- Автоматизация
- Антропология
- Археология
- Архитектура
- Биология
- Ботаника
- Бухгалтерия
- Военная наука
- Генетика
- География
- Геология
- Демография
- Деревообработка
- Журналистика
- Зоология
- Изобретательство
- Информатика
- Искусство
- История
- Кинематография
- Компьютеризация
- Косметика
- Кулинария
- Культура
- Лексикология
- Лингвистика
- Литература
- Логика
- Маркетинг
- Математика
- Материаловедение
- Медицина
- Менеджмент
- Металлургия
- Метрология
- Механика
- Музыка
- Науковедение
- Образование
- Охрана Труда
- Педагогика
- Полиграфия
- Политология
- Право
- Предпринимательство
- Приборостроение
- Программирование
- Производство
- Промышленность
- Психология
- Радиосвязь
- Религия
- Риторика
- Социология
- Спорт
- Стандартизация
- Статистика
- Строительство
- Технологии
- Торговля
- Транспорт
- Фармакология
- Физика
- Физиология
- Философия
- Финансы
- Химия
- Хозяйство
- Черчение
- Экология
- Экономика
- Электроника
- Электротехника
- Энергетика
Коллективы решающих правил
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ ГОУ
ВПО «АРЗАМАССКИЙ ПОЛИТЕХНИЧЕСКИЙ ИНСТИТУТ» (ФИЛИАЛ)
НГТУ им. Р.Е.Алексеева
ОТЧЕТ
по учебной практике
Студентка Панькина Т.А.
Направление 11.04.03 «Конструирование и технология ЭС» Магистерская программа: «Информационные технологии проектирования радиоэлектронных средств»
Группа МА-2017Р
Тема магистерской диссертации: «Разработка методики разбраковки изделий РЭС»
Руководитель: Баранова А.В.,к.п.н., доцент
ФИО подпись
«____»_________________20 ___г.
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ ГОУ
ВПО «АРЗАМАССКИЙ ПОЛИТЕХНИЧЕСКИЙ ИНСТИТУТ» (ФИЛИАЛ)
НГТУ им. Р.Е.Алексеева
Индивидуальный план
прохождения педагогической практики
Выполнила студентка Панькина Татьяна Альбертовна
Ф.И.О.
Группа МА17Р
| № п/п | Формулировка задания | Время исполнения |
| Цель: «Рассмотреть коллектив решающих правил при отбраковке изделий РЭС» | ||
| 2.1 2.2 | Содержание практики: Работа с литературой, работа в программе MATLAB». Разбор конкретных примеров задач. Работа по оформлению отчета по практике. | |
| Защита отчета по практике. |
Задание выдал: __Баранова А.В., к.п.н., доцент_____________________________________
Ф.И.О. подпись «__»___20__г.
Задание получил:_ Панькина Т.А.________________________________________________
Ф.И.О. подпись «__»___20__г.
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ ГОУ ВПО «АРЗАМАССКИЙ ПОЛИТЕХНИЧЕСКИЙ ИНСТИТУТ» (ФИЛИАЛ) НГТУ им. Р.Е. Алексеева
ОТЗЫВ
руководителя о прохождении учебной практики
Студент Панькина Т.А, группа МА17Р
(Ф.И.О.)
Срок прохождения практики с «___»_______20__г. По «___»_______20__г.
За время учебной практики магистрант Панькина Т.А. проявила себя как хороший специалист, который с большой ответственностью подходила к возложенным на неё задачам. Хочется отметить высокое стремление магистранта к освоению новых знаний и методов. Выбрана тема магистерской диссертации «Разработка методики разбраковки изделий РЭС»; произведен сбор первичной информации по теме исследования; рассмотрена техническая литература- 9 шт; изучена методика коллектива решающих правил.
| к.п.н., доцент Баранова А.В. |
Руководитель_____________________________________________________
(Ф.И.О.)
«___»________20___г. __________________________
(подпись)
При работе над темой магистерской диссертации была рассмотрена методика отбраковки изделий РЭС при помощи коллектива решающих правил.
Коллективы решающих правил
Давно известны приемы повышения качества принимаемых решений, состоящие в объединении специалистов той или иной области знаний в коллектив, вырабатывающий совместное решение. Идею коллективного решения можно применить и к «коллективу» формальных алгоритмов, что позволит повысить эффективность решения многих задач.
Это понятие мы применим к отбраковке изделий РЭС. Имея исходные данные в виде матрицы мы используем иерархический кластерный анализ. Смысл иерархического кластерного анализа заключается в следующем. Перед началом кластеризации все объекты считаются отдельными кластерами, которые в ходе алгоритма объединяются. Вначале берется N объектов и между ними попарно вычисляются расстояния. Далее выбирается пара объектов, которые расположены наиболее близко друг от друга, и эти объекты объединяются в один кластер. В результате количество кластеров становится равным N-1. Процедура повторяется, пока все классы не объединятся. На любом этапе объединение можно прервать, получив нужное число кластеров. Таким образом, результат работы алгоритма агрегирования определяют способы вычисления расстояния между объектами и определения близости между кластерами.
Матрицы для разбраковки.
B = [2.8 195 39 112;...
0.7 205 43 106;...
2.9 190 38 112;...
3.5 181 36 112;...
3.3 176 35 113;...
0.5 208 42 100;...
2.4 164 34 113;...
0.9 202 40 109;...
0.8 204 43 107;...
4.0 191 38 112;...
4.2 186 37 112;...
0.9 204 41 110;...
3.5 180 36 113;...
3.2 191 38 112;...
0.8 202 42 108;...
0.7 204 43 106;...
2.5 194 37 112;...
3.2 187 36 113;...
0.5 211 45 100;...
3.2 185 36 113;...
0.8 207 43 107;...
0.8 201 41 108;...
2.8 168 35 113;...
0.9 200 40 109;...
0.5 212 46 101];
BD = [0.8 201 41 108;...
0.5 211 45 101;...
2.2 199 39 111;...
0.9 204 41 110;...
3.0 179 36 112;...
3.3 159 32 114;...
3.8 185 37 112;...
2.9 195 39 111;...
3.7 190 38 112;...
0.6 206 45 105;...
3.8 183 37 112;...
0.7 206 43 107;...
0.5 211 45 102;...
3.8 175 35 113;...
3.9 178 35 113;...
3.2 190 36 113;...
0.8 204 42 107;...
2.6 179 35 113;...
3.0 169 35 113;...
3.6 192 37 112;...
3.1 184 36 113;...
3.5 193 37 113;...
3.5 187 36 112;...
2.9 192 37 112;...
0.7 205 44 106];
В программе MATLAB будем использовать следующий код
T = clusterdata(X,CUTOFF),где
clusterdata –конструирование кластеров из данных.
Х- матрица размера M X N, где М – число наблюдений и N - число признаков. CUTOFF- максимальное число классов. Выходная величина Т – вектор размера М, содержащий номер кластера для каждого наблюдения.
T = clusterdata(Х, 'параметр', значение1, 'параметр2', значение2,...) - позволяет задать больше информации через пары параметры/значения.
Допустимые параметры представлены в таблице.
| Параметр | Значение | Назначение |
| 'distance' | 'euclidean' | Эвклидово расстояние |
| 'seuclidean' | Стандартизированное эвклидово расстояние, деление исходных данных на среднеквадратичное отклонение соответствующих переменных | |
| 'cityblock' | Расстояние городских кварталов (манхэттенское расстояние). Это расстояние является просто средним разностей по координатам. В большиснтве случаев эта мера расстояния приводит к таким же результатам, как и обычное расстояние Евклида. Однако, для этой меры влияние отдельных больших разностей уменьшается ( т.к. они возводятся в квадрат) | |
| 'cosine' | Единица минус косинус угла между наблюдениями | |
| 'correlation' | Единица минус корреляция между наблюдениями (рассматриваемыми как последовательности значений) | |
| 'hamming' | Расстояние Хэмминга, процент координат, которые отличаются. |
В таблицу сведем полученные данные по параметрам/значениям.
| А(:,1) | Т1 | Т2 | Т3 | Т4 | Т5 |
| 2.8000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.7000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 2.9000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.5000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.3000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.5000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 2.4000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.9000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 0.8000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 4.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 4.2000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.9000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 3.5000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.2000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.8000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 0.7000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 2.5000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.2000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.5000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 3.2000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.8000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 0.8000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 2.8000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.9000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 0.5000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 0.8000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 0.5000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 2.2000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.9000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 3.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.3000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.8000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 2.9000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.7000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.6000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 3.8000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.7000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 0.5000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 3.8000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.9000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.2000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.8000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
| 2.6000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.6000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.1000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.5000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 3.5000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 2.9000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 | 2.0000 |
| 0.7000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 | 1.0000 |
Для рационального использования особенностей различных алгоритмов при решении задач распознавания, возможно, объединить различные по характеру алгоритмы распознавания в коллективы, формирующие классификационное решение на основе правил, принятых в теории коллективных решений. В данном случае под различными алгоритмами подразумеваются, алгоритмы основанные на Эвклидовом расстоянии, Стандартизированном эвклидовом расстоянии, Расстоянии городских кварталов и т.д.
|
|
|
© helpiks.su При использовании или копировании материалов прямая ссылка на сайт обязательна.
|