Способы, алгоритмические средства и мультипроцессор распознавания образов на основе нелинейных отображений тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат технических наук Мальцев, Евгений Михайлович

• Мальцев, Евгений Михайлович
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Мальцев, Евгений Михайлович

ВВЕДЕНИЕ.

ГЛАВА 1. Обзор средств распознавания образов.

1.1. Концепции в теории распознавании образов.

1.2. Идентификация и классификация.

1.2.1. Дискретные, нечеткие и непрерывные классы.

1.2.2. Основные особенности распознавания в случае дискретных классов.

1.3. Распознавание образов с учителем и без учителя.

1.4. Признаки.

1.5. Изменчивость реализаций образов.

1.6. Обзор методов в теории распознавания образов.

1.6.1. Методы предварительной обработки.

1.6.2. Обзор методов распознавания (постобработки).

1.7. Обзор технических средств распознавания образов.

1.7.1. Высокопроизводительные универсальные ЭВМ.

1.7.2. Универсальные процессоры с дополнительным набором команд распознавания образов.

1.7.3. Специализированные процессоры распознавания образов в составе универсальных вычислительных систем.

1.7.4. Машины распознавания образов.

1.8. Сущность предлагаемого подхода.

1.9. Выводы.

ГЛАВА 2. Разработка структуры и формы представления графических объектов и математическая модель отображения многомерных объектов на плоскость.

2.1. Многомерная форма представления графических образов.

2.2. Способ отображения многомерных объектов на плоскость.

2.2.1. Линейное D-отображение на плоскости.

2.2.2. Нелинейное К-отображение на плоскость.

2.3. Ортогональная проекция точки в n-мерном пространстве на плоскость.

2.4. Способ обучения и распознавания.

2.4.1. Обучение.

2.4.2. Генерация объектов класса.

2.4.3. Распознавание.

2.5. Выводы.

ГЛАВА 3. Алгоритмизация способов построения форм представления многомерных объектов и способов распознавания.

3.1. Алгоритмизация способа многомерного представления объекта распознавания.

3.1.1. Формализация исходных данных алгоритма построения многомерного представления объекта распознавания.

3.1.2. Алгоритмизация процедуры Z-развертки.

3.1.3. Алгоритмизация процедуры диагональной развертки.

3.1.4. Алгоритмизация процедуры спиральной развертки.

3.2. Алгоритмизация способа построения отображения многомерного объекта на плоскость.

3.3. Алгоритмизация способа определения принадлежности к классу.

3.4. Оценка работы алгоритмических средств.

3.4.1. Качество распознавания.

3.4.2. Анализ результатов работы алгоритмов построения форм многомерного представления объектов распознавания.

3.5. Выводы.

ГЛАВА 4. Аппаратная реализация алгоритмов построения формы представления многомерных объектов и алгоритмов распознавания.

4.1.1. Описание устройства.

4.1.2. Описание функциональной схемы устройства.

4.1.3. Детализация структурно-функциональных компонентов ПЛИС

ХС4020Е.

4.2. Выбор средств акселерации.

4.3. Оценки надежности компонентов устройства мультипроцессора.

4.4. Сопоставительный анализ с устройством-аналогом.

4.5. Выводы.

Введение диссертации (часть автореферата) на тему «Способы, алгоритмические средства и мультипроцессор распознавания образов на основе нелинейных отображений»

Дальнейшее развитие средств вычислительной техники связывается с прикладными сферами эффективного применения. В частности в качестве основных компонентов компьютерных систем поддержки принятия решений, функционирующих на основе методов теории распознавания образов. Не смотря на давность постановки проблемы распознавания образов до сегодняшнего дня не найдено ее общего решения, что порождает необходимость в разработке методов, алгоритмических, программных и технических средств, находящихся в сильной зависимости от специфики решаемых задач в данной предметной области. Доминирующим направлением решения задачи распознавания образов является обучение. Между тем, методам обучения распознавания с учителем уделено недостаточно внимания.

В результате объективных психофизиологических ограничений лицо, осуществляющее обучение распознаванию образов, не может оперировать многомерными объектами. Поэтому для организации диалоговых процедур обучения используется визуализация, т.е. отображение многомерных объектов на плоскость монитора.

Визуализация позволяет рационально распределить функции между распознающей системой и лицом, осуществляющим обучение. При этом система синтезирует форму представления многомерных объектов, а человек определяет таксоны и их границы. Основная проблемная ситуация заключается в несоответствии сложности и стоимости существующих программных средств и самообучающихся устройств автоматического распознавания образов в виде монохромных точечных двухмерных объектов (изображений символов, дактилоскопических отпечатков, радужки глаза человека, товарных знаков и т.д.) реальным запросам и возможностям широкого круга пользователей. Основная решаемая задача заключается в создании способа многомерного представления точечных образов с последующей их визуализацией на плоскости монитора, позволяющей лицу, осуществляющему обучение, выполнять операции разграничения многомерных объектов, а также в разработке и исследовании устройств вычислительной техники массового применения, реализующих процедуры визуализации и автоматического распознавания.

Проблемам визуализации посвятили свои работы А. Пуанкаре, К. Фу, У. Торгенсон, К. Пирсон, к. Фукунага, А.Ю. Терехина, Р.С. Лбов, Н.Г. Загоруйко, А.И. Галушкин и другие отечественные и зарубежные ученые.

Для решения основной задачи имеются необходимые основания и предварительные разработки. Теоретический фрагмент работы диссертационной работы связан с разработкой и обоснованием способов реализации процессов обучения и распознавания и их алгоритмизации, а практический фрагмент - с созданием программно-аппаратных средств в виде мультипроцессора распознавания образов и экспериментальными исследованиями скоростных характеристик алгоритмов и устройств.

На основании изложенного тема диссертационного исследования является актуальной и перспективной.

Работа выполнялась в рамках грантов ГОО-1.4-1.5 (2000-2002 г.) Министерства образования РФ при непосредственном участии автора, и Г02-4.2-5 (2002-2004 г.).

Цель диссертационной работы заключается в исследовании свойств нелинейных отображений объектов распознавания, создании способов их визуального различения, отождествления и классификации и реализации их в виде программного средства и мультипроцессора распознавания с последующим исследованием их характеристик.

Задачи:

1. Анализ существующих форм представления точечных образов и разработка способа построения многомерных форм представления объектов распознавания.

2. Разработка способа и алгоритма построения отображения объектов многомерного пространства в двумерное и определения принадлежности к классу объектов в диалоговом режиме.

3. Разработка способа автоматического распознавания точечных образов на основании обучения с учителем.

4. Разработка структурно-функциональной организации устройства распознавания и экспериментальное исследование его характеристик. Методы исследования основываются на результатах современной топологии, теории распознавании образов, теории систем обработки символьной информации, теории алгоритмов и конструктивной математической логики, а также теории автоматов и проектирования ЭЦВМ. Научная новизна заключается в следующих результатах:

1. Разработан способ и алгоритм отображения двумерных исходных точечных объектов в кластеры многомерного пространства признаков, позволяющие устранить ограничение на число образов и их топологические конфигурации.

2. Разработаны и формально обоснованы способ и алгоритм визуализации, обеспечивающие лицу, осуществляющему обучение в режиме диалога, выполнять операции разграничения многомерных кластеров, отображенных в двумерное пространство.

3. Разработаны и экспериментально апробирован способ и алгоритм автоматической классификации объектов на основе обучения с учителем, обеспечивающий более высокую достоверность распознавания по сравнению с программной системой распознавания Fine Reader 7.0.

4. Разработан способ структурно-функциональной организации мультипроцессора для распознавания образов на основе программируемых логических интегральных схем (ПЛИС) с низким уровнем сложности построения отображения объектов многомерного пространства.

5. Проведено исследование характеристик разработанных программных средств и мультипроцессора распознавания.

Практическая значимость работы заключается в том, что в результате исследования разработаны пригодные для использования программные средства с низким уровнем сложности построения отображения объектов многомерного пространства, которые рекомендуются для широкого использования в различных прикладных областях при решении практически важных задач распознавании и визуализации классов объектов, характеризуемых большим множеством признаков. Разработанное техническое решение мультипроцессора позволяет существенно увеличить быстродействие процессов построения отображения объектов многомерного пространства на плоскость при ограничениях на время принятия решений. Установлено, что скоростные преимущества разработанного мультипроцессора составляют от 2-х раз по отношению к программной реализации на Pentium-4 и от 15 раз на других персональных компьютерах, а по отношению к устройству аналогу - 20 - 25 раз при выполнении процедуры визуализации многомерных объектов.

Полученные в диссертационной работе результаты используются в отделе программно-технического обеспечения Учреждения юстиции по регистрации прав на территории Курской области и в учебном процессе Курского государственного технического университета.

Результаты диссертационной работы обсуждались и получили положительную оценку на следующих научных кворумах: IV Международной научно-технической конференции «Распознавание-2001», Курск 2001 (дважды), VI Международной научно-технической конференции «Распознавание-2003», Курск 2003, VII Международной научно-технической конференции «Медико-экологические информационные технологии», Курск 2004.

Результаты выполненных разработок и исследований нашли отражение в 7 работах.

Личный вклад автора в диссертационную работу: все представленные в диссертационной работе совместные результаты включены в диссертацию с согласия соавторов. В работах [1-3] лично соискателем разработаны способы и алгоритмические средства построения отображения и визуализации объектов многомерного пространства на плоскость, являющегося основной процедурой распознавания образов.

Основные положения, выносимые на защиту:

1. Способ и алгоритмы построения многомерных форм и отображения объектов многомерного пространства в двумерное.

2. Способ автоматического определения принадлежности к классу объекта многомерного пространства по результатам обучения с учителем.

3. Структурно-функциональная организация мультипроцессора построения и визуализации отображения объектов многомерного пространства в двумерное.

4. Результаты экспериментального исследования скоростных характеристик и уровня качества распознавания разработанных программных и аппаратных средств.

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы из 78 наименований, 1 приложения. Диссертация изложена на 125 страницах и содержит 45 рисунок и 6 таблиц.

Заключение диссертации по теме «Элементы и устройства вычислительной техники и систем управления», Мальцев, Евгений Михайлович

4.5. Выводы

Структурно-функциональная организация мультипроцессора распознавания образов наследует все конструктивные и технологические преимущества устройств, реализованных на основе ПЛИС, и создает основу для постановки НИОКР с переходом на применение FPGA-технологий с высокоскоростной перенастройкой.

Осуществлена детализация функциональных компонентов мультипроцессора распознавания образов, что открывает пути для моделирования работы блоков и узлов с использованием Foundation (САПР ПЛИС) фирмы Xilinx.

Приводятся показатели надежности элементной базы ПЛИС, полученных по результатам стендовых испытаний фирмой Xilinx.

Выбранный аналог для сопоставительного анализа реализует подобный алгоритм визуализации, но не выполняет распознавание на уровне классификации в автоматическом режиме. Скоростные преимущества разработанного мультипроцессора по отношению к аналогу составляют кратность в 20-25 раз.

Достоверность и обоснованность полученных результатов подтверждается корректным использованием методов исследования, а так же совпадением теоретических положений и предложенных способов с практическими результатами работы программно реализованных алгоритмов и результатами моделирования работы мультипроцессора.

ЗАКЛЮЧЕНИЕ.

С единых позиций решена важная научно-техническая задача по созданию способа многомерного представления точечных образов с последующей их визуализацией на плоскости монитора, позволяющей лицу, осуществляющему обучение, выполнять операции разграничения многомерных объектов, а также в разработке и исследовании устройств вычислительной техники массового применения, реализующих процедуры визуализации и автоматического распознавания, получены следующие новые результаты:

1. Разработан способ и алгоритм нелинейного отображения многомерных форм представления исходных двумерных точечных объектов, заключающийся в введении многомерной координатной оси и построении множества проекций многомерного вектора по каждой координате, задающего своим конечным значением результирующее положение точки в двумерном пространстве, что позволяет уменьшить ограничение на число и типы визуализируемых и распознаваемых объектов.

2. Разработан и формально обоснован способ и реализующий его алгоритм визуализации многомерных объектов, отображенных в двумерное пространство, основанный на поиске лицом, осуществляющим обучение, центральных эталонов кластеров и позволяющий в режиме диалога разграничивать и отождествлять объекты распознавания.

3. Разработан способ и алгоритм автоматического распознавания точечных объектов с использованием нелинейных отображений их многомерных форм представления, основанный на критерии минимальности расстояния. Установлена возможность неразличимости распознаваемых объектов, устраняемая на этапе дообучения путем изменения признакового пространства и центральных эталонов кластеров лицом, осуществляющим обучение.

4. На основе предложенных способов разработана и экспериментально апробирована программная реализация автоматической классификации объектов на основе обучения с учителем, обеспечивающая получение высоких показателей качества распознавания зашумленных объектов по отношению к системе распознавания Fine Reader 7.0. Установлено, что при уровне зашумления превышающем 12%, программная реализация, использующая способы нелинейного отображения с последующей визуализацией и классификацией, имеет преимущество по частоте правильного распознавания в среднем в 1,4 раза в сравнении с системой Fine Reader 7.0.

5. Разработан способ структурно-функциональной организации мультипроцессора распознавания образов, позволяющий за один цикл выполнить процедуру классификации по множеству эталонов, за счет параллельной работы вычислительных блоков на основе ПЛИС типа Xilinx ХС4020Е.

6. Проведено исследование характеристик разработанной программной реализации и мультипроцессора распознавания. Установлено, что скоростные преимущества разработанного мультипроцессора составляют от 2-х раз по отношению к программной реализации на Pentium-4, а по отношению к устройству аналогу - 20 - 25 раз при выполнении процедуры визуализации многомерных объектов.

Таким образом, цель, поставленная в диссертационной работе, достигнута.

Список литературы диссертационного исследования кандидат технических наук Мальцев, Евгений Михайлович, 2004 год

1. Вапник В.Н. Задача обучения распознаванию образов. М.: Знание,1971.-64с.

2. Вапник В.Н., Червоненкис А .Я. Теория распознавания образов. -М.: Наука, 1974.-416 с.

3. Фор А. Восприятие и распознавание образов. М.: Машиностроение, 1989. -272 с.

4. Загоруйко Н.Г. задача Методы распознавания и их применение. -М.: Советское радио, 1972. 208 с.

5. Розенфельд А. Распознавание и обработка изображений. М.: Мир,1972.-230 с.

6. Бутаков Е.А. и др. Обработка изображений на ЭВМ. М.: Радио и связь, 1987.-250 с.

7. Прэт У. Цифровая обработка изображений: В 2-х кн.: Пер. с англ. -М.: Мир, 1972. Кн. 1. - 312 е.; Кн.2. -480 с.

8. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. М.: Мир, 1976.-512 с.

9. Розенблат Ф. Принципы нейродинамики. Персептроны и теория механизмов мозга. М.

10. Заде Л.А. Размытые множества и их применение в распознавании образов и кластер-анализе // Классификация и кластер / Под ред. Дж. Вэн Райзин. М.: Мир, 1980.

11. Арлазаров В.Л., Троянкер В.В., Котович Н.В. Адаптивное распознавание символов // www.cuneiform.ru. 2001.

12. Минский М., Пейперт С. Персептроны. М.: Мир, 1971. - 202 с.

13. Распознавание образов: состояние и перспективы / Под ред. К. Верхаген. М.: Радио и связь, 1985.

14. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986.-312 с.

15. Джонсон К. Нечеткая логика в системах распознавания образов //ComputerWeek. 1995. N 47. С.32.

16. Дмитриев А.К., Юсупов P.M. Идентификация и техническая диагностика. М.: МО СССР, 1987. 521 с.

17. Бугаевский J1.M., Вахромеева JI.A. Картографические проекции. М.: Недра, 1992. 293 с.

18. Ва Б.У., Лоурай М.Б., Гоцзе Ли. ЭВМ для обработки символьной информации //ТИИЭР. 1989. т.77, N 4. С.5-40.

19. Вагин В.Н., Головина Е.Ю., Салапина Н.О. Искусственный интеллект в CASE технологии// Программные продукты и системы, 1996. N3. С. 13-21.

20. Вагин В.Н., Захаров В.Н.,Поспелов Д.А. и др. Проект "ПАМИР" // Известия АН СССР. Техническая кибернетика. 1988. N2. С. 161171.

21. Вишняков В.А. и др. Аппаратно-программные средства процессоров логического вывода. М.: Радио и связь, 1991. 263 с.

22. Эйсымонт Л.К. Компьютеры для обработки символьной информации // Зарубежная радиоэлектроника. 1990. N4. С.3-28.

23. Гренандер У. Лекции по теории образов, т.2. Анализ образов: пер. с англ. М.: Мир, 1981, - 448 с.

24. Харалик Р. Структурное распознавание образов, Кибернетический сборник. Новая серия: Пер. с англ. - М.: Мир, 1983, вып. 19, с. 170199

25. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания и классификации, в кн.: Проблемы кибернетики, -М.: Наука, 1978, вып. 33, с.5-68.

26. Фу К. Структурные методы в распознавании образов. М.: Мир, 1977.319 с.

27. Ва Б.У., Лоурай М.Б., Гоцзе Ли. ЭВМ для обработки символьной информации //ТИИЭР. 1989. т.77, N 4. С.5-40.

28. Радиоэлектроника за рубежом/Достижения в области архитектуры мощных микропроцессоров/ Обзор, 1992, вып. 6 (62)-8 (64). С. 3-32.

29. Integradet Circuit International, 1989, N 9. P. 2-3.

30. Veronis A. Survey of Advanced Microprocessors. Van Norstrand Reinhold, New York, 1991.

31. Computer Design, 1991, N 3. P. 28, 30, 32.

32. Electronic Design, 1991, N 3. P. 41-43, 46.

33. Computer Design, 1991, N 5, l/III. P. 38, 40, 41, 43.

34. Electronic News, 1991, 22/IV. P. 18.

35. Digital анонсирует персональные рабочие станции Alpha XL 300 и 366 //ComputerWeek-Москва. 1996.№21. С. 6.

36. Working stations of S-group/Noboru N, Hiroyki S., Katsuhisy A. //Fujitsy Scientific and Technical. 1996. Vol.47, N 1.

37. Бердышев Е.М. Технология MMX. Новые возможности процессоров Р5 и Р6. М.: Диалог-МИФИ, 1998. 234 с.

38. Бойл П. Могущество сервера //PC Magazine (Москва). 1996. N 7. С.57-91.

39. Еще один рекорд Cray //ComputerWeek-MocKBa.1995. N 36. С.З.

40. Дубова Н. Суперкомпьютеры nCube. //Открытые системы. 1995. N 2, С.42-47.

41. Векторные суперкомпьютеры. /Кручинин С., Озерецковский С. //ComputerWeek-Москва. 1995. N 17. С.39-52.

42. Ron Wilson. Системы команд процессоров пополняются мультимедиа-инструкциями //ComputerWeek-MocKBa.1996. N 32. С. 34-35,41.

43. Иванов П. UltraComputing: новая парадигма Sun "приходит" в Москву //ComputerWeek-Москва. 1995. N 45. С.ЗЗ.

44. Голобов А. Корпорация SPEC и ее тесты. //CompuUnity.1996. N 4. С.74-77.

45. Кларк П. ARM создает процессоры для сетевых компьютеров/ Computer Week-Москва. 1996. N 25. C.6.

46. Hayashi H7, Haffoiy A., Akivmoto H. Lisp mashine "ALPHA" //Fujitsu Scientific and Technical.1984. Vol.20, N 2.

47. Попов В.Э. Экспертные системы реального времени //Открытые системы, 1995. N 10. С.66-71.

48. Эйсымонт J1.K. Компьютеры для обработки символьной информации // Зарубежная радиоэлектроника. 1990. N4. С.3-28.

49. Мануэль Т. Процессор, сочетающий возможности числовых и символьных данных //Электроника. 1987.Т.60, N 8.

50. Myamlin A.N., Smirnov V.K., Golovkov S.L. A Specializied Symbol Processor // 5th Generation Computer Architectures / Ed. J.V. Woods.-Amsterdam, New York, Oxford, Tokio: North Holland, 1986.

51. The AM3 associative processor /Klauer В., Bleck A., Waldshmidt K. //IEEMicro. 1995 vol. 15, N 2.

52. The IMX2 parallel associative processor for AI /Huguchi Tetsuya, Hauda Kennichi, Thakahashi Natoetal //Computer. 1994. 27, N 11.53. 11ат. 5142664, Япония, МКИ5 G06 F15/18 /Processor unit using truth-valued flow /Zhang Hondmin: Apt Instruments Corp.

53. Пат. 5210853, Япония, МКИ5 G06 F12/00 /Electronic device/dictionary with improved information storage: memory capacity ratio /Nakasuji Masataka, Fudjiwara Toshiaki, Kihara Voshioro: Sharp K. K.

54. Nobuyuki O. To the new paradigm in the information processing//Joho shori. 1993. 34. N 12. P. 1473-1478.

55. Пат. 5293314, США, МКИ5 G06 F15/38 /Word processor having a word frequency count unit /Sokai Toshiyuki: Brother Rogyo K.K.

56. Пат. 5335314, Япония, МКИ5 G06 F9/44 /Устройство для логического вывода /Tsutsumi Yasuhiro, Nishimura Tunichi: Omron Corp.

57. Нариньяни A.C. Лингвистические процессоры ЗАПСИБ (часть 1):

58. Препринт N 199. Новосибирск, 1979. 22 с.

59. Нариньяни А.С. Лингвистические процессоры ЗАПСИБ (часть 2): Препринт N202. Новосибирск, 1979. 48 с.

60. Алыиакова Е.Л., Довгаль В.М., Захаров И.С.: Методы линейного и нелинейного отображения n-мерных объектов: Препринт 31-97 / Курск. Гос. техн ун-т. Курск, 1997. 12 с.

61. Feigenbaum Е.А. McCourduck P. The Fifth Generation Artificial Intelligence and Japan's Computer Challeenge to the World. Addison-Wesley, 1983.

62. Фути К., Судзуки H. Языки программирования и схемотехника СБИС: Пер. с япон. М.: Мир, 1998. 224 с.

63. Митчелл Р. и др. Компьютеры: прорыв в быстродействие// BusinesWeek, 1992. N 4. С. 14-22.

64. Тамура Н.и др. Последовательная Пролог-машина РЕК // Язык Пролог в пятом поколении ЭВМ. М.: Мир, 1988. С.310-325.

65. Вишняков В.А., Буланже Д.Ю., Герман О.В. Аппаратно-программные средства процессоров логического вывода. М.: Радио и связь, 1991. 260с.

66. Вагин В.Н., Захаров В.Н.,Поспелов Д.А. и др. Проект "ПАМИР" // Известия АН СССР. Техническая кибернетика. 1988. N2. С. 161171.

67. С.В. Моисеева, Е.А. Титенко, С.Н. Громенко. Удаление шумов из машинописных текстов // Сборник материалов 4-ой международной конференции «Распознавание-99». Курск, гос. техн. ун-т. Курск, 1999, С.154-155.

68. В.В. Шеин, В.М. Довгаль, В.В. Керекеша. К вопросу о задче распознавания текста // Сборник материалов 4-ой международной конференции «Распознавание-99». Курск, гос. техн. ун-т. Курск, 1999, С.61-62.

69. Bing Zeng, «Image interpolation based on median-type filters», SPIE

70. Optical Engineering, vol. 37, No. 9, 2472-2481 (1998).

71. С.А.Бачило, В.М.Калашников, Д.М.Симоненко. Алгоритм ускоренной медианной фильтрации изображения // Сборник материалов 3 международной конференции «Распознавание-97». Курск, гос. техн. ун-т. Курск, 1997, С.85-87.

72. С.С. Тевс, B.C. Титов. Метод повышения контрастности изображения // Сборник материалов 4-ой международной конференции «Распознавание-99». Курск, гос. техн. уг-т. Курск, 1999, С.40-41.

73. Мальцев Е.М. и др. Продукционные алгоритмические технические средства обработки информации в ГИС // Материалы IV Международной конференции «Распознавание-2001». Курск, 2001. С.151-153.

74. Довгаль В.М., Мальцев Е.М., Шанцев А.В. Архитектура класса мультипроцессоров быстрых символьных вычислений // Материалы VI Международной конференции «Распознавание-2003». Курск, 2001. С. 93-95.

75. Мальцев и др. Метод быстрой обработки двухмерных массивов // Материалы VI Международной конференции «Распознавание-2003». Курск, 2003. С. 90-92.

76. Мальцев Е.М. Распознавание образов, как один из наиболее значимых типов задач систем обработки символьной информации // Материалы 69-й Межвузовской научной конференции студентов и молодых ученых «Молодежная наука и современность». Курск, 2004. С.249

77. Мальцев Е.М. Метод точечного описания графических образов символов. // Деп. ВИНИТИ. 23.06.04 №1068-В2004. КГТУ. Курск. 2004.

78. Мальцев Е.М. Метод автоматического распознавания графических образов. // Деп. ВИНИТИ. 23.06.04 №1067-В2004. КГТУ. Курск.2004.

79. Мальцев Е.М. Метод распознавания монохромных изображений символов // Материалы VII Международной научно-технической конференция «Медико-экологические информационныетехнологии». Курск, 2004. С. 100-102.