Слайд 2Предметная область
Перед консервированием грибов их необходимо отсортировать. Задача сортировки отсеять два вида
![Предметная область Перед консервированием грибов их необходимо отсортировать. Задача сортировки отсеять два](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-1.jpg)
грибов: белые и маслята.
Сортировка грибов сложный процесс, сложно подобрать классические математические методы. Грибы имеют неодинаковый размер и цвет. Для решения этой задачи подходят интеллектуальные методы решения.
Слайд 3Цель и задачи
Целью данной работы является создание интеллектуальной информационной системы сортировки грибов
![Цель и задачи Целью данной работы является создание интеллектуальной информационной системы сортировки](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-2.jpg)
с целью увеличения прибыли заготовительного предприятия.
Задачами, решаемыми в ходе курсовой работы, являются:
Построение классификатора граничных точек изображения;
Управление системой сортировки.
Слайд 4Функциональная структура ИИС
![Функциональная структура ИИС](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-3.jpg)
Слайд 5Постановка задачи приобретения знаний
Задача состоит в поиске параметров a функции u*:
y*
![Постановка задачи приобретения знаний Задача состоит в поиске параметров a функции u*:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-4.jpg)
= u*(x, a), y* ∈ [0,1],
при которой минимизируется значение погрешности для каждого элемента заданной обучающей выборки V = {(xi, yi)} , где
yi = u(xi) – значение функции, полученное в результате проведения i-го опыта(i=1,s; j=1,n),
xi = (xi1, xi2,…xin) – элемент выборки, xij – значение j-го признака в i-ом элементе выборки (результата i-го опыта)
Слайд 6Метод решения задачи приобретения знаний
Сформировать выборку данных;
Определить целевую функцию линейной модели;
Определить систему
![Метод решения задачи приобретения знаний Сформировать выборку данных; Определить целевую функцию линейной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-5.jpg)
линейных уравнений, продифференцировав целевую функцию по переменным а0j (j=0,n);
Решить систему линейных уравнений и определить коэффициенты а0j (j=0,n);
Определить средние абсолютные ошибки аппроксимации на обучающей и контролирующей выборках;
Выбрать полином 1-й или 2-й степени, в зависимости от средних абсолютных ошибок аппроксимации.
Слайд 7Исходные данные для задачи классификации
Обучающая выборка:
Х4 – мат. ожидание в окрестности точки
![Исходные данные для задачи классификации Обучающая выборка: Х4 – мат. ожидание в](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-6.jpg)
5х5
(преобразование Собеля)
Х5 – дисперсия в окрестности точки 5х5 (преобразование Собеля)
Х6 – мода в окрестности точки 5х5 (преобразование Собеля)
Полином 2-ой степени:
Слайд 8Постановка задачи классификации
![Постановка задачи классификации](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-7.jpg)
Слайд 9Метод решения задачи классификации
В полученный полином подставить значения признаков изображения и найти
![Метод решения задачи классификации В полученный полином подставить значения признаков изображения и](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-8.jpg)
значение полинома;
Значение полинома сравнить с выбранным порогом;
Принять решение об отнесении точки на изображении к границе или фону;
Повторить пункты для всех точек изображения.
Слайд 10Результаты решения задачи классификации
Контролирующая выборка:
Фрагмент контролирующей выборки и полученных значений y*. При
![Результаты решения задачи классификации Контролирующая выборка: Фрагмент контролирующей выборки и полученных значений](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-9.jpg)
использовании порога I=0,5 количество ошибок I и II рода равно 0.
Слайд 12Технологический процесс приобретения знаний
![Технологический процесс приобретения знаний](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-11.jpg)
Слайд 13Программные средства приобретения знаний
В данной курсовой работе использовались следующие программные средства приобретения
![Программные средства приобретения знаний В данной курсовой работе использовались следующие программные средства](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-12.jpg)
знаний:
программа на C# для преобразования изображения;
программа на C# для выбора граничных и неграничных точек;
программа на C# для вычисления признаков изображения;
MS Excel для корреляционного анализа, выделения информационных признаков, вычисления коэффициентов полинома первой степени, вычисления значения полинома и ошибок;
программа на C# для вычисления коэффициентов полинома второй степени.
Слайд 14Технологический процесс при решении основных задач
![Технологический процесс при решении основных задач](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/1115459/slide-13.jpg)