ЕОМ
Волчков В. М. Програмні засоби автоматичної класифікації даних на основі імунного підходу : дипломна робота, пояснювальна записка / В. М. Волчков ; кер. роботи ас. Фомічов О.О. ; ХНУРЕ, Кафедра Електронних обчислювальних машин. – Харків, 2014. – 98 с. : CD
Волчков В. М. Програмні засоби автоматичної класифікації даних на основі імунного підходу : дипломна робота, пояснювальна записка / В. М. Волчков ; кер. роботи ас. Фомічов О.О. ; ХНУРЕ, Кафедра Електронних обчислювальних машин. – Харків, 2014. – 98 с. : CD
Статистика використання: Видач: 0
Анотація:
Метою дипломного проекту є розробка і програмна реалізація алгоритму автоматичної класифікації об'єктів на основі штучних імунних систем.
Для досягнення мети використовується метод Artificial Immune Network (aiNET), що був створений і представлений Джоном Тімісом у 2002 році. У вступі показано загальну роботу імунної системи, а також її схожість із штучною.
В основу аналізу ефективності роботи алгоритму класифікації об'єктів на основі штучних імунних систем, були взяті зображення об'єктів у двовимірному просторі. Окрім повного відновлення зображення алгоритм повинен правильно класифікувати ці об'єкти та сформувати набір кластерів для об'єктів, що не можуть бути класифіковані за допомогою навчальної вибірки. Результатом роботи є отримання динамічного алгоритму, який зможе у будь-який момент класифікувати об'єкти. У висновках наводяться результати виконаної роботи, а також аналіз проведених досліджень.
ШТУЧНА ІМУННА МЕРЕЖА, АНТИТІЛО, АНТИГЕН, АФФІННІСТЬ, ІМУННА МОДЕЛЬ, ІМУННИЙ ОПЕРАТОР, КЛОН
The aim of this diploma program is the development and implementation of the algorithm for automatic classification of objects based on artificial immune systems.
For the purpose of using the method of Artificial Immune Network (aiNET), which was created and presented by John Timis in 2002. The introduction shows the overall function of the immune system, and its similarity to the artificial.
The basis of the analysis of the effectiveness of the algorithm for classification of objects based on artificial immune systems have been taken images of objects in two-dimensional space. In addition to a complete image reconstruction algorithm should correctly classify these objects and create a set of clusters for objects that can not be classified using the training set. The work is to obtain a dynamic algorithm that can at any moment classify objects. In conclusion, the results of the work performed, and analysis of the research.
ARTIFICIAL IMMUNE SYSTEM, ANTIBODIES, ANTIGENS, AFFINITY, IMMUNE MODEL, IMMUNE OPERATOR, CLON, MUTATION
Для досягнення мети використовується метод Artificial Immune Network (aiNET), що був створений і представлений Джоном Тімісом у 2002 році. У вступі показано загальну роботу імунної системи, а також її схожість із штучною.
В основу аналізу ефективності роботи алгоритму класифікації об'єктів на основі штучних імунних систем, були взяті зображення об'єктів у двовимірному просторі. Окрім повного відновлення зображення алгоритм повинен правильно класифікувати ці об'єкти та сформувати набір кластерів для об'єктів, що не можуть бути класифіковані за допомогою навчальної вибірки. Результатом роботи є отримання динамічного алгоритму, який зможе у будь-який момент класифікувати об'єкти. У висновках наводяться результати виконаної роботи, а також аналіз проведених досліджень.
ШТУЧНА ІМУННА МЕРЕЖА, АНТИТІЛО, АНТИГЕН, АФФІННІСТЬ, ІМУННА МОДЕЛЬ, ІМУННИЙ ОПЕРАТОР, КЛОН
The aim of this diploma program is the development and implementation of the algorithm for automatic classification of objects based on artificial immune systems.
For the purpose of using the method of Artificial Immune Network (aiNET), which was created and presented by John Timis in 2002. The introduction shows the overall function of the immune system, and its similarity to the artificial.
The basis of the analysis of the effectiveness of the algorithm for classification of objects based on artificial immune systems have been taken images of objects in two-dimensional space. In addition to a complete image reconstruction algorithm should correctly classify these objects and create a set of clusters for objects that can not be classified using the training set. The work is to obtain a dynamic algorithm that can at any moment classify objects. In conclusion, the results of the work performed, and analysis of the research.
ARTIFICIAL IMMUNE SYSTEM, ANTIBODIES, ANTIGENS, AFFINITY, IMMUNE MODEL, IMMUNE OPERATOR, CLON, MUTATION