Использование алгоритма нечеткой импликации Сугено для определения эмоций на основе информации о двигательных единицах

Авторы: Штанский А.Д.
Опубликовано в выпуске: #4(21)/2018
DOI: 10.18698/2541-8009-2018-4-296
Раздел: Медицинские науки | Рубрика: Медицинское оборудование и приборы
Ключевые слова: эмоция, двигательные единицы, система кодирования лицевых движений, нечеткая логика, алгоритм Сугено, MATLAB Fuzzy Logic Toolbox
Опубликовано: 23.04.2018

Для перехода от определенной по изображению лица человека совокупности двигательных единиц к базовой эмоции требуется обучение алгоритмов отнесения изображения к проявлению одной из базовых эмоций с определенной интенсивностью — так называемых классификаторов. В статье рассмотрена реализация классификаторов в MATLAB с помощью нечеткой импликации Сугено с использованием инструментального средства MATLAB Fuzzy Logic Toolbox. Применение MATLAB Fuzzy Logic Toolbox обладает определенной спецификой, которая определяет необходимость предварительной подготовки данных. В статье рассмотрены алгоритм построения системы нечеткого логического вывода, спецификация функции принадлежности треугольной формы, создание правил и способ дефазификации. Приведены примеры графического интерфейса инструментального средства MATLAB Fuzzy Logic Toolbox.

Литература

[1] Бойко А.А., Пилипенко М.Н., Спиридонов И.Н. Определение двигательных единиц по видеоизображению процесса психологического тестирования по методике Р.Б. Кеттела. Физика и радиоэлектроника в медицине и экологии (ФРЭМЭ’2016). Докл. XII межд. науч. конф. с научной молодежной сессией. Владимир, ВлГУ, 2016, с. 42–46.

[2] Пилипенко М.Н., Латышева Е.Ю., Бойко А.А., Спиридонов И.Н. Исследование алгоритмов автоматического обнаружения двигательных единиц по изображению лица. Биотехносфера, 2016, № 6(48), c. 8–12.

[3] Zadeh L.A. Fuzzy sets. Information and Control, vol. 8, 1965, pp. 338–353.

[4] Zadeh L.A. The concept of a linguistic variable and its application to approximate reasoning. Information Sciences, vol. 9, no. 1, pp. 43–80, Dec. 1975.

[5] Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. Москва, Мир, 1976, 167 с.

[6] Zadeh L.A. Fuzzy logic. Computer, vol. 21, no. 4, 1988, pp. 83–93.

[7] Kosko B. Fuzzy systems as universal approximators. IEEE Transactions on Computers, 1994, vol. 43, no. 11, pp. 1329–1333.

[8] Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. Санкт-Петербург, БХВ-Петербург, 2003, 719 с.

[9] Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. Москва, Физматлит, 2002, 227 с.

[10] Sugeno M. Fuzzy measures and fuzzy integrals: a survey. In: Fuzzy automata and decision processes. North-Holland, 1977, pp. 89–102.

[11] Takagi T., Sugeno M. Fuzzy identification of systems and its applications to modeling and control. IEEE Transactions on Systems, Man and Cybernetics, vol. 15, no. 1, 1985, pp. 116–132.

[12] Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. Москва, Горячая линия — Телеком, 2006, 452 с.