rpd000012191 (1010126), страница 2

Файл №1010126 rpd000012191 (230400 (09.03.02).Б3 Информационные системы испытаний космических ЛА) 2 страницаrpd000012191 (1010126) страница 22017-06-172017-06-17СтудИзба

230400 (09.03.02).Б3 Информационные системы испытаний космических ЛА

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Регистрация/авторизация

Текст из файла (страница 2)

- 14. Модели непрерывных изображений. Пространственные спектры изображений.

- 15. Вероятностные модели изображений и функции автокорреляции. Построение гистограмм изображений.

- 16. Критерии качества изображений. Фильтрация и улучшение изображений.

Лекции

№ п/п	Раздел дисциплины	Объем, часов	Тема лекции	Дидакт. единицы
1	1.1.Введение. Основные понятия теории распознавания образов	2	Область применения, основные задачи. Объекты. Признаки для описания объектов. Векторные признаки	1, 2, 3
2	1.2.Классификация задач распознавания образов	2	Общая задача классификации. Классификаторы. Построение систем классификации. Реализация классификаторов	4, 5
3	1.3.Структурные методы распознавания	2	Структурные методы распознавания. Алгоритмы построения графов сложных образов	5, 6
4	1.3.Структурные методы распознавания	2	Выделение признаков по двумерным и трехмерным изображениям сцен	7, 8
5	1.4.Байесовский подход к принятию решений	2	Байесовский классификатор	9, 10
6	1.5.Самообучающиеся системы	2	Обучение без учителя. Кластеризация	12, 11
7	1.6.Методы анализа изображений	2	Модели непрерывных изображений. Вероятностные модели изображений и функции автокорреляции	13, 14
8	1.6.Методы анализа изображений	2	Построение гистограмм изображений. Критерии качества изображений. Фильтрация и улучшение изображений	15, 16
Итого:		16

Практические занятия

№ п/п	Раздел дисциплины	Объем, часов	Тема практического занятия	Дидакт. единицы
1	1.3.Структурные методы распознавания	8	Выявление морфологических характеристик бинарных изображений	2, 3, 4, 6
2	1.5.Самообучающиеся системы	4	Сглаживание изображений методами пространственной фильтрации	8, 10, 11
3	1.6.Методы анализа изображений	6	Обнаружение контуров объектов с помощью масок	13, 15, 16
Итого:		18

Лабораторные работы

№ п/п	Раздел дисциплины	Наименование лабораторной работы	Наименование лаборатории	Объем, часов	Дидакт. единицы

Итого:

Типовые задания

№ п/п	Раздел дисциплины	Объем, часов	Наименование типового задания
1	Байесовский подход к принятию решений	3	Реферат по дисциплине "Введение в теорию распознавания образов"
Итого:		3

Курсовые работы и проекты по дисциплине

Рубежный контроль

Промежуточная аттестация

1. Зачет (4 семестр)

Прикрепленные файлы: Зачет (4 семестр).doc

УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

а)основная литература:

1. Bishop C.M. Pattern recognition and machine learning, Singapore: Springer Science+Business Media, 2006, 749 p.

2. Местецкий Л.М. Математические методы распознавания образов. Курс лекций. М.: Изд-во МГУ, 2004, 85 с.

3. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. Cтатистические проблемы обучения, М.: Наука, 1974, 416 с. Theodoridis S., Koutroumbas K. Pattern recognition. San Diego. USA: Elsevier. Academic Press. 2006, 840 p.

4. Б.В. Казбеков Электронный конспект лекций по дисциплине.

б)дополнительная литература:

1. Les Z., Les M. Shape Understanding System. The First Steps toward the Visual Thinking Machines. Berlin, Heidelberg: Springer-Verlag, 2008. 409 p.

2. Shawe-Taylor J., Cristianini N. Kernel Methods for Pattern Analysis, New York, USA: Cambridge University Press, 2008. 478 p.

3. Nixon M.S., Aguado A.S. Feature Extraction and Image Processing, Oxford, London, UK: Elsevier, Academic Press, 2008. 423 p.

4. Duda R.O., Hart P.E., Stork D.G. Pattern Classification, USA: John Wiley & Sons, Inc., 2001. 654 p.

5. Webb A.R. Statistical Pattern Recognition. Chichester, UK: John Wiley & Sons, Inc., 2002. 504 p.

в)программное обеспечение, Интернет-ресурсы, электронные библиотечные системы:

Программные средства для выполнения лабораторных работ в среде Visual Studio 2008/2010.

1. http://raai.org/ – Российская ассоциация искусственного интеллекта.

2. http://www.niisi.ru/iont/ni – Российская ассоциация нейроинформатики.

3. Библиотека MSDN на русском языке http://msdn.microsoft.com/library/ms123401

4. Журнал “Pattern Recognition and Image Analysis”

http://www.maik.ru/cgi-perl/journal.pl?name=patrec&page=main

5. Журнал “Pattern Recognition“

http://www.elsevier.com/wps/find/journaldescription.cws_home/328/description

6. Журнал “Pattern Recognition Letters“

http://www.elsevier.com/wps/find/journaldescription.cws_home/505619/description

МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

1. Лекционные занятия: Аудитории кафедры № 308 и базовой кафедры №312Б, оснащенные презентационной техникой, доска и мел.

2. Практические занятия проводятся в лабораториях-дисплейных классах 420,422,426 корпуса 3. (24 компьютера, объединенные в локальную сеть с выходом в Интернет ).

Приложение 1
к рабочей программе дисциплины
«Введение в теорию распознавания образов »

Аннотация рабочей программы

Дисциплина Введение в теорию распознавания образов является частью Математического и естественно-научный цикл дисциплин подготовки студентов по направлению подготовки Информационные системы и технологии. Дисциплина реализуется на 3 факультете «Московского авиационного института (национального исследовательского университета)» кафедрой (кафедрами) 308.

Дисциплина нацелена на формирование следующих компетенций: ОК-6 ,ОК-10 ,ПКС.4.

Содержание дисциплины охватывает круг вопросов, связанных с: формированием у студентов компетенций в области применения современных методов и алгоритмов распознавания образов для решения прикладных задач с использованием современных программных средств.

Преподавание дисциплины предусматривает следующие формы организации учебного процесса: Лекция, мастер-класс, Практическое занятие.

Программой дисциплины предусмотрены следующие виды контроля: промежуточная аттестация в форме Зачет (4 семестр).

Общая трудоемкость освоения дисциплины составляет 2 зачетных единиц, 72 часов. Программой дисциплины предусмотрены лекционные (16 часов), практические (18 часов), лабораторные (0 часов) занятия и (38 часов) самостоятельной работы студента.

Приложение 2
к рабочей программе дисциплины
«Введение в теорию распознавания образов »

Cодержание учебных занятий

Лекции

1.1.1. Область применения, основные задачи. Объекты. Признаки для описания объектов. Векторные признаки (АЗ: 2, СРС: 2)

Тип лекции: Информационная лекция