И.А. Ребрун, Н.И. Бодрина Автоматическая оценка нечетко выраженных признаков графических объектов

Аннотация: В данной работе рассматриваются пути автоматизации развивающегося метода диагностики – тезиграфии. Давно известно, что биологические жидкости при высушивании кристаллизуются. В условиях патологии кристаллизационные свойства биологических жидкостей изменяются. В результате уже проведенных исследований выяснено, что этот метод очень чувствителен и может быть использован на этапах доклинической диагностики вирусных и инфекционных заболеваний. Для определения характера патологического процесса необходимо анализировать полученные изображения биокристаллов с целью описания их формы и выявления характера распределения по ряду признаков. В статье рассмотрены алгоритмы и методы автоматизированной оценки признаков графических объектов на примере изображений, полученных в ходе тезиграфических исследований. Исследованы алгоритм сегментации, основанный на выделении границ с помощью фильтрации, алгоритм вычисления площадей и детектирования признаков формы и алгоритмы моделирования и фрактального анализа при рассмотрении древовидных и других сложных кристаллограмм. Предложена программа, которая позволяет получать оценки распределения по площади, периметру и другим характеристикам кристаллов, а также статистические данные по множеству кристаллов, выращенных на общей поверхности.

Ключевые слова:

Abstract: The article reviews the methods of automatic pattern recognition of the speech signals recorded at the moments when announ cers proved positive emotions from speech samples on the same subjects recorded in a testees’ neutral state. This article investigates the abilities of nonlinear dynamics methods for evaluation of informative indicators of emotional state. Studies were performed on the basis of analyzing the reconstruction of attractors of the speech signal. The authors analyzed different ways of selecting optimal parameter values for the reconstruction of the attractor (the time delay between the elements of the time series and embedding dimension). Authors proposed the new quan titative criteria for classifying samples of the speech signal of a person experiencing emo tions based on the estimates of the maximum vector reconstruction of the attractor in four quadrants. The research was based on frag ments of the Russian-language database (Tver). A model of emotional body language, which consists of a database of two levels (phrases and phonemes) was formed and served as a basis for evaluation of the efÞ cie n cy of the developed software module of the automatic recognition of human emotions.

Keywords: