Інформаційний синтез системи автоматичного розпізнавання бланків документів (стр. 7 из 11)
Таким чином, двомірний масив значень яскравості зображення ми переводимо в вектор сум різниць значень яскравості довжини вдвічі більшої, ніж ширина зображення.
3.2 Оптимізація контрольних допусків на ознаки розпізнаваннясистеми розпізнавання
Категоріальну модель процесу навчання системи розпізнавання символів з оптимізацією контрольних допусків [19] на ознаки розпізнавання подамо у вигляді діаграми відображень множин:
(3.3.1)де
-
множина сигналів на вході системи розпізнавання;-
множина моментів зчитування інформації з рецепторів;-
множина можливих станів системи розпізнавання;-
простір ознак розпізнавання;-
множина сигналів після первинної обробки інформації;-
покриття, що визначає абетку класів розпізнавання;-
- нечітке розбиття;-
множина гіпотез;-
множина точнісних характеристик;-
множина значень коефіцієнту функціональної ефективності;За діаграмою (3.3.1) оператори контуру
здійснють оптимізацію СКД за ітераційною процедурою.
3.4 Короткий опис програми
Алгоритми було реалізовано за допомогою середовища розробки Borland Delphi 7. Створена програма складається з трьох модулів:
- UnitMy.pas – модуль формування та попередньої обробки реалізацій зображень літер в полярних та декартових координатах;
- Unit1.pas – модуль реалізації алгоритмів навчання, оптимізації системи контрольних допусків та екзамену в полярних координатах;
- Unit2.pas – модуль реалізації алгоритмів навчання, оптимізації системи контрольних допусків та екзамену в декартових координатах;
Всі модулі об’єднані в один проект Project1.dpr.
Таблиця 3.1 Основні процедури модулів Unit1.pas
| № | Назва процедури | Короткий опис |
| 1 | function INFK (my_k:integer; INFK_d:integer; var INFK_D1:real; var INFK_betta:real):real; | Обчислення значення інформаційного критерію та точносних характеристик INFK_D1 та INFK_betta. |
| 2 | Procedure Make_D (l:integer;my_k:integer); | Завдання системи допусків як відхилення від середнього по реалізаціях класу my_k на кодову відстань sd |
| 3 | Procedure Make_BM; | Формування бінарної навчальної матриці |
| 4 | Procedure Make_EV; | Формування еталонних векторів |
| 5 | Procedure Make_PARA; | Розбиття еталонних векторів на пари сусідніх |
| 6 | FunctionMake_DO; | Побудова роздільних гіперповерхонь |
| 7 | Procedure Make_SK (my_k:integer); | Заповнення масиву кодових відстаней від еталонного вектора до кожної реалізації класу my_k |
| 8 | ProcedureMake_Y | Формування начальних матриць |
| 9 | Procedure optim_dk; | Паралельна оптимізація СКД на ОР |
| 10 | Procedure optim_dk_ksam; | Послідовна оптимізація СКД на ОР |
| 11 | Procedureexamination_2() | Проведення екзамену в полярних координатах |
| 12 | Procedure search_center_K() | Пошук геометричного центру літери в полярних координатах |
| 13 | Procedureexamination() | Проведення екзамену в декартових координатах |
3.5 Результати фізичного моделювання
На рис.3.8 наведено графік зміни значення критерію функціональної ефективності від зміни
при паралельної оптимізації на ознаки розпізнавання в полярних координатах, коли за базових приймається клас 
.
Рисунок 3.8 – Графік залежності КФЕ від
при паралельній оптимізації в полярних координатах для базового класу В табл. 3.2 наведені числові значення функціонування системи розпізнавання рукописних символів при паралельно – послідовної оптимізації для кожного з класів в полярних координатах.
Таблиця 3.2 Числові значення функціонування системи розпізнавання при паралельній та послідовній оптимізації для кожного з класів в полярних координатах
| Базовий класс | Паралельна оптимізація | Послідовна оптимізація | ||
| Середній КФЕ | Delta | Середній КФЕ | Кількістьітерацій | |
 | 0,653 | 47 | 0,886 | 4 |
| | 0,743 | 34 | 1,155 | 4 |
 | 0,792 | 29 | 1,341 | 3 |
З табл. 3.2 робимо висновок, що найбільше середнє значення КФЕ для трьох класів досягається, коли за базовий приймається клас
.На рис.3.10 наведено графік зміни значення критерію функціональної ефективності від зміни
при паралельної оптимізації на ознаки розпізнавання в декартових координатах, коли за базових приймається клас .
Рисунок 3.10 – Графік залежності КФЕ від
при паралельній оптимізації в декартових координатах для базового класу На рис.3.11 наведено графік зміни значення критерію функціональної ефективності на кроках ітерації при послідовній оптимізації на ознаки розпізнавання в декартових координатах, коли за базових приймається клас
. 
Рисунок 3.11 –Графік зміни значень КФЕ на кроках ітерації при послідовній оптимізації в декартових координатах для базового класу
В табл. 3.3 наведені числові значення функціонування системи розпізнавання при паралельно – послідовної оптимізації для кожного з класів в декартових координатах.
Таблиця 3.3 Числові значення функціонування системи розпізнавання при паралельно – послідовной оптимізації для кожного з класів в декартових координатах
| Базовий класс | Паралельна оптимізація | Послідовна оптимізація | ||
| Середній КФЕ | Delta | Середній КФЕ | Кількістьітерацій | |
| | 1,450 | 36 | 3,695 | 5 |
| | 1,016 | 8 | 3,925 | 3 |
| | 1,691 | 47 | 4,017 | 5 |
Після проведення паралельно – послідовної оптимізації системи контрольних допусків на ознаки розпізнавання та вибору базового класу, проводимо етап навчання при перетворенні в полярних та декартових координатах.
Аналіз результатів етапу паралельно – послідовної оптимізації показав, що за базовий потрібно приймати клас
, так як в цьому випадку досягається максимальне середнє значення КФЕ для трьох класів, що дає можливість на етапі екзамену з більшою достовірністю розпізнавати класи.В табл. 3.4 наведені параметри функціонування системи розпізнавання на етапі навчання для кожного з класів в полярних та декартових координатах, коли за базовий почергово приймається клас
, та .