Модели и алгоритмы распознавания графических образов на основе нечетких нейронных сетей тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Мищенко, Вадим Анатольевич

• Мищенко, Вадим Анатольевич
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Мищенко, Вадим Анатольевич

Введение.

Глава I. Современные модели, методы и алгоритмы распознавания образов.

1.1 Интеллектуальные системы распознавания образов.

1.2. Обзор существующих моделей, методов и алгоритмов компьютерного зрения.

1.3 Нейронные сети - как инструмент в задачах распознавания.

1.4 Обзор существующих методов распознавания образов.

1.5 Эволюционное моделирование для настройки нейронной нечеткой сети в задачах распознавания образов.

Выводы.

Глава II. Распознавание символов с помощью нейронных сетей.

2.1 Алгоритм предварительной обработки изображения.

2.2 Бинаризация.

2.3 Сегментация изображения.

2.4 Нейросетевые технологии.

2.4.1 Многослойный персептрон.

2.4.2 Сеть Кохонена.

2.4.3 Сеть Хемминга.

2.4.4 Нечеткие нейронные сети. Сеть Ванга-Менделя.

2.4.5 Оценка эффективности работы нейронных сетей.

Выводы.

Глава III. Настройка весовых коэффициентов, с помощью модифицированного генетического алгоритма.

3.1 Понятие генетического алгоритма.

3.2 Адаптация алгоритма к решаемой задаче.

Выводы.

Глава IV. Описание программного продукта.

4.1 Интерфейс пользователя.

4.2 Взаимодействие функциональных блоков.

4.3 Технологический процесс.

Выводы.

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы распознавания графических образов на основе нечетких нейронных сетей»

Актуальность темы. Актуальность темы исследования определяется внедрением компьютерных технологий и систем искусственного интеллекта в различные сферы деятельности человека. Эти исследования опираются на фундаментальные основы такие, как распознавание образов, нейронные сети, генетические алгоритмы.

В новых, бурно развивающихся, научных направлениях нейробионического и эволюционного моделирования сочетаются методы нечеткой логики и генетических алгоритмов, что открывает новые возможности перед исследователем для решения трудно-формализуемых задач в условиях неопределенности. Появились нейро-нечеткие системы: нечетко-генетические, нейрогенетические и нейро-нечетко-генетические. Данная работа посвящена построению нейро-нечетко-генетической системы и ее практическому использованию в работе почтовой службы.

В настоящее время автоматизация обработки почтовых индексов используется лишь на незначительной части технологического процесса сортировки почтовой корреспонденции. Одним из важнейших критериев оценки эффективности работы автоматизированного распознавания почтовых индексов является скорость считывания и качество распознавания информации. В настоящее время в России основная часть отправлений подписывается вручную. Таким образом, задача качественного распознавания рукописного текста произвольного стиля в достаточно жестких временных рамках является сложной с технической точки зрения.

Автоматизация обработки почтовых индексов подразумевает разработку программно-технического комплекса, осуществляющего распознавание индекса и дальнейшую обработку почтового отправления. В основе таких комплексов лежат системы распознавания образов. Одним из наиболее эффективных инструментов для распознавания образов являются системы, построенные на искусственных нейронных сетях. Наиболее эффективным инструментом обучения нейронных сетей является генетический алгоритм, т.к. при такой организации обучения осуществляется одновременный поиск по множеству направлений улучшения решения. В настоящее время известно большое количество нейронных сетей с различными структурами (Хайкин С., Аксенов C.B.). В том числе, реализованы так называемые нечеткие нейронные сети (Островский С., Круглов В.В.), что дает разработчикам мощный инструмент для реализации программных комплексов по распознаванию образов, в том числе и для реализации программ по распознаванию почтовых индексов, т.к. такие сети показывают более высокую эффективность по сравнению с обычными ИНС.

Работа выполнялась на кафедре Информатики и методики преподавания математики Воронежского государственного педагогического университета в рамках Договора № ELSP/B1/С/016/10-06 от 27 апреля 2006 г. «Разработка программ и учебно-методических материалов для подготовки студентов педагогических вузов в области использования цифровых образовательных ресурсов» (2005-2008 гг.).

Цель работы и основные задачи. Целью данной работы является разработка моделей и алгоритмов для построения нейро-нечетко-генетической системы распознавания графических образов и ее применение для автоматизации работы почтовой службы.

В рамках реализации поставленной цели необходимо решить следующие задачи:

1) разработка модификации алгоритма формирования бинарного изображения с бумажного носителя с помощью декомпозиции задачи распознавания графической информации;

2) разработка модификации модели нечеткой нейронной сети для адаптации ее структуры к задаче распознавания образов;

3) разработка модификации генетического алгоритма для обучения нейронных сетей с целью сокращения затрачиваемого для этого времени;

4) реализация программного комплекса, включающего в себя описанные выше алгоритмы и методы и проведение вычислительного алгоритма для организации работы почтовой службы.

Методы исследования. Для решения указанных задач использовались методы искусственного интеллекта, методы распознавания образов, искусственных нейронных сетей, модели и методы нечеткой логики, методы обработки цифровых изображений, эволюционное моделирование.

Научная новизна. В рамках исследования получены следующие результаты, характеризующиеся научной новизной:

1. Модифицированный алгоритм, позволяющий преобразовать графическую информацию с бумажного носителя в бинарное цифровое изображение, отличающийся технологией захвата изображения с использованием web-камеры и позволяющий провести его анализ.

2. Модифицированная модель нечеткой нейронной сети Ванга -Менделя, отличающаяся организацией десяти выходов из сети и, позволяющая увеличить скорость обучения.

3. Генетический алгоритм обучения нейронной сети, отличающийся использованием специального оператора мутации в виде аддитивной свертки двух операторов мутации, и, позволяющий сократить время обучения сети.

4. Структура программного комплекса, обеспечивающего построение нейро-нечетко-генетической системы распознавания образов, позволяющего осуществлять on-line распознавание в реальном времени и проводить анализ полученной информации.

Теоретическая и практическая ценность работы. На основе исследования были предложены модификации алгоритмов формирования и обучения нечеткой нейронной сети. Была реализована модификация модели нечеткой нейронной сети Ванга - Менделя, обучение которой производилось с помощью измененного генетического алгоритма.

Практическая ценность результатов работы состоит в разработанном программном комплексе, позволяющем в значительной степени облегчить работу оператора почтовой службы по сортировке письменной корреспонденции. Результаты работы внедрены и используются в Обособленном структурном подразделении Лискинский почтамт Управления Федеральной почтовой связи Воронежской области - филиал Федерального государственного унитарного предприятия «Почта России». Программа «Сортировочный участок» зарегистрирована в Федеральном институте промышленной собственности (ФИПС) (свидетельство №2012610838 от 19.01.12г.).

Основные результаты, выносимые на защиту. На защиту выносятся следующие результаты, полученные в процессе исследований:

1) модифицированный алгоритм предварительной обработки изображений;

2) генетический алгоритм с использованием особого оператора мутации;

3) модифицированная модель сети Ванга - Менделя;

4) программный комплекс, реализующий нейро-нечетко-генетическую систему распознавания.

Апробация работы. Основные результаты, представленные в диссертационной работе, докладывались и обсуждались на Математической конференции молодых преподавателей и студентов Лискинского филиала ВГУ (Воронеж, 2007);на научных сессиях Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Воронежский государственный педагогический университет» 2008-2009г.г.; на Международной конференции «Современные проблемы механики и прикладной математики» (Воронеж, 2007); на Всероссийской конференции «Современные методы теории краевых задач» (школа «Понтрягинские чтения», 2010); на XVIII Всероссийской Школе-Коллоквиуме по стохастическим методам и XII Всероссийском симпозиуме по прикладной и промышленной математике (Весенняя сессия) (Казань, 2011).

Публикации. Результаты диссертации опубликованы в 11 работах. Списку ВАК соответствуют работы [98-101]. Получено одно свидетельство государственной регистрации программы [108].

Личный вклад автора. Основные результаты исследований по теме диссертации были получены лично автором и опубликованы в соавторстве с научным руководителем. Научным руководителем определены основные направления исследования.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, разбитых на пункты, заключения, списка используемой литературы из 107 наименований и приложения. Общий объем диссертации - 134 страницы, приложение на 31 стр. Работа содержит 40 рисунков.

Заключение диссертации по теме «Теоретические основы информатики», Мищенко, Вадим Анатольевич

Основные результаты работы

В диссертационном исследовании разработаны методы и алгоритмы построения нейро-нечетко-генетической системы с помощью которой решена важная техническая задача и в которой можно выделить следующие результаты:

1. Разработана модификация алгоритма предварительной обработки изображения, позволяющая получать бинарные изображения с помощью веб-камеры.

2. Разработана модификация модели нечеткой нейронной сети Ванга -Менделя с несколькими выходами, что повысило точность работы сети с зашумленными изображениями.

3. Построена модификация алгоритма обучения нечеткой нейронной сети, основанная на генетическом алгоритме с использованием аддитивной свертки двух операторов мутации, что позволило сократить время обучения сети.

4. Реализован программный комплекс, осуществляющий соединение предложенных методов и алгоритмов в единую нейро-нечетко-генетическую систему

5. С помощью нейро-нечетко-генетической системы решена важная практическая задача.

Заключение

Список литературы диссертационного исследования кандидат технических наук Мищенко, Вадим Анатольевич, 2013 год

1. Форсайт Дэвид А. Компьютерное зрение. Современный подход? Дэвид А. Форсайт, Жан Понс пер. с англ. - М. : Издательский дом «Вильяме», 2004. - 928 с.

2. Серль Дж. Разум человека компьютерная программа/ Дж. Серль // В мире науки. - 1990. - № 3 - С. 7-13.

3. Черчленд П. Может ли машина мыслить? / П. Черчленд, П.С.Черчленд // В мире науки. 1990. - № 3. - С. 14-21.

4. Бирман Э.Г. Сравнительный анализ методов прогнозирования //НТИ. Сер.2 1986. - № 1. - С. 11-16.

5. Бусленко Н. П. Моделирование сложных систем / Н.П. Бусленко. -М.: Наука, 1978.-400 с.

6. Вахитов А.Т. Обзор алгоритмов стереозрения/ А.Т.Вахитов, Л.С.Гуревич, Д.В.Павленко. Стохастическая оптимизация в информатике, вып.4 / Под ред. О.Н.Граничина- СПб. : Из-во Санкт-Петербургского ун-та, 2008. 299 с.

7. Вапник В.Н. Восстановление зависимостей по эмпирическим данным./В.Н.Вапник М.: Наука, 1979. - 448с.

8. Вапник В.Н. Теория распознавания образов (Статистические проблемы обучения). М.: Наука, 1974. 416 с.

9. Вентцель Е. С. Исследование операций: задачи, принципы, методология / Е.С. Вентцель. М.: Наука, 1988. - 206 с.

10. Вилкас Э. Й. Оптимальность в играх и решениях / Э.Й. Вилкас. М.: Наука, 1990.-256 с.

11. Вороновский Г.К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. / Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев. -Харьков: Основа, 1997. -112 с.

12. Галушкин А.И. Нейронные сети: основы теории. / А.И. Галушкин -М.: Горячяя линия Телеком, 2010г. - 496 с.

13. Гилл Ф. Практическая оптимизация./Ф. Гилл, У.Мюррей, М. Райт -М.: Мир, 1985.

14. Гладков J1.A. Генетические алгоритмы / J1.A. гладков,В.В. Курейчик, В.М.Курейчик/Под ред. В.М,Куреячика.-2-е изд., испр. И доп.-М. :ФИЗМАТЛИТ,2006.-З20с.

15. Глушаков C.B. Программирование в среде Delphi 7. / C.B. Глушаков, A.JI. Клевцов.- Харьков: Фолио, 2003. 528 с.

16. Горбань А.Н. Нейрокомпьютер или аналоговый ренессанс/А.Н.Горбань // МИР ПК, 1994, № 10.

17. Горбань А.Н. Обучение нейронных сетей / А.Н.Горбань М.: СП Параграф, 1991.-256 с.

18. Горелик A.A., Скрипкин В.А. Методы распознавания: учебное пособие для вузов. 3-е изд., перераб. и доп. М.: Высш. шк., 1989. -232 с.

19. Гринт 3. MySQL. Карманный справочник. :Пер. с англ. / З.Гринт, К.Ньюман. М.: ООО «И.Д. Вильяме», 2006. - 224 с.

20. Данциг Д. Линейное программирование / Д. Данциг. М.: Прогресс, 1966.-600 с.

21. Дейт К. Введение в системы баз данных / К. Дейт. М.: Наука, 1980. - 463 с.

22. Дуда Р. Распознавание образов и анализ сцен. / Пер. с англ. М.: Мир, 1976г.-511 с.

23. Елисеева И.И. Группировка, корреляция, распознавание образов (Статистические методы классификации и измерения связей). /

24. Елисеева И.И., Рукавишников В.О. — М.: Статистика, 1977. — 143 с.

25. Жданов A.A. Автономный искусственный интеллект / А.А.Жданов.-М.:БИНОМ. Лаборатория знаний, 2008.-359с.

26. Журавлев Ю.И. Распознавание. Математические методы. Программная система. Практические применения. / Ю.И. Журавлев, В.В. Рязанов, О.В. Сенько М.: ФАЗИС, 2006. - 159 с.

27. Журавлев Ю.И. Распознавание образов и распознавание изображений. Расспознавание, классификация, прогноз. / Ю.И. Журавлев, И.В. Гуревич 1989. - Т. 2. - С. 5-73

28. Запрягаев С.А. Сегментация рукописных и машинописных текстов методом диаграмм Вороного/ С.А.Запрягаев, А.И.Сорокин// Вестник ВГУ. Серия Системный анализ и информационные технологии. -2010.-№ 1.-С. 160-165.

29. Загоруйко Н.Г. Алгоритмы обнаружения эмпирических закономерностей./ Н.Г. Загоруйко, В.Н.Елкина, Г.С.Лбов-Новосибирск: Наука, 1985. 110с.

30. Загоруйко И.Г. Методы распознавания и их применение. / Загоруйко И.Г. — М.: Советское радио, 1972. — 208 с.

31. Искусственный интеллект: В 3-х кн. Кн. 2. Модели и методы: Справочник / под ред. Д.А. Поспелова. М.: Радио и связь, 1990. -304 с.

32. Канторович Л. В. Математические методы организации и планирования / Л.В. Канторович. Л.: Изд.-во ЛГУ, 1939. - 68 с.

33. Касимов Ю.В. Введение в актуарную математику (страхование жизни и пенсионных схем):/ Ю.В.Касимов. М.: Анкил, 2001. - 172 с.

34. Каширина И.Л. Генетический алгоритм решения квадратичной задачи о назначениях специального вида// Вестник ВГУ, 2003, №1

35. Климова JIM. Delphi 7. Основы программирования. Решение типовых задач. Самоучитель. Издание второе дополненное. / JI.M. Климова. М.: КУДИЦ-ОБРАЗ, 2005. - 480 с.

36. Коннолли Т. Базы данных. Проектирование. Реализация. Сопровождение / Т. Коннолли, К. Бегг. М.: Вильяме, 2003 . -864 с.

37. Корнеев В.В. Базы данных. Интеллектуальная обработка информации. / В.В. Корнеев, А.Ф. Греев, C.B. Васютин, В.В. Райх. -М.:Нолидж, 2000г. 352 с.

38. Кофман А. Введение в теорию нечетких множеств / А. Кофман: Пер. с фр. М.: Радио и связь, 1982. - 432 с.

39. Коробкин A.A. Модели и методы искусственного интеллекта. Использование генетических алгоритмов т аппарата нечеткой логики для организации учебного процесса в ВУЗах./ И.Ф.Астахова,

40. A.А.Коробкин- Berlin: LAP LAMBERTAcademic Publishing GmbH& CO. KG, 2012.-137 c.

41. Кругл ob В.В. Искусственные нейронные сети. Теория и практика. /

42. B.В. Круглов, Борисов В.В. М.: Горячяя линия - Телеком, 2002г. -382с.

43. Круглов В.В. Нечеткая логика и искусственные нейронные сети. / В.В. Круглов, М.И. Дли, Р.Ю. Голунов М.: Физматлит, 2001. - 221 с.

44. Кузин JI. Т. Основы кибернетики: в 2-х т. / JI.T. Кузин. М.: Энергия, 1979. - Т.2 : Основы кибернетических моделей: Уч. пособие для вузов. - 584 с.

45. Кузнецов Ю. Н. Математическое программирование: Уч.пособие / Ю.Н. Кузнецов, В.И. Кузубов, A.B. Волощенко. М.: Высш.шк., 1980.-300 с.

46. Куффлер С. От нейрона к мозгу./ С.Куффлер, Дж. Николе М.: Мир, 1979. - 440 с. Ларичев О. И. Выявление экспертных знаний /

47. О.И. Ларичев, А.И. Мечитов, Е.М. Мошкович, Е.М. Фуремс. М.: Наука, 1989.- 128 с.

48. Луценко Е.В. Автоматизированная система распознавания образов: математическая модель и опыт применения //В.И. Вернадский и современность (к 130 — летию со дня рождения): Материалы конференции. — Краснодар: Краснодарское книжное изд-во, 1993. —С.37-42.

49. Магрупов Т.М. Графы, сети, алгоритмы и их приложения / Т.М. Магрупов. Ташкент: Фан, 1990. - 120 с.

50. Макаров И.М. Теория выбора и принятия решений / И.М.Макаров, Т.М.Виноградская, A.A. Рубчинский, В.Б.Соколов. М.: Наука, 1982.-327 с.

51. Мартин Дж. Организация баз данных в вычислительных системах / Дж. Мартин. М.: Мир, 1980. - 662 с.

52. Мацяшек Л.А. Анализ требований и проектирование систем. Разработка информационных систем с использованием UML / Л.А. Мацяшек; пер. с англ. и ред. В.М. Неумоина. М.: Вильяме, 2002. -428 с.

53. Московиченко А.Л. Дерево целей инженерной деятельности. //Кибернетика и вуз. Выпуск 13. Томск, 1987, с.123-129.

54. Мидоу Ч. Анализ информационно поисковых систем / Ч. Мидоу. -М.: Мир, 1978.-213 с.

55. Минский М. Персептроны./М.Минский, С.Пайперт М.: Мир, 1971. -261 с.

56. Миркес Е.М. Нейрокомпьютер. Проект стандарта / Е.М.Миркес -Новосибирск: Сибирская издательская фирма РАН, 1998 187с.

57. Мкртчян С.О. Нейроны и нейронные сети (Введение в теорию формальных нейронов)/ С.О.Мкртчян С.О. М.: Энергия, 1971. -232 с.

58. Мороз А. И. Курс теории систем / А.И. Мороз. М.: Высш. шк., 1987.-412 с.

59. Мушик Э. Методы принятия технических решений./ Э.Мушик, П. Мюллер М. Мир, 1990.-206 с.

60. Нейроинформатика и ее приложения // Материалы 3 Всероссийского семинара, 6-8 октября 1995 г. Ч. 1 / Под ред. А.Н.Горбаня. Красноярск: изд. КГТУ. 1995. - 229 с.

61. Нейрокомпьютер как основа мыслящих ЭВМ / Под ред. Фролова

62. A.A., Шульгина Г.И. М.: Наука, 1993. - 276 с.

63. Новикова Н.М. Интеллектуальные интерфейсы./ Н.М.Новикова,

64. B.Н.Будко Воронеж: Издательско-полиграфический центр, 2011. -308 с. в, В.М. Брук. - Д.: Машиностроение, 1985. - 199 с.

65. Обработка нечеткой информации в системах принятия решений / А.Н. Борисов, A.B. Алексеев, Е.В. Меркурьев и др.. М.: Радио и связь, 1989.-304 с.

66. Оганесян А. П. Интеллектуальная надстройка СУБД / А.П. Оганесян // Представление знаний в системах искусственного интеллекта. М.: МДНТП им. Дзержинского, 1980. - С. 151-153.

67. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. М.: Финансы и статистика, 2002. -344с.: ил.

68. Орловский С. А. Проблемы принятия решений при нечеткой исходной информации / С.А. Орловский. М.: Наука, 1981. - 206 с.

69. Пападимитриу X. Комбинаторная оптимизация. Алгоритмы и сложность: Пер. с англ./ Х.Пападимитриу, К.Стайглиц М.:Мир, 1985.-512 с.

70. Патрик Э. Основы теории распознавания образов / Под ред. Б.Р. Левина; Пер. с англ. М.: Сов. радио, 1980. 408 с.

71. Паюшев Д.И. Математические основы построения систем инвариантных признаков в задачах распознавания образов //

72. Математические методы исследования природных ресурсов Земли из космоса. М.: Наука, 1984.

73. Перегудов Ф. И. Введение в системный анализ / Ф.И. Перегудов, Ф.П. Тарасенко. М.: Высш.шк, 1989. - 367 с

74. Поспелов Г. С. Программно-целевое планирование и управление (Введение) / Г.С. Поспелов, В.А. Ириков. М.: Сов. радио, 1976. -440 с.

75. Протасов С.И. Методы и алгоритмы анализа, передачи и визуализации данных в системах компьютерного стереозрения/ С.И.Протасов. Автореф. Дисс.канд.техн. наук- Воронеж, 2013.- 16 с

76. Поспелов Г.С. Процедуры и алгоритмы формирования комплексных программ / Г.С. Поспелов, В.А. Ириков, А.Е. Курилов. М.: Наука, 1985.-425 с.

77. Препарата Ф. Вычислительная геометрия. / Ф. Препарата, М. Шеймос М.: Мир, 1989. - 295 с.

78. Пустыльник Е. И. Использование линейной модели для экстраполяции экспертных оценок / Е.И. Пустыльник, В.В. Сысоев, М.С. Чирко // Автоматизация проектирования. М.: МДНТП, 1981. -С. 46-50.

79. Рутковская Д. Нейронные сети, генетические алгоритмыи нечеткие системы / Д.Рутковская, М.Пилиньский, Л.Рутковский.-М:Горячая Линия Телеком,2006.-452с.

80. Саати Т. Аналитическое планирование. Организация систем / Т. Саати, К. Керне; пер. с англ. М.: Мир, 1991. - 224 с.

81. Сербулов Ю.С. Модели выбора и распределения ресурсов технологических систем в условиях их замещения и конфликта : автореф. дис. . д-ра техн. наук / Ю.С. Сербулов. Воронеж, 1999. -35 с.

82. Симанков B.C., Луценко E.B. Адаптивное управление сложными системами на основе теории распознавания образов. — Краснодар: Техн. ун-т Кубан. гос. технол. ун-та, 1999. — 318 с.

83. Сорокин А.И. Разработка алгоритмов распознавания рукописных символов на основе аналитических свойств изображения / А.И.Сорокин: Дис.на соискание степ. Канд. Физ.-мат. наук -Воронеж, 2010- 175 с.

84. Ту Дж. Принципы распознавания образов. М.: Мир, 1978. - 411 с.

85. Тэрано Т. Прикладные нечеткие системы. / Т. Тэрано, К. Асаи, М.Сугэно. М.: Мир, 1993г. - 368 с.

86. Уоссермен. Ф. Нейрокомпьютерная техника: пер. с англ./ Ф. Уоссермен. М.: Мир, 1992. - 332 с.

87. Федотов Н.Г. Теория признаков распознавания образов на основе стохастической геометрии и функционального анализа. М.: ФИЗМАТЛИТ, 2009. - 304 с.

88. Фролов A.A. Нейронные модели ассоциативной памяти./ А.А.Фролов, И.П.Муравьев -М.: Наука, 1987. 160 с.

89. Фу К. Структурные методы в распознавании образов / Под ред. М.А. Айзермана-М.: Мир, 1977.-312 с.

90. Фурман Я. А., Юрьев А. Н. , Яншин В. В. Цифровые методы обработки и распознавания бинарных изображений. / Я.А. Фурман, А. Н. Юрьев, В. В Яншин — Красноярск: Издательство Красноярского университета, 1992г — 248 с.

91. Хайкин С. Нейронные сети: полный курс, 2-е издание. : Пер. с англ. — М. : Издательский дом "Вильяме", 2006. — 1104 е.:

92. Системы искусственного интеллекта. Практический курс /Под ред. И.Ф.Астаховой М.: ФИЗМАТЛИТ, 2008. - 304 с.

93. Шестаков K.M. Теория принятия решений и распознавание образов : курс лекций / K.M. Шестаков. Мн. : БГУ, 2005. - 184 с.

94. Шильяк Д.Д. Децентрализованное управление сложными системами / Д.Д. Шильяк. М: Мир, 1994. - 576 с.

95. Шоломов. Логические методы исследования дискретных моделей выбора / Шоломов. М.: Наука. Гл. ред. физ.-мат. лит., 1989. - 287 с.

96. Шрейдер Ю. А. Системы и модели / Ю.А. Шрейдер, A.A. Шаров. -М.: Радио и связь, 1982. 152 с.

97. Экспертные системы: состояние и перспективы / Под ред. Д.А. Поспелова. М.: Наука, 1989. - 152 с.

98. Энкарначчо Ж. Автоматизированное проектирование. Основы понятия и архитектура систем / Ж. Энкарначчо, Э. Шлехтендаль. -М.: Радио и связь, 1986. 288 с.

99. Linda G.Shapiro and George С. Stockman. Computer Vision/ Prentice Hall. -PP. 37-49

100. Яхъева Г.Э. Нечеткие множества и нейронные сети: Учебное пособие / Г.Э. Яхъева. М.: Интернет-Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2006. -316с.

101. Kise К. Segmentation of page images using the area voronoi diagram. / K.Kise, A.Sato, M. Iwata // Computer Vision and Image Understanding. -1998. Vol. 3, no. 70. - P. 370-382.

102. Wang Z. Word Extraction Using Area Voronoi Diagram. / Z. Wang, Y. Lu, С. Lim // CVPRW '03. 2003. - P. 31 - 36.

103. Сайт профессора E.B. Луценко. URL: http://lc.kubagro.ru/

104. Публикации в изданиях, рекомендованных ВАК РФ

105. Мищенко В.А. Алгоритм распознавания графических образов / В.А.Мищенко // Вестник Воронежского гос. техн. ун-та, 2009, Т. Вып. 5, № 12.-С. 103-105.

106. Мищенко В.А. Принципы нечеткой логики на примере нечетких нейронных сетей / В.А.Мищенко, А.А.Коробкин // Современныепроблемы науки и образования. 2012. - № 1; URL: www.science-education.ru/101-5321

107. Мищенко В.А. Использование генетических алгоритмов в обучении нейронных сетей / В.А.Мищенко, А.А.Коробкин // Современные проблемы науки и образования. 2011. - № 6. URL: www.science-education.ru/100-5138

108. Астахова И.Ф. Автоматизированное рабочее место секретаря Лискинского почтамта / И.Ф. Астахова, В. А. Мищенко // Современные проблемы механики и прикладной математики труды. Межд. Конф. Воронеж: ВГУ, 2007. - Вып. 3. - С. 22-25.

109. Астахова И.Ф. Современные проблемы искусственного интеллекта / И.Ф. Астахова, К.В. Петров, В.А. Мищенко //Современные методы теории краевых задач: Мат-лы Воронежской мат. школы «Понтрягинские чтения». Воронеж: ВГУ, 2010. - С. 10-11.

110. Мищенко В.А. Автоматизация работы Лискинского почтамта / В.А. Мищенко, Т.А. Емельянова // Труды молодых ученых ВГУ. 2007. Вып. 1-2.-С. 24-31.

111. Мищенко В.А. Обучение искусственных нейронных сетей / В.А. Мищенко // Современные проблемы науки и образования. -Воронеж: ВГПУ, 2009. № 6. - С. 9-10.

112. Мищенко В.А. Персептрон как средство распознавания образов / В.А. Мищенко // Новые технологии в образовании. - Воронеж: ВГПУ, 2009. - № 4 - С. 101-102.

113. Свидетельства о государственной регистрации программ для ЭВМ

114. Сортировочный участок: свидетельство о регистрации программы для ЭВМ / И.Ф.Астахова, В.А.Мищенко. №2012610838; заявл. 23.11.11; внесена в Реестр программ для ЭВМ 19.01.12; per. №2012610838.