Исследование информативности признаков при распознавании состояний рельсовых линий

Автор: Тарасов Евгений Михайлович, Герус Владимир Леонидович, Тарасова Анна Евгеньевна

Журнал: Инженерные технологии и системы @vestnik-mrsu

Рубрика: Информатика, вычислительная техника и управление

Статья в выпуске: 2, 2018 года.

Бесплатный доступ

Введение. Многомерность пространства состояний рельсовых линий, близость границ классов из-за воздействия внешних возмущений существенно усложняют задачу распознавания и классификации данных состояний, вследствие чего ее возможно решить только с использованием множества информативных признаков. Вместе с тем расширение априорного алфавита признаков приводит к существенному увеличению экономических потерь для создания сложной системы распознавания, появлению ошибок измерения множества признаков, увеличению времени обработки информации, что отрицательно отражается на распознавании в реальном времени. В работе рассмотрена задача уменьшения размерности пространства признаков распознающей системы состояний рельсовых линий и формирования рабочего множества признаков с определением наиболее информативных сочетаний. Материалы и методы. Оценка информативности признаков осуществлялась методом корреляционных коэффициентов, а также с помощью обученного классификатора с решающей функцией, аргументами которой являлись входные и выходные электрические параметры четырехполюсника рельсовой линии. В качестве решающей функции был использован полином Колмогорова-Габора второй степени сложности, обученный решением несовместной системы уравнений. Математические и технические расчеты проводились в программе Mathcad. Результаты исследования. Наиболее информативными первичными признаками для надежной классификации состояний рельсовых линий являются входные и выходные параметры четырехполюсника рельсовой линии. При использовании данных признаков все классы надежно распознаются, а функции качества распознавания превышают 1,2. Обсуждение и заключения. Результаты, полученные в ходе исследования, подтверждают возможности подходов при формировании рабочего множества признаков и могут быть использованы при разработке обучаемых классификаторов состояний. Сочетание двух методов позволяет синтезировать сложные, многоуровневые системы распознавания, что является основным вкладом данной работы в развитие принципов распознавания образов.

Еще

Информативность признаков, корреляционная функция, критерии качества, решающая функция, рельсовая линия

Короткий адрес: https://sciup.org/147220575

IDR: 147220575   |   DOI: 10.15507/0236-2910.028.201802.191-206

Список литературы Исследование информативности признаков при распознавании состояний рельсовых линий

  • Разработка обучаемого классификатора состояний рельсовых линий с многомерными информативными признаками/Д. В. Железнов //Труды СПИИРАН. 2017. Т. 50, № 1. C. 32-54. URL: http://proceedings.spiiras.nw.ru/ojs/index.php/sp/article/view/3436
  • Robust model fitting using higher than minimal subset sampling/B. B. Tennakoon //IEEE Transactions on Pattern Analysis and Machine Intelligence. 2016. Vol. 38, no. 2. P. 350-362. DOI: 10.1109/TPAMI.2015.2448103
  • Zheleznov D. V., Tarasov E. M. Development of an intelligent system of determinating the coordinates and the speed of the train//Transport and Telecommunication. 2016. Vol. 17, no. 6. P. 138-143. URL: https://www.researchgate.net/publication/302065698_Development_of_an_Intelligent_System_of_ Determinating_the_Coordinates_and_the_Speed_of_the_Train
  • Худайберганов Т. Р., Адинаев Х. С., Артикбаев М. А. Математические методы распознавания образов//Техника. Технологии. Инженерия. 2017. Т. 4, № 2.1. С. 45-47. URL: https://moluch.ru/th/8/archive/62/2318/?flavour=full
  • Ailem M., Role F., Nadif M. Model-based co-clustering for the effective handling of sparse data//Pattern Recognition. 2017. Vol. 72. P. 108-122. DOI: 10.1016/j.patcog.2017.06.005
  • Linear classifiers and selection of informative features/Yu. I. Zhuravlev //Pattern Recognition and Image Analysis. 2017. Vol. 27, no. 3. P. 426-432. Computer science, computer engineering and management 203 ВЕСТНИК МОРДОВСКОГО УНИВЕРСИТЕТА Том 28, № 2. 2018
  • DOI: 10.1134/S1054661817030336
  • Зенин А. В. Анализ методов распознавания образов//Молодой ученый. 2017. № 16. С. 125-130. URL: https://moluch.ru/archive/150/42393
  • Кулбараков М. А. К задаче распознавания образов без учителя в технической диагностике//Молодой ученый. 2014. № 18. С. 55-57. URL: https://moluch.ru/archive/77/13273
  • Fast density clustering strategies based on the k-means algorithm/L. Bai //Pattern Recognition. 2017. Vol. 71. P. 375-386. URL: https://www.sciencedirect.com/science/journal/00313203/71
  • Support vector clustering/A. Ben Hur //J. of Machine Learning Research. 2001. Vol. 2. P. 125-137. URL: http://www.jmlr.org/papers/volume2/horn01a/horn01a.pdf
  • Kazanskiy N. L., Popov S. B. Integrated design technology for computer vision systems in railway transportation//Pattern Recognition and Image Analysis. 2015. Vol. 25, no. 2. P. 215-219.
  • DOI: 10.1134/S1054661815020133
  • Myasnikov E. V. Analysis of approaches to feature space partitioning for nonlinear dimensionality reduction//Pattern Recognition and Image Analysis. 2016. Vol. 26, no. 3. P. 474-482.
  • DOI: 10.1134/S1054661816030147
  • Dokukin A. A., Ryazanov V. V., Shut O. V. Multilevel models for solution of multiclass recognition problems//Pattern Recognition and Image Analysis. 2016. Vol. 26, no. 3. P. 461-473.
  • DOI: 10.1134/S1054661816030044
  • Машкин А. В. Использование энтрогшйных мер в задачах оценки информативности признаков распознавания образов//Программные продукты и системы. 2009. № 4. С. 79-80.
  • Бартенев В. Г. Анализ эффективности обнаружителей коррелированных сигналов в шуме для малых выборок наблюдений//Цифровая обработка сигналов. 2016. № 4. С. 35-39. URL: https://elibrary.ru/item. asp?id=27721342
  • Erdogmus D., Principe J. C. Information theoretic learning . URL: http://www1.coe.neu.edu/~erdogmus/publications/BC05_EncyclopediaofAI_ITL.pdf
  • Черногорова Ю. В. Методы распознавания образов//Молодой ученый. 2016. Т. 132, № 28. С. 40-43. URL: https://moluch.ru/archive/132/36964
  • Полевой Ю. И. Классификация адаптивных рельсовых цепей//Мир транспорта. 2011. № 1. С. 124-129. URL: https://elibrary.ru/item.asp?id=16350859
  • Бобков А. В. Нормирование пространства признаков при использовании обобщенного преобразования Хафа//Наука и образование: научное издание. 2014. № 2. С. 286-295.
  • DOI: 10.7463/0214.0697554
  • Разработка инвариантного обучаемого идентификатора координаты поезда/Д. В. Железнов //Вестник СамГУПС. 2017. № 2. С. 100-112. URL: https://www.samgups.ru/science/nauch-nye_izdaniya/vestnik-samgups/arkhiv/element.php?SECTION_CODE=vestnik_samgups&ELEMENT_ CODE=vestnik_samgups_-2_2017
  • On ensuring invariance in problems of control of rail-line conduction/E. M. Tarasov //Russian Electrical Engineering. 2017. Vol. 88, no. 3. P. 105-108.
  • DOI: 10.3103/S1068371217030166
Еще
Статья научная