CC BY
59
Секция автоматизированных систем обработки информации и управления
ми. К . = 0(£{ — |х; — у . |), /, ] = 1,..., Ж, где N - число состояний X , £ -
граничное расстояние, Ч Ч - норма, 0(0 - функция Хевисайда. Если состояние системы в момент / равно рекуррентному состоянию ] , то значение элемента (/, ]) равно единице, иначе - нулю. Наличие диагональных линий на КР-графике говорит о синхронной эволюции рассматриваемых процессов.
Для улучшения результатов диагностики можно расширить метод КР-анализа, введя вместо О(-) запись расстояния в матрицу, а векторы рассматривать в многомерном пространстве. При этом выполняется реконструкция фазового пространства по теореме Такенса. В итоге есть два вектора
Х(0 = Хг = (Щ , Щ* V-Щ+(т—1)т ) и У ф = У] = (у] , У+ ^.^ УМт—1)Т ), I = Ш ,
т £ К” , где т - размерность фазового пространства. Проводя анализ в многомерном пространстве, можно более полно и точно оценить состояние системы.
Выявление синхронизации носит важный диагностический характер, поскольку имеется возможность предсказать поведение системы в будущем, опираясь на текущее состояние. Имеется программный модуль в пакете Мап1аЬ.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Пиковский А., Розенблюм М., Куртс Ю. Синхронизация. Фундаментальное нелинейное явление. - М.: Техносфера, 2003. - 493 с.
2. Золотова Н.И., Понявин Д.И. Метод обнаружения скрытой синхронизации. Письма в ЖТФ, 2006. Т. 32. В. 21.
УДК 681.3.01:621.397:629.133
Ю.М. Бородянский, С.С. Корост
ИНФОРМАЦИОННАЯ СИСТЕМА РАСПОЗНАВАНИЯ АВТОМОБИЛЬНЫХ НОМЕРОВ
Современный уровень развития вычислительной техники позволяет упростить решение ряда проблем, связанных с транспортными потоками: вести учет и регистрацию номерных знаков; следить за нарушителями дорожного движения и автомобилями; наладить контроль движения автомобилей на автостоянках и закрытых объектах.
В докладе представлена информационная система, которая решает задачу распознавания автомобильных номерных знаков как часть более общей задачи контроля и учета передвижения транспортных средств.
В результате проведенного анализа существующих решений поставленной задачи были рассмотрены такие программные комплексы, как “ДИГНУМ АВТО” и “АВТОИНСПЕКТОР”. Их достоинствами являются: высокий процент распознавания объектов, использование просмотра изображения в режиме мультиэкрана и создание удобных для пользователя баз данных. В то же время эти программы имеют некоторые недостатки: высокая стоимость, высокие системные требования (связанные с работой с потоковым видео), узкая специализация в связи с привязанностью к государственным службам, нацеленность на использование в масштабах крупных региональных образований.
Известия ЮФУ. Технические науки
Специальный выпуск
Разрабатываемая система в отличие от аналогов рассчитана на более локальное использование и, на данный момент, внутри крытых помещений. Съемка изображения будет производиться при хорошей освещенности, в отсутствии климатических помех. Объект должен быть неподвижным, но может располагаться на расстоянии до 10 метров и под углом до 100 относительно камеры. Гарантированная скорость обработки снимка автомобильного номера 1 минута.
Этапы распознавания автомобильных номеров:
1. Получение изображения и выделение номера. С помощью фото- или видеокамер изображение передается в вычислительную систему, затем происходит поиск и выделение номерного знака на фотографии.
2. Обработка изображения номерного знака. Полученное изображение номерного знака переводится в формат ВМР и затем в монохромный режим. После процедур фильтрации и увеличения контрастности происходит разбиение номерного знака на отдельные символы.
3. Распознавание символов номерного знака. Изображение каждого символа, в свою очередь, разбивается на матрицу размерностью 16х16. Создается маска размером 16х16 пикселов (каждый пиксел отображает соответствующую зону символа). При этом пиксел гасится, если коэффициент заполнения соответствующей зоны символом номера выше определенной величины. Полученная таким образом маска сравнивается с эталонными изображениями символов и наиболее близкий считается распознаваемым символом.
УДК 681.306
М.М. Бойченко, С.А. Бутенков РАЗВИТИЕ МЕТОДОВ АВТОМАТИЗАЦИИ ОЦЕНКИ ЗНАНИЙ
Несмотря на значительные успехи в совершенствовании методов и средств проектирования и анализа качества банков тестовых заданий, как важнейшего этапа компьютерного тестирования, в настоящее время в области проектирования, оценки и применения банков тестовых заданий существует ряд нерешенных задач.
Прежде всего необходимо дальнейшее развитие теоретической базы проектирования банков тестовых заданий в сторону разработки новых информационных характеристик банков, позволяющих получать адекватные оценки эффективности. Они должны дифференцировать контингент обучаемых по уровню знаний в выбранной предметной области и обеспечивать адаптацию заданий к уровню знаний отдельных обучаемых.
С точки зрения практической применимости методов теории педагогических измерений необходимо дальнейшее развитие алгоритмической базы компьютерных средств создания банков калиброванных тестовых заданий с заданными характеристиками, что позволит оперативно реагировать на изменения в современных требованиях к проектируемым компьютерным курсам обучения. Необходимо также создание алгоритмов обработки тестовых данных, позволяющих уменьшить влияние изначально присущей педагогическим измерениям неопределенности на результаты тестирования как измерения латентных, скрытых качеств личности.
Решение этих задач возможно введением в арсенал теории педагогических измерений, являющейся основным инструментом тестологии, элементов киберне-
