Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Metodi di Cluster Analysis per problemi di Pattern Recognition: un caso aziendale

In questa tesi viene proposto l’utilizzo dei metodi di cluster analysis di tipo non gerarchico per la realizzazione di strutture ad albero. Tali strutture sono state impiegate per ottenere una più efficiente procedura di ricerca riguardante i profili delle chiavi, l’algoritmo è stato infatti realizzato nell’ambito del progetto “Key Reader 2000S” sviluppato da Tecnogamma S.a.s. per conto di Silca S.p.A.
La struttura gerarchica riduce il costo computazionale della ricerca, i confronti vengono infatti limitati ai soli nodi dell’albero, in corrispondenza dei quali sono collocati i centroidi od elementi prototipici dei cluster.
L’utilizzo degli algoritmi partitivi consente di ottenere partizioni migliori in termini di dispersione (varianza) rispetto ai metodi gerarchici, inoltre permette di controllare il numero di cluster e quindi di centroidi da aggiungere alla base di dati, in questo modo è possibile controllare e quindi limitare i costi produttivi, relativi alla memoria necessaria a contenere le informazioni.

Mostra/Nascondi contenuto.
3 Introduzione L’applicazione dell’informatica e dell’intelligenza artificiale nell’industria e nell’economia è notevolmente cresciuta negli ultimi anni, macchine sempre più intelligenti assistono e talvolta sostituiscono l’uomo in un numero sempre maggiore di mansioni. Dopo un iniziale periodo storico in cui le macchine hanno progressivamente sostituito l’uomo nei lavori più faticosi e logoranti, si assiste ora all’ingresso dell’automazione in settori in cui l’uomo svolge compiti intellettuali o comunque non meramente manuali. Le applicazioni biomediche, il controllo di impianti industriali, i sistemi di supporto alle decisioni rappresentano solo alcuni esempi della direzione in cui si muove l’applicazione pratica dell’intelligenza artificiale. In questa tesi viene presentato un caso aziendale sicuramente particolare, il problema riguarda il riconoscimento dei profili delle chiavi da una base di dati, effettuato per mezzo di un apparecchio elettronico dotato di vista artificiale laser. Il progetto “Key Reader 2000S” nasce per sostituire l’uomo nell’operazione di riconoscimento delle chiavi, attività indispensabile per poter effettuare la duplicazione delle chiavi stesse. La difficoltà dell’operazione dipende da diversi fattori come l’enorme mole di chiavi differenti disponibili (il catalogo Silca ne contempla oltre 25000), la notevole somiglianza di alcune chiavi e dai tempi, solitamente ristretti, richiesti per compiere il riconoscimento. L’apparecchio permette di leggere il profilo della chiave inserita nell’apposito alloggiamento, successivamente un DSP (Digital Signal Processor) si incarica di ricercare in memoria il profilo maggiormente somigliante a quello della chiave inserita. Il problema affrontato consiste nella creazione di un sistema di ricerca efficiente, in modo tale da ridurre il numero di confronti necessari ad effettuare la ricerca. In questa tesi viene proposto l’utilizzo dei metodi di cluster analysis per la creazione di un albero gerarchico al fine di supportare un rapido ed efficiente algoritmo di ricerca. Gli algoritmi di clustering sono usati per scopi simili nel campo dell’information retrival, nella creazione di sistemi per la ricerca di documenti (principalmente cataloghi per biblioteche), i metodi principalmente impiegati sono di tipo gerarchico poiché

Tesi di Laurea

Facoltà: Economia

Autore: Fabrizio Ceccato Contatta »

Composta da 132 pagine.

 

Questa tesi ha raggiunto 2393 click dal 31/03/2006.

 

Consultata integralmente una volta.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.