраному належним чином критерії кластеризації. Одним з найбільш популярних показників якості кластеризації є середньоквадратичне відхилення:

(1.6)

де – кількість кластерів, - множина точок, що відносяться до і-го класу, а

(1.7)

- вектор вибіркових середніх значень для класу – кількість зображень в класі

Критерій кластеризації (1.6) визначає загальну суму квадратів відхилень ознак всіх зображень, що входять до деякого кластера, від відповідних середніх значень по кластеру. Розроблювані процедури кластеризації повинні забезпечити мінімізацію цього показника якості.

Крім критерію (1.6) існує велика кількість інших показників, наприклад, середнє квадратів відстаней між точками в кластері; середнє квадратів відстаней між точками, що входять до різних кластерів; мінімум і максимум дисперсії, тощо.

Нерідко використовуються алгоритми знаходження кластерів, які грунтуються на сумісному використанні евристичного підходу та формального критерію кластеризації (наприклад, алгоритм ISODATA). Якість багатьох окремих алгоритмів в значній мірі визначається здібностями їх розробників до здобування корисної інформації з даних, що аналізуються.

Алгоритм максимінної (максимально-мінімальної) відстані реалізує нескладну евристичну процедуру визначення класів і теж використовує евклідову відстань. На відміну від порогового алгоритму він в першу чергу виявляє найбільш віддалені кластери. Початковими даними до алгоритму є вибірка розміщених в просторі ознак випадковим чином векторів зображень і коефіцієнт пропорційності (0<<1), що використовується при прийнятті рішень. Початково приймають = 0,5.

На першому кроці алгоритму один із об’єктів, наприклад , призначається центром першого кластера: = . Наступним кроком він знаходить максимальну відстань від усіх інших зображень до знайденого центра кластера: , . Точка , яка відповідає цій відстані , приймається за центр нового кластера: = . Далі, для всіх точок , що не стали центрами кластерів, знаходять пари відстаней , і в кожній парі виділяють мінімальну відстань . Після цього з цих мінімальних відстаней вибирають максимальну . Точку, що відповідає цій відстані, позначають як . Якщо дана максимальна відстань складає значну частину відстані між центрами кластерів і , , то точка призначається центром нового кластера: = . В протилежному випадку виконання алгоритма припиняється при кількості кластерів з центрами і .

На наступному кроці алгоритма обчислюють відстані між знайденими центрами і кожною з інших вибіркових точок: , , . В кожній такій групі з трьох відстаней вибирають мінімальну: , після чого з цих мінімальних відстаней вибирають максимальну. Вектор зображень , що відповідає цій максимальній відстані, вважається кандидатом на центр нового кластера. Якщо ця відстань , або , більша “типової”, то точка називається новим центром = .

“Типова” відстань визначається як середнє арифметичне всіх відстаней між знайденими центрами:

(1.8)

Після припинення процедури, яка знаходить центрів кластерів , всі інші вектори зображень (ті, які не стали центрами), заносяться в кластери, центри яких лежать на мінімальній відстані. Іншими словами, такий вектор заноситься в кластер , якщо він розташований найближче до центра .

На рис. 1.1 наведено геометричне пояснення максимінної процедури.


  1   2   3   4   5   6

Схожі:

Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМетодичні вказівки до виконання лабораторних робіт з курсу " Основи автоматики та систем управління " для студентів спеціальності 091101
При підготовці до лабораторних робіт студенти вивчають методичні вказівки до їх виконання, рекомендовану літературу, а також виконують...
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМетодичні вказівки до виконання лабораторних робіт з дисципліни «Вступ в інтелектуальні технології управління» для студентів напряму підготовки 050201
Нехай існує деяке твердження L, яке включає деякий невизначений параметр X={x1, x2, x3,…}
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМіністерство освіти та науки України Вінницький національний технічний університет Інститут автоматики, електроніки та комп’ютерних систем управління Факультет автоматики та комп’ютерних систем управління затверджено
Метою дисципліни "Інтелектуальні засоби систем автоматики І управління" є отримання загальних знань з області застосування методів...
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМетодичні вказівки до виконання лабораторних робіт з дисципліни "Комп’ютерне моделювання процесів І систем" для студентів спеціальності 091400
При підготовці до лабораторних робіт студенти вивчають методичні вказівки до їх виконання, рекомендовану літературу, а також виконують...
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМетодичні вказівки до виконання лабораторних робіт з дисципліни " Системи управління базами даних" для студентів спеціальності 091400
При підготовці до лабораторних робіт студенти вивчають методичні вказівки до їх виконання, рекомендовану літературу, а також виконують...
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМетодичні вказівки до виконання лабораторних робіт з дисципліни «Системи управління в комплексних розгалужених системах» для студентів спеціальності 091400
При підготовці до лабораторних робіт студенти вивчають методичні вказівки до їх виконання, рекомендовану літературу, а також виконують...
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМетодичні вказівки до виконання лабораторних робіт з дисципліни «Електротехнічні матеріали» для студентів спеціальності 090603
Методичні вказівки містять теоретичні відомості для підготовки до виконання лабораторних робіт, порядок виконання робіт, зміст звіту...
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМетодичні вказівки до виконання лабораторних робіт з дисципліни «Електротехнічні матеріали» для студентів спеціальності 090603
Методичні вказівки містять теоретичні відомості для підготовки до виконання лабораторних робіт, порядок виконання робіт, зміст звіту...
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconН. В. Гарбуз методичні вказівки до виконання лабораторних робіт з дисципліни
Методичні вказівки до виконання лабораторних робіт з дисципліни «Метали І зварювання в будівництві» (для студентів 3 курсу денної...
Методичні вказівки до виконання лабораторних робіт з дисципліни: \"Інтелектуальні засоби систем автоматики І управління\" для студентів спеціальності 050201 iconМетодичні вказівки для виконання лабораторних робіт з дисципліни основи теорії прийняття рішень в системах управління для студентів спеціальності «Системи автоматики І управління»
Критерій прийняття рішень це функція, що виражає вподобання особи, що приймає рішення, (опр) І визначає правило, за яким вибирається...
Додайте кнопку на своєму сайті:
Документи


База даних захищена авторським правом ©zavantag.com 2000-2013
При копіюванні матеріалу обов'язкове зазначення активного посилання відкритою для індексації.
звернутися до адміністрації
Документи