ВСТУП
1. ОГЛЯД ЛІТЕРАТУРНИХ ДЖЕРЕЛ....9
1.1. Підхід до системи розпізнавання
1.2. Підходи до формування алгоритмів розпізнавання.
1.3. Побудова робочого словника ознак в реальних умовах.
1.4. Алгоритм розв’язку задачі.
1.5. Функція відстані. БС-правило.
1.6. Алгоритм послідовного виключення ознак.
2. ВИБІР СЕРЕДОВИЩА ПРОГРАМУВАННЯ .....27
3. ФОРМУВАННЯ ВИМОГ ДО ПРОГРАМНОЇ СИСТЕМИ....29
3.1. Характеристика об’єкту проектування
3.2. Призначення програмної системи.
3.3. Опис методу реалізації системи.
4. ОПИС ПРОГРАМНОГО ПРОДУКТУ....37
4.1. Вхідні й вихідні дані.
4.2.Опис алгоритму роботи
4.3. Опис програми
5. ЕКОНОМІЧНА ОЦІНКА ПРОЕКТНОГО РІШЕННЯ.....50
5.1. Розрахунок витрат на впровадження проектного рішення.
5.2. Визначення комплексного показника якості.
5.3. Визначення експлуатації витрат.
5.4. Розрахунок ціни споживання проектного рішення.
5.5. Визначення показників економічної ефективності.
6. Розділ охорони праці.........................64
6.1. Трудова діяльність користувачів інформаційних
і комп’ютерних технологій.
6.2. Негативний вплив та виникнення профзахворювань
пов’язаних з роботою у галузі, яка використовує комп’ютерні
та інформаційні технології.
6.3. Забезпечення безпечних і нешкідливих умов праці
при роботі з ЕОМ.
6.3.1. Загальні вимоги до виробничих приміщень.
6.3.2. Технічна безпека.
6.3.3. Санітарно-гігієнічні умови
6.3.3.1. Розрахунок природного та штучного освітлення приміщення
6.3.3.2. Захист від шуму.
6.3.3.3. Мікроклімат приміщення.
6.3.3.4. Електромагнітне випромінювання.
6.3.4. Організація робочого місця, режим праці та відпочинку.
6.3.5. Пожежна безпека.
ВИСНОВКИ
Додатки ..... 75

1.2. Підходи до формування алгоритмів розпізнавання.
Для ефективного розроблення системи розпізнавання необхідно доцільно і правильно вибрати словник заданої області. При цьому є такі обмеження:
• до словника включають лише ті ознаки, відносно яких може бути отримана апріорна інформація для опису класів об’єктів мовою ознак (його називають апріорним словником);
• деякі з ознак недоцільно включати в словник в наслідок їх малої інформативності;
• деякі з ознак, як правило, найбільш інформативні, не можуть бути визначені через відсутність вимірювальної апаратури або великих ресурсів для їх визначення.
За наявних обставин розглянемо можливі варіанти вибору робочих словників.
Алгоритм А. По вибранному критерію з усіх ознак вибирається найкраща. Другою вибирається та ознака, котра у комбінації з першою дає найкраще значення критерію і т. д. Кінець буде тоді, коли кількість зонак =m. Кількість підсистем, що перебираються дорівнює:

Часто роблять повний перебір з 3-х ознак, а потім застосовують описану вище процедуру.
Алгоритм В. Спочатку перебір n можливих підсистем, кожна з яких складається з n-1 ознаки. Виключають ту, відсутність якої найменше погіршує критерій F(и), потім по черзі виключають кожну наступну. Після виключення n-m ознак визначається підсистема з m ознак. Число підсистем, що перебираються:


Алгоритм АВП (Адаптивний випадковий пошук). На відміну від звичайного методу монте-карло при пошуку робиться „заохочення” і „покарання” окремих ознак у залажності від результатів іспитів різних підсистем.
Для цього проводиться R груп іспитів по r іспитів у кожній, причому .
Підсистеми першої групи вибираються випадково відповідно до розподілу P0(u)=1/Cnm- тут використовується ДВЧ з рівномірним законом розподілу в [0,1]. Цей відрізок розбивається на п рівних частин. Перший відрізок відповідає ознаці , i т. д. Імовірність вибору ознаки Вектор u=(u1, u2, …, un) визначається так. Датчиком одержуємо . Знаходимо ( – імовірність вибору j-го відрізка) доти, поки тоді вважаємо, що u =1. Потім змінюємо імовірності вибору різних відрізків на [0,1].
j=1,2,…,N, j...
Аналогічно утворюються інші одиничні компоненти вектора u. Вибираємо ті m ознак з n, що відповідають одиничним компонентам вектора u.

1. Горелик А.Л., Скрипник В.А. Методы распознавания. - М. : Высшая школа, 1989.-232 с.
2. Дж. Ту, Р. Гоноалес, Принципи паспознавание образов. – М. : МИР, 1978. – 414.
3. Заяць В.М., Камінський Р.М. Методи розпізнавання образів. Навчальний посібник. - Львів: „Львівська політехніка". - 2004.- 176 с.
4. Заяць В.М., Заяць М.М. Математичний опис системи розпізнавання користувача комп’ютера // Зб. "Фізико-математичне моделювання та інформаційні технології". - Львів. - 2005. - Вип. 1.- С. 146-152.
5. Фукунага К. Введение в статистическую теорию распознавания.- М.: Наука, 1979.- 512 С.
6. Харкевич А.А. Опознание образов // Радиотехника.- 1959.- Том 14.- С. 15-19.

ВСТУП
Останнім часом важко назвати таку галузь науки чи сферу виробничої діяльності де б не використовувались системи розпізнавання. Вони стають досить важливою складовою частиною більшості автоматизованних систем.
Теорія розпізнавання образів як науковий напрямок почав формуватися в 50-их роках ХХ ст. Розвивався він як напрямок кібернетики і був пов’язаний з розробкою теоретичних основ та практичною реалізацією засобів, а потім і систем, які призначенні для розпізнавання невідомих об’єктів, явищ та процесів. Це ставило нові задачі, суть яких вчені трактували по різному. Одні будували моделі процесу сприйняття. Інші вважали, що головне - це створення алгоритмів навчання розпізнаванню образів, щоб розв’язувати конкретні задачі. Дехто шукав постановки нових математичних проблем. Якщо спочатку досить успішно вдавалося просунутись по всіх напрямках, то з часом успіхи значно зменшились. Виникли дві протилежні точки зору на проблему розпізнавання. Перша полягала в тому, що потрібно знайти такий опис об’єктів, використовуючи апріорні дані про них, що знаходження принципу класифікації вже не буде важким. Друга бачила головну проблему в пошуку правила класифікації серед заданої множини вирішальних правил. Отже, виникло питання: чи єдині принципи побудови адекватного опису образів різної природи? Якщо так, то ТРО (теорія розпізнавання образів) – це виявлення цих принципів. Якщо ні, то ТРО - це задача мінімізації середнього ризику у спеціальному класі вирішальних правил.
Але кожна галузь буде містити різні вирішальні правила, що зменшує подібність процесу розпізнавання. Але не варто забувати про самі ознаки, які описують клас і об’єкти, що до нього входять. При заданні ознак виникають питання: які з ознак є найкращими для процесу розпізнавання? чи залежить результат розпізнавання від них. В ході цієї дипломної роботи буде побудована система розпізнавання, що включатиме в себе сам процес розпізнавання, зміну результату розпізнавання при відсутності певних ознак (метод почергового вилучення ознак) і визначення вагомості ознак. Система буде розроблена як загальний приклад, оскільки робочий словник детермінованих ознак буде формувати сам користувач, який буде обізнаний в даній галузі, яка включає в себе процес розпізнавання, але він не обов’язково повинен розумітися в процесі розпізнавання. Допоміжним результатом повинен бути новий робочий словник, який включає детерміновані ознаки розміщенні в порядку зменшення пріоритету. Це дає можливість користувачу реально оцінити вагомість ознак і самостійно зменшити робочий словник ознак, при чому вибираючи тільки основні ознаки, присутність яких є досить важлива для процесу розпізнавання.
Отже, основним завданням системи є приймати вхідну інформацію у вигляді сформованих правил (робочих словників), реалізувати процес розпізнавання вказуючи при цьому ймовірність похибки, та визначити пріоритет детермінованих ознак.
Реалізація даного проекту значно мінімізує робочий словник, і відповідно це призведе до зменшення часу затрат на процес розпізнавання.

Дипломною роботою реалізовано ряд постановлених до розв’язання задач:
Розглянуто та проаналізовано літературні джерела по методах розпізнавання об’єктів. Коротко ці методи можна описати так: метод вибору робочого словника ознак, що дає можливість формувати вхідна дані для процесу розпізнавання; метод відстаней, який оснований на знаходженні еталону класу та належність до об’єкту; метод послідовного вилучення ознак, який дає оцінку розпізнавання та визначення пріоритету ознак.
Досліджено побудову програми на основі С++ Builder 2007.
Реалізовано інформаційну систему розпізнавання. Для зменшення громіздкості програмного коду було здійснено розбиття програмного коду на наступні модулі:
• основний модуль – включає оголошення змінних та реалізує зв’язок між іншими модулями програми;
• модуль знаходження еталону класу – математичним способом обчислюється еталон класу функції віддалей;
• модуль розпізнавання – визначається належність об’єкту;
• модуль послідовного вилучення ознак – реалізовано процес розпізнавання на основі методу послідовного вилучення ознак, вихідний результат дає інформацію про вплив на процес розпізнавання вхідних даних;
• модуль послідовного вилучення пари ознак – реалізовано процес розпізнавання на основі методу послідовного вилучення ознак з вилученням пари ознак, вихідний результат доповнює результат попереднього модулю;
• модуль пріоритету ознак – на основі отриманих результатів попередніх трьох модулів реалізовано процес встановлення пріоритету ознак відповідно до можливості їх впливу на результат розпізнавання.
Робота системи опротестована множиною детермінованих ознак. З чого можна робити висновок, що результат її роботи є добрим.