МИҚДОРИЙ АЛОМАТЛАР ҚИЙМАТЛАРИНИ КЕСИШМАЙДИГАН ОПТИМАЛ ИНТЕРВАЛЛАРГА АЖРАТИШ Текст научной статьи по специальности «Естественные и точные науки»

>q )> d )> :>

Talqin va tadqiqotlar respublika ilmiy-uslubiy jurnali №5

МИВДОРИЙ АЛОМАТЛАР ЦИЙМАТЛАРИНИ КЕСИШМАЙДИГАН ОПТИМАЛ ИНТЕРВАЛЛАРГА АЖРАТИШ

Ocj )> §)>»

Ахмедов Ж.Б.

Мирзо Улугбек номидаги Узбекистон миллий университети Амалий математика ва интеллектуал технологиялар факултети 2-боскич магистранти https://doi.org/10.5281/zenodo.6718857

Щ 5 пж

Аннотация: Ушбу тезисда микдорий аломатлар кийматларини кесишмайдиган интервалларга оптимал булувчи алгоритм яратиш усуллари ва у ни тадбик килиш куриб чикилган. Оптимал ораликларга ажратишнинг бу усули бизда иккинчи критерия деб аталади ва берилган танланмамизни синфлар сонига тенг ораликларга ажратади.

I ... . ...... ,,„,^„„,„4 „„^„о^ттог, -гпттттлт, «„„ттттпг,

Калит сузлар: микдорий аломатлар, ташки омиллар, маълумотлар

*

J J 'S. .

мажмуаси, алгоритм.

*

*

\A If If \ Л Л/ОСПЛГ\ nUTQU V V (-»ТТТТгЬ ТТОГУГа QM^nQTU П Г(3 LI /Л^ЛТ-^Т^ТТТОТЛХТТТХТТ^

Икки узаро кесишмайдиган Кх, К2 синфларга ажратилган объектларнинг

мумкин булган туплами E0 = {Sj,..., Sm } берилган булсин. Х,ар бир объект n та

/ \ / \

турли тоифадаги аломатлар X (n) = (x ,■■■, X ) асосида ифодаланади.

E0 танланмадаги Y(ß) туплам остисидан олинган аломатлар кийматларини

кесишмайдиган интервалларга ажратишнинг икки мезони аникланган булсин. Биринчи мезон синфлар сонига тенг интерваллар сонига амал килишга асосланган. Биз караётган холда бу сон иккига тенг.

Х,ар бир у. eY (ß) аломатнинг мезонга мос оптимал ажратиш куйидагича

амалга оширилади. Аломатнинг тартибланган кийматлар туплами иккита [c0 ,q ](q ,c2 ] интервалга ажратилади, бу ерда c0 = min у ва c2 = max у,

(S =(yvi,•••,У^)). Интервалнинг c2 чегарасининг кийматларини хисоблаш

»

*

куйидаги гипотеза, яъни хдр бир интервал объектлар аломатлари кийматларининг Kt ёки K3-f (t = 1,2) синфдан олинганига асосланади.

1 ii 1 i\ / i \ Фараз килайлик, щ,щ(и2,u2) - у. еY(ß) аломатнинг К(К)

синфларга [c0, q ] ва (q, c2 ] интервалларга тегишли кийматлари сони булсин.

>*

уVT N . Ть»

A = (a,a,a),a = 1,a = m, a -E танланмадан олинган у. eY(ß) аломат

кийматларининг усиб бориш тартибида тартибланган ва интервал чегарасини

q = г , mt = IК ^E|,t = 1,2 аникловчи кетма-кетлик.

1

ы> >>

*: >

PV

>>

#<ь>

^ >3> 1

Я>

>3»

Ы y* >

Ы>

} >p

г : >

Talqin va tadqiqotlar respublika ilmiy-uslubiy jurnali №5

Куйидаги

С 2

T, up (m — mt — up ) + up (mt — up )

p=i

2^т2

22

T T up (up — 1)

p=1 i=1

m (m — i)+ m2 (m2 — 1)

^ max

{A}

(1)

мезонни интервалнинг c чегарасининг оптимал кийматини хисоблаш ва унинг (мезоннинг) кийматидан e туплам объектларини синфларга ажратишда сонли аломатнинг компактлик курсаткичи сифатида фойдаланиш мумкин.

Бунда бизга тасвирни сегментлаш маълумотларини предмет соха сифатида кабул килдик.

Маълумотлар тупламининг тавсифи: Тасвирни сегментлаш маълумотлари Намуналар 7 та ташки тасвирлар базасидан тасодифий тарзда олинган. Тасвирлар хар бир пиксел учун тасниф яратиш учун сегментларга булинган. Объектлар сони: 2310; Аломатлар сони: 19 та

Бу йерда 7 та синфни ажратиш учун жуда катта комбинация (2310 * 2309 * 2308 * 2307 * 2306 * 2305 * 2304) булиб кетади шунинг учун битта синф ва бошкалар деб караш ишимизни осонлаштиради. Шунинг учун: Синфлар : 1. гиштли юза 2. ва бошкалар 1 - Жадвал.

>>> ! Я*

щ

ш

j^) j

ъц*

>

l3>-

щ>

Щл

Ы >

i >j>

+H >

л w> -

№ Аломат номи Ораликлар Вазнлари

1 region-centroid-col [1 1336] (1336 : 2310] 0.2513

2 region-centroid-row [1 752](752 : 2310] 0.2530

3 region-pixel-count [1 1272](1272 : 2310] 0.2514

4 short-line-density-5 [1 1222](1222 : 2310] 0.2504

5 short-line-density-2 [1 1336](1336 : 2310] 0.2513

6 vedge-mean [1 738] (738 2310] 0.2541

7 vegde-sd [1 816](816 2310] 0.2519

8 hedge-mean [1 850](850 2310] 0.2512

9 hedge-sd [1 965](965 2310] 0.2517

10 intensity-mean [1 1463](1463 2310] 0.2555

11 rawred-mean [1 1508](1508 2310] 0.2553

12 rawblue-mean [1 1566](1566 2310] 0.2557

13 rawgreen-mean [1 1466](1466 2310] 0.2563

14 exred-mean [1 1043](1043 2310] 0.2500

15 exblue-mean [1 879](879 : 2310] 0.2522

16 exgreen-mean [1 871](871 : 2310] 0.2527

17 value-mean [1 1566](1566 : 2310] 0.2557

18 saturatoin-mean [1 976](976 : 2310] 0.2536

19 hue-mean [1 1446](1446 : 2310] 0.2532

]>ji

*: Я

ы*

Qj^f^S).

29

jW^ У

q ж**

ЩУ>

Ш

!> О

L*

1>

Ц Уф:

сН >

q "i>>

q

*ф>

ИИ>

и*-

ц >р

^ 4 >

q

wi >

ш > Ы>

И*-

т > *

>

q

q

q > >

q q

ы> >>

*: >

PV

>>

#<b>

Ы J> 1

i ]>■ y.

и>

>3» Ы y! J>i> >j*

Ы>

Ы )> Ы*

Ы>

Ы )>

• >4>

Ы >

ш>

! >1

0>>' >j>

>

Ы > i >i> +H >

л w> -

Talqin va tadqiqotlar respublika ilmiy-uslubiy jurnali №5

Бундан аломатларнинг берилган танланмани оптимал интервалларга. ажратиш даражаси келтириб утилган. Aлбатта бизнинг предмет сохамизнинг аломатлари бир - биридан жуда фаркли ажратмас екан. Лекин улар орасидан енг оптимал ажратганини уларнинг вазнлари оркали аниклаболишимиз мумкин. Бу тажрибадан келиб чикиб 14 чи "exred-mean" аломат "0.2500" вазн билан енг ёмон ажратган булса, 13 чи "rawgreen-mean' аломат "0.2563" вазн билан енг яхши ажратганини куриб турибмиз.

Фойдаланилган адабиётлар:

1. Н.А.Игнатьев, Р.Н.Усманов, Ш.Ф. Мадрахимов. Берилганларнинг Интеллектуал Тахлили. Укув кулланма. 2018 й, 23-29.б

2. Игнатьев Н.А. Вычисление обобщённых показательей и интеллектуальный анализ данных Автоматика и телематика. 2011, №5. С.183-190.

>

ш

щ-4 >

.....! )й»й

>

ц >>■

и*-

Ы > Ы >

wi >

ы >

Щ >

*ф>

]>Ж

*4>

ы>

Ы >

-^fV-liT f---^SfV-^Y f.—

30

§ > > Ы >

q щъ q >3*