О решении задач классификации графических образов в системе Wolfram Mathematica

  • Vladimir Romanovich Kristalinskii Смоленский государственный университет http://orcid.org/0000-0003-1205-990X
  • Sergei Nikolaevich Chernyi Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации имени Маршала Советского Союза А.М. Василевского http://orcid.org/0000-0002-3038-2789

Аннотация

В последние годы получают широкое распространение задачи, решаемые посредством интеллектуальных технологий. Поэтому в современные системы компьютерной математики также включаются средства, позволяющие решать задачи путем применения технологий искусственного интеллекта. В частности, сюда относится решение задач классификации графических образов, то есть отнесения графического образа к тому или иному классу. При решении задач этого типа используется машинное обучение. Средства решения задач классификации, в частности, графических образов включены в последние версии системы Wolfram Mathematica.
Система Wolfram Mathematica дает возможность строить функцию-классификатор, причем с использованием различных алгоритмов, определять вероятности принадлежности образа к тому или иному классу, строить матрицу ошибок классификации, выводить другую информацию о свойствах классификатора. Кроме графических образов классификаторы могут строиться для числовых, текстовых и других типов данных.
В работе рассматривается приложения этих новых возможностей системы Wolfram Mathematica к решению задач, возникающих в практике противовоздушной обороны: распознавания беспилотных летательных аппаратов по их изображениям и распознаванию воздушных целей по их радиолокационным дальностным портретам. Эти задачи имеют важное прикладное значение, и предлагаемая нами методика их решения средствами Wolfram Mathematica может применяться как в ходе научных исследований, так и при ознакомлении курсантов военных училищ с возможностями современных технологий искусственного интеллекта. При этом использование системы Wolfram Mathematica позволяет пользоваться ее стандартным интерфейсом, с которым ранее учащиеся или исследователи знакомились при решении других задач.

Сведения об авторах

Vladimir Romanovich Kristalinskii, Смоленский государственный университет

доцент кафедры информатики, физико-математический факультет, кандидат физико-математических наук, доцент

Sergei Nikolaevich Chernyi, Военная академия войсковой противовоздушной обороны Вооруженных Сил Российской Федерации имени Маршала Советского Союза А.М. Василевского

начальник научно-исследовательского центра, кандидат технических наук, доцент

Литература

1. Kristalinskiy V.R., Borisov V.N. On the solving classification problems in the Wolfram Mathematica system. Sistemy komp’yuternoj matematiki i ih prilozheniya = Computer Mathematics Systems and Their Applications. 2021; (22):62-67. Available at: https://www.elibrary.ru/item.asp?id=46649874 (accessed 19.03.2021). (In Russ., abstract in Eng.)
2. Zaytsev A.V., Nazarchuk I.I., Krasavtsev O.O., Kichulkin D.A. Osobennosti bor'by s takticheskimi bespilotnymi letatel'nymi apparatami [Features of the fight against tactical unmanned aerial vehicles]. Voennaya Mysl' = Military Thought. 2013; (5):37-43. Available at: https://www.elibrary.ru/item.asp?id=19093589 (accessed 19.03.2021). (In Russ.)
3. Briones J.C., Flores B., Cruz-Cano R. Multi-Mode Radar Target Detection and Recognition Using Neural Networks. International Journal of Advanced Robotic Systems. 2012; 9(5):177. (In Eng.) DOI: https://doi.org/10.5772/52073
4. Computer Simulation of Aerial Target Radar Scattering, Recognition, Detection, & Tracking. In: Ed. by Y. D. Shirman. Artech House, Boston, London; 2001. 307 p. (In Eng.)
5. Nebabin V.G., Sergeev V.V. Metody i tekhnika radiolokacionnogo raspoznavaniya [Methods and technology of radar recognition]. Radio and Communication, Moscow; 1984. 152 p. (In Russ.)
6. Filimonov A.B., Fam Fuong Kuong. Dynamic Aerial Target Recognition by Using Radar Range Profiles. Informacionnye Tehnologii = Information Technologies. 2016; 22(6):423-430. Available at: https://www.elibrary.ru/item.asp?id=26233751 (accessed 19.03.2021). (In Russ., abstract in Eng.)
7. Belyaeva E.V., Zemtsova M.A. Research of edge detection methods in the task of pattern recognition on images with low contrast. Informatization and communication. 2021; (1):123-128. (In Russ., abstract in Eng.) DOI: https://doi.org/10.34219/2078-8320-2021-12-1-123-128
8. Shabanov R.M. Nechetkaya teoriya: modeli i algoritmy raspoznavaniya graficheskih obrazov [Fuzzy Theory: Pattern Recognition Models and Algorithms]. Nauchnyj Aspect. 2020; 15(2):1881-1885. Available at: https://www.elibrary.ru/item.asp?id=43116872 (accessed 19.03.2021). (In Russ.)
9. Kozlov A.S., Dudnik S.V., Kultazin N.M. Metodologiya raspoznavaniya graficheskih izobrazhenij na baze vektornoj mashiny [Methodology for recognition of graphic images based on a vector machine]. Nauka i obrazovanie segodnya = Science and Education Today. 2020; (9):14-20. Available at: https://www.elibrary.ru/item.asp?id=43923132 (accessed 19.03.2021). (In Russ.)
10. Tikhonov V.A. et al. Detection-Recognition of Unmanned Aerial Vehicles using the Composed Auto-Regression Model of their Acoustic Radiation. Visnyk NTUU KPI Seriia – Radiotekhnika Radioaparatobuduvannia. 2020; (81):38-46. (In Russ., abstract in Eng.) DOI: https://doi.org/10.20535/RADAP.2020.81.38-46
11. Tolochkov D.V., Popov A.V. Dvuhspektral'naya optiko-elektronnaya sistema obnaruzheniya i raspoznavaniya malorazmernyh bespilotnyh letatel'nyh apparatov [Two-spectrum optical-electronic system for detection and recognition of small unmanned aerial vehicles]. Sostoyanie i perspektivy razvitiya sovremennoj nauki po napravleniyu "Informatika i vychislitel'naya tekhnika" = Proceedings of the Conference on Informatics and Computer Engineering. ERA, Anapa; 2020. p. 65-76. Available at: https://www.elibrary.ru/item.asp?id=42935413 (accessed 19.03.2021). (In Russ.)
12. Tolmachov A.V., Heister S.R. Problems of detection and recognition of small-sized aircraft at small altitudes. Proceedings of the International Scientific and Technical Conference on Radiolocation, Navigation, Communication (RLNC'2020). VSU, Voronezh; 2020. p. 16-21. Available at: https://www.elibrary.ru/item.asp?id=44424850 (accessed 19.03.2021). (In Russ., abstract in Eng.)
13. Kristalinskii V.R., Chernyi S.N. On Modeling Homing Missile Guidance Methods in the Wolfram Mathematica System. Sovremennye informacionnye tehnologii i IT-obrazovanie = Modern Information Technologies and IT-Education. 2020; 16(3):686-694. (In Russ., abstract in Eng.) DOI: https://doi.org/10.25559/SITI-TO.16.202003.686-694
14. Volodin A.V. Metod raspoznavaniya klassov vozdushnyh celej po radial'nomu razmeru ih radiolokacionnyh dal'nostnyh portretov [A method for recognizing classes of air targets by the radial size of their radar range portraits]. Nauchno-prakticheskii elektronnyi zhurnal Alleya Nauki = Scientific and practical electronic journal of the Alley of Science. 2017; 2(15):141-144. Available at: https://www.elibrary.ru/item.asp?id=32299905 (accessed 19.03.2021). (In Russ.)
15. Sisigin I.V. et al. The method of forming the recognition signs based on the wavelet transform of radar range portraits. Journal of Siberian Federal University. Engineering & Technologies. 2017; 10(2):277-285. (In Russ., abstract in Eng.) DOI: https://doi.org/10.17516/1999-494X-2017-10-2-277-285
16. Kozorez S.S., Piskunov A.V., Krasnikov Yu.V., Pustozerov P.V. Algorithm design of target range image contrast enhancement for aerial objects discrimination. Vestnik vozdušno-kosmičeskoj oborony = Aerospace Defense Herald. 2017; (3):13-19. Available at: https://www.elibrary.ru/item.asp?id=30102035 (accessed 19.03.2021). (In Russ., abstract in Eng.)
17. Park Y.R. Comparison of machine and deep learning for the classification of cervical cancer based on cervicography images. Scientific Reports. 2021; 11:16143. (In Eng.) DOI: https://doi.org/10.1038/s41598-021-95748-3
18. Khan I., Islam N., Ur Rehman H. et al. A comparative study of graphic symbol recognition methods. Multimedia Tools and Applications. 2020; 79(13-14):8695-8725. (In Eng.) DOI: https://doi.org/10.1007/s11042-018-6289-6
19. García-Domínguez M., Domínguez C., Heras J., Mata E., Pascual V. FrImCla: A Framework for Image Classification Using Traditional and Transfer Learning Techniques. IEEE Access. 2020; 8:53443-53455. (In Eng.) DOI: https://doi.org/10.1109/ACCESS.2020.2980798
20. Kartashov V., et al. Use of Acoustic Signature for Detection, Recognition and Direction Finding of Small Unmanned Aerial Vehicles. 2020 IEEE 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET). IEEE Press, Lviv-Slavske, Ukraine; 2020. p. 1-4. (In Eng.) DOI: https://doi.org/10.1109/TCSET49122.2020.235458
21. Solis E.R., Shashev D.V., Shidlovskiy S.V. Implementation of Audio Recognition System for Unmanned Aerial Vehicles. 2021 International Siberian Conference on Control and Communications (SIBCON). IEEE Press, Kazan, Russia; 2021. p. 1-8. (In Eng.) DOI: https://doi.org/10.1109/SIBCON50419.2021.9438906
22. Ribeiro V.H.A., Reynoso-Meza G., Coelho L.S. Multiobjective optimization design procedures for data-driven unmanned aerial vehicles automatic target recognition systems. In: Ed. by A. Koubaa, A. T. Azar. Unmanned Aerial Systems. Theoretical Foundation and Applications. Advances in Nonlinear Dynamics and Chaos (ANDC). Academic Press, 2021. p. 231-256. (In Eng.) DOI: https://doi.org/10.1016/B978-0-12-820276-0.00017-0
23. Sentsov A.A., Ivanov S.A., Nenashev S.A., Turnetskaya E.L. Classification and Recognition of Objects on Radar Portraits Formed by the Equipment of Mobile Small-Size Radar Systems. 2020 Wave Electronics and its Application in Information and Telecommunication Systems (WECONF). IEEE Press, St. Petersburg, Russia; 2020. p. 1-4. (In Eng.) DOI: https://doi.org/10.1109/WECONF48837.2020.9131475
24. Geister S.R., Shalyapin S.V. Accelerated Algorithms of Processing Non-Correlated Radar Portraits of Objects Under Different Jamming Conditions. Telecommunications and Radio Engineering. 2000; 54(8-9):40-53. (In Eng.) DOI: https://doi.org/10.1615/TelecomRadEng.v54.i8-9.180
25. Golyak I.S., Anfimov D.R., Golyak I.S., Morozov A.N., Tabalina A.S., Fufurin I.L. Methods for real-time optical location and tracking of unmanned aerial vehicles using digital neural networks. Proceedings SPIE 11394, Automatic Target Recognition XXX, 113941B. SPIE; 2020. (In Eng.) DOI: https://doi.org/10.1117/12.2573209
Опубликована
2021-06-30
Как цитировать
KRISTALINSKII, Vladimir Romanovich; CHERNYI, Sergei Nikolaevich. О решении задач классификации графических образов в системе Wolfram Mathematica. Современные информационные технологии и ИТ-образование, [S.l.], v. 17, n. 2, p. 464-472, june 2021. ISSN 2411-1473. Доступно на: <http://sitito.cs.msu.ru/index.php/SITITO/article/view/767>. Дата доступа: 12 oct. 2024 doi: https://doi.org/10.25559/SITITO.17.202102.464-472.
Раздел
Научное программное обеспечение в образовании и науке

Наиболее читаемые статьи этого автора (авторов)