ктивності методу оптимальної класифікації
Метою обчислювальних експериментів є порівняння результатів розбиття на класи з результатами, отриманих на підставі відомих методів. У ході експериментів порівняння було виконано, використовуючи метод рівномірної класифікації. Порівняння результатів розбиття здійснювалося на основі значень середньоквадратичного відхилення наближеного представлення вихідних даних, використовуючи значення центрів отриманих класів щодо вихідного набору даних:
Висновок
При виконанні курсової роботи мети і завдання виконані в повному обсязі.
Був приведений короткий огляд методів класифікації. Розглянуто методи класифікації: ієрархічна класифікація, FOREL (Формальний Елемент), метод k-medians, алгоритм КРАБ, рівномірна класифікація. На основі проведеного аналізу характеристик відомих методів класифікації можна стверджувати, що основним недоліком більшості методів класифікації є обмеження на кількість елементів классифицируемого множини.
При виконанні курсової роботи був розроблений алгоритм оптимальної класифікації одновимірного впорядкованої множини на основі «склеювання з найближчим», який не має даних обмежень. Також новизна розробленого методу полягає в первісному розбитті елементів множини.
У курсовій роботі наведена реалізація програми «Метод оптимальної класифікації одновимірного впорядкованої множини на основі« склеювання з найближчим ». Обгрунтовано вибір середовища розробки MSVisualStudio 2013. Описано інтерфейс і виконана перевірка роботи програми. Також були проведені обчислювальні експерименти з оцінки ефективності роботи алгоритму оптимальної класифікації. Для порівняння ефективності застосування розробленого методу оптимальної класифікації на основі «склеювання з найближчим» був використаний метод рівномірної класифікації. Порівняння проводилося на прикладі зображення у відтінках сірого. Надані розрахунки продемонстрували працездатність методу оптимальної класифікації та показали перевагу в точності апроксимації (значення середньоквадратичного відхилення) розробленого методу оптимальної класифікації в порівнянні з методом рівномірної класифікації.
Список використаних джерел
Єлісєєва І., Рукавишников В. Угруповання, кореляція, розпізнавання образів (статистичні методи класифікації та вимірювання зв'язків).- М .: Статистика, 1977. - 144 с.
Князєв Є., Шопирін Д. Методи автоматизованої класифікації змін програмного коду.- М .: LAP Lambert Academic Publishing, 2011. - 136 с.
Пахомов Б. C/C ++ і MS Visual C ++ 2010 для початківців.- СПб .: БХВ-Петербург, 2010. - 711 с.
Мартинов М.М. Програмування для Windows на C/C ++. У 2 томах. Том 1. - М .: Біном, 2012. - 528 с.
Мартинов М.М. Програмування для Windows на С/С ++. У 2 томах. Том 2. - М .: Біном-Пресс, 2013. - 480 с.
Архангельський А.Я. Мова С ++ в С ++ Builder.- М .: Біном-Пресс, 2008. - 944 с.
Архангельський А.Я. Програмирование в С ++ Builder 6. - М .: ТОВ «Біном-Пресс», 2005. - тисяча сто шістьдесят-вісім с.
Страуструп Б. Мова програмування С ++.- М .: Біном, 2011. - тисячу сто тридцять шість с.
Фрідман А.Л. Мова програмування Сі ++. Курс лекцій.- М .: Інтернет-університет інформаційних технологій, 2010. - 264 с.
Красильников Н.Н. Цифрова обробка 2D- і 3D-зображень.- СПб .: БХВ-Петербург, 2011. - 608 с.
Гонсалес Р., Вудс Р. Цифрова обробка зображень.- М .: Техносфера, 2012. - 1 104 с.
Селомон Д. Стиснення даних, зображень і звуку.- М .: Техносфера, 2006. - 386 с.
