Добрый день.
Стоит следующая задача - необходимо распознавать ФОРМЫ графиков.
Упрощенно эти формы представляют собой параллелепипед, овал и треугольник, с колебаниями.
Собственно есть ли какой либо упрощенный алгоритм этого дела? Без использования нейронных сетей, и прочего?
Координаты графиков представлены в виде числового массива, т.е. это не рисунок, и.т.п.

Даже упрощенно не могу себе такой график представить.

На выбор: Морфиус, Тринити, Нео..

Господа и дамы, честно скажу - в теме не силен. Если подскажите в какую сторону копать - буду благодарен. От стеба попрошу воздержаться.


Параллелограмм, конечно же, пардоньте

вам что надо таблицу заменить на функции?
ну так метод наименьших квадратов вам в руки
когда получили наименьшую ошибку та и функция

Так как точности определения большой мне не требуется, то мне думалось примерно следующее:
-разбивка области графика на несколько трех и четырехугольных зон, где участки графика упрощенно представляли бы собой (неидеальные, так как точности, повторюсь, не надо) прямые.
-определение, присутствует ли данная "неидеальная прямая" в той или иной зоне.
-по количеству "прямых" и наличию их в определенных зонах делать вывод о форме графика.

Собственно как определить, находится ли "прямая" линия в области, ограниченной точками, и куда эта линия направлена.

примерно так: область, ограниченная (в данном случае 4 мя) точками, нужно определить, находится ли внутри нее некое множество точек, и представляет ли это множество собой прямую.
Даже такой разброс, который я изобразил на рисунке, сойдет за прямую линию (для моей задачи)
Таких областей несколько, по всему полю графика.

Если Вы можете выделить области, где должна быть прямая, то, как подсказывали ранее, метод наименьших квадратов Вам в руки. Попытайтесь найти им коэффициенты прямой по набору точек, попавших в заданную область. Мерой попадания будет среднеквадратичное отклонение. Возможно, нужно будет еще учесть максимальное по модулю отклонение, это зависит от Ваших данных. Аналогично можно попытаться с овалом (видимо, эллипсом? или там другая функция?). После этого оцениваете, где меньше среднеквадратичное отклонение, с некоторой вероятностью получете фигуру, которая лучшим образом описывает Ваши точки.

Спасибо за наметки, буду смотреть метод.

Модераторам: если не затруднит, перенесите пожалуйста тему в ветку для начинающих.

Приведите здесь несколько характерных форм графиков в виде списка координат X-Y. (файлы)

В формате xls нормально будет? Столбец 1 - Х, столбец 2 - Y.
Вечером выложу.

выкладываю

Ok.

Динамограммы распознаете чтоли ? ;-)

Вот посмотрите пару работ
ДИАГНОСТИКА И КОНТРОЛЬ СОСТОЯНИЯ СКВАЖИННОЙ ШТАНГОВОЙ НАСОСНОЙ УСТАНОВКИ НА ОСНОВЕ ДИНАМОМЕТРИРОВАНИЯ И НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
http://www.ugatu.ac.ru/assets/files/docume.../dunaev_i_v.pdf

и
СИСТЕМА ДИАГНОСТИКИ ШТАНГОВОЙ ГЛУБИННО-НАСОСНОЙ УСТАНОВКИ НА ОСНОВЕ НЕЙРОННОЙ СЕТИ

Они самые))), пытаемся. За ссылки спасибо
нейросети не вариант, образцов много не имеем возможности ни хранить ни обрабатывать.

Задачка интересная, а главное - решаемая. Нейросети не нужны.
Нужны алгоритмы технического зрения + подгонка под типовые формы через МНК.
Нажмите для просмотра прикрепленного файла
Нажмите для просмотра прикрепленного файла
Нажмите для просмотра прикрепленного файла

вроде не упоминалась здесь: ПО для извлечения данных на основе оцифровки файлов с изображениями графиков

Продолжаем.
( набор данных принимаем за неориентированный замкнутый планарный граф первого порядка aka полигон )

Задача №1
Выделение (классификация) округлых/изломанных полигонов.
Решение:
- обход узлов полигона в любом направлении, вычисление азимутальных углов с точки на точку, сортировка, выделение медианы, мах/min;
- классификация (эллипс или параллелограмм/призма) по признаку отсутствия/наличия критичных изменений азимута.

P.S.
Если мешают локальные изменения азимута - применить алгоритм Рамера - Дугласа - Пекера.

Спасибо за рекомендации, теперь буду знать в какую сторону копать

Продолжаем-2

Задача №2
После идентификации фигуры и определения параметров модели (фигуры), начинается исполнение процедур:
- подгонка площади ( эталон - объект );
- определение критерия похожести, количественное вычисление этого критерия и классификация объекта в базе данных.