PRINCIPLES OF MATHEMATICAL MODELLING OF TREELIKE RECOGNITION SYSTEMS

Author:

Hebura Yurii, State University «Uzhhorod National University», Uzhhorod, Ukraine

Language: ukrainian

Annotation:

In this work are considered some of the principles of mathematical modeling of tree recognition systems, where the system of difference equations, with the built-in schedule of events can be solved analytically for the trajectory of the system. Tree-recognition systems are hierarchical systems of discrete events. Presented simulation models are the basic principles of mathematical modeling of tree recognition systems, which have obvious advantages compared to model-driven simulation.

Key words:

mathematical modeling, tree recognition systems, hierarchical systems, graph, simulation model

References:

  1. Бахрушин В. Є. Математичне моделювання : навчальний посібник / В. Є. Бахрушин. – Запоріжжя : ГУ «ЗІДМУ», 2004. – 140 с.

  2. Сергеева Л. Н. Моделирование поведения экономических систем методами нелинейной динамики (теории хаоса) / Л. Н. Сергеева. – Запорожье : ЗГУ, 2002. – 154 с.

  3. Оксендаль Б. Стохастические дифференциальные уравнения. Введение в теорию и приложения / Б. Оксендаль. – М. : Мир, 2003. – 186 с.

  4. Советов Б. Я. Моделирование систем. Практикум : учеб. пособие для вузов / Б. Я. Советов, С. А. Яковлев.  М. : Высш. шк., 2006.  295 с.

  5. Томашевський В. М. Імітаційне моделювання систем i процесів / В. М. Томашевський.  К. : ІСДО, 1994.  124 с.

  6. Томашевський В. М. Моделювання систем / В. М. Томашевський.  К. : BHV, 2005.  352 с.

  7. Ту Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес. – М. : Мир, 1978. – 267 с.

  8. Айдарханов М. Б. Метрический и структурный подходы к построению групповых классификаций / М. Б. Айдарханов. – Алматы : Гылым, 1994. – 56 с.

  9. Большаков A. A. Методы обработки многомерных данных и временных рядов : учебное пособие для вузов / A. A. Большаков, Р. И. Каримов. – М., 2007. – 522 с.

  10. Schruben, D., Schruben, L. (2000), Graphical simulation modeling using SIGMA, Custom Simulations, 653 р.

  11. Yeh, T., Lee, J., Darrell, T. (2007), Adpative vocabulary forest for dynamic indexing and category learning, ICCV, 232 р.

  12. Boiman, O., Shechtman, E., Irani, M. (2008), In defense of nearest-neighbor based image classification, CVPR113 р.

  13. Breslin, C. Gales, M.J.F(2007), “Complementary system generation using directed decision trees,” in Proceedings, 154 р.

  14. Bloch, I., Bretto, A. Mathematical Morphology on Hypergraphs: Preliminary.

  15. Definitions and Results. In: Debled-Rennesson, I., Domenjoud, E., Kerautret, B.,Even, P. (eds.) (2011), DGCI 2011. LNCS. – Vol. 6607. – Р. 429–440. Springer, Heidelberg.

  16. Bloch, I., Bretto, A. (2013), Mathematical morphology on hypergraphs, application to similarity and positive kernel. Computer Vision and Image Understanding 117(4). – Р. 342–354.

Download