350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №6 за 2012 г.
Статья в номере:
Процедура определения оптимальных параметров вейвлет-преобразования и нейросетевого классификатора для распознавания паттернов нестационарных биорадиолокационных сигналов
Ключевые слова:
вейвлет-преобразование
нейросетевой классификатор
распознавание паттернов
нестационарные сигналы
биорадиолокация
Авторы:
М.Д. Алёхин - магистрант, кафедра «Медико-технические информационные технологии», лаборант-исследователь лаборатории дистанционного зондирования, МГТУ им. Н.Э. Баумана
Аннотация:
Разработана процедура определения оптимальных параметров вейвлет-преобразования и нейросетевого классификатора для распознавания паттернов нестационарных сигналов. Модифицированный критерий на основе энтропии логарифма энергии позволяет выбрать лучший вейвлетный базис, обеспечивающий извлечение максимально информативных признаков из анализируемых сигналов в задачах классификации. Получены высокие значения средней точности классификации на тестовой выборке по результатам десяти независимых испытаний работы искусственной нейронной сети.
Страницы: 46-54
Список источников
- Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А. Поспелова. М.: Радио и связь. 1990. 304 с.
- Журавлёв Ю.И., Рязанов В.В., Сенько О.В.«Распознавание». Математические методы. Программная система. Практические применения. М.: ФАЗИС. 2006. 176 с.
- Ушаков И.Б., Богомолов А.В., Кукушкин Ю.А. Паттерны функциональных состояний оператора. М.: Наука. 2010. 390 с.
- Nonlinear and Nonstationary Signal Processing / Ed. by W.J. Fitzgerald, R.L. Smith, A.T. Walden, P.C. Young. Cambridge University Press. 2000. 471 p.
- Bishop C.M. Pattern Recognition and Machine Learning. Springer. 2007. 749 p.
- Митрофанов Д.Г., Сафонов А.В. Применение нейросетевой технологии для распознавания целей по радиолокационным изображениям // Нейрокомпьютеры: разработка, применение. 2006. №3. С. 60 - 68.
- American Sleep Disorders Association Standards of Practice Committee Practice Parameters for the Indications for Polysomnography and Related Procedures. Polysomnography Task Force // Sleep. 1997. V. 20. P. 406 - 422.
- Chesson A.L., Berry R.B. Practice Parameters for the Use of Portable Monitoring Devices in the Investigation of Suspected Obstructive Sleep Apnea in Adults // Sleep. 2003. V. 26. P. 907 - 913.
- Биорадиолокация / Под ред. А.С. Бугаева, С.И. Ивашова, И.Я. Иммореева. М.: Изд-во МГТУ им. Н.Э. Баумана. 2010. 396 с.
- Алёхин М.Д., Анищенко Л.Н., Журавлев А.В.Метод классификации дыхательных паттернов биорадиолокационного сигнала на основе искусственных нейронных сетей и вейвлет анализа // Биомедицинская радиоэлектроника. 2011. № 10. С. 57 - 64.
- Bulayev V.I. Acoustic Logging Data Compression // Proc. of the 7th International Workshop on Computer Science and Information Technologies. Ufa, Russia. 2005. V. 3. P. 240 - 241.
- Makiela W. An Evaluation of Irregularities of Milled Surfaces by the Wavelet Analysis // Manufacturing Engineering. 2010. V. 9. P. 22 - 26.
- Алёхин М.Д., Анищенко Л.Н., Журавлев А.В. Кратномасштабный вейвлет-анализ в формировании пространства признаков двигательных паттернов биорадиолокационного сигнала // Радиотехника. 2011. № 11. С. 20 - 25.
- Щеглов И.Н., Богомолов А.В., Печатнов Ю.А. Исследование влияния репрезентативности обучающей выборки на качество работы методов распознавания образов // Нейрокомпьютеры: разработка, применение. 2002. № 9 - 10. С. 3 - 9.
- Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. М.: ДМК Пресс. 2005. 304 с.
- Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. М.: Диалог-МИФИ. 2002. 496 с.