Інформаційно-екстремальний алгоритм машинного навчання системи розпізнавання транспортних засобів

Abstract

Розглядається в рамках інформаційно-екстремальної інтелектуальної технології аналізу даних, що ґрунтується на максимізації інформаційної спроможності системи в процесі її навчання, метод інформаційного синтезу геоінформаційної системи розпізнавання об’єктів на місцевості. Метою статті є підвищення функціональної ефективності геоінформаційної системи розпізнавання транспортного засобу на автомагістралі, обладнаної стаціонарною відеокамерою. Реалізовано інформаційно-екстремальний алгоритм машинного навчання системи розпізнавання із оптимізацією контрольних допусків на ознаки розпізнавання. Як критерій функціональної ефективності машинного навчання використано інформаційну міру Шеннона, яка є функціоналом точнісних характеристик класифікаційних рішень, що приймаються на кожному кроці навчання. Запропонований алгоритм машинного навчання реалізовано на прикладі розпізнавання автомобіля на автомагістралі.Considered in the framework of information and extreme intellectual technology of data analysis based on maximizing the ability of information systems in the process of learning, the method of synthesis of geoinformation information Object recognition systems on the terrain. The aim of the article is to improve the operational efficiency of geoinformation vehicle recognition system on the highways, equipped stationary video camera. Implemented information and extreme recognition algorithm of machine learning system with optimization of the control tolerances for recognition attributes. As a criterion for the functional efficiency of machine learning to use information measure Shannon, which is a functional classification accuracy characteristics of decisions taken at each stage of learning. The proposed algorithm of machine learning is implemented on the vehicle detection example on the motorway.