Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "support vector machine" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    Tytuł:
    A Classification Method Related to Respiratory Disorder Events Based on Acoustical Analysis of Snoring
    Autorzy:
    Wang, Can
    Peng, Jianxin
    Zhang, Xiaowen
    Powiązania:
    https://bibliotekanauki.pl/articles/176601.pdf
    Data publikacji:
    2020
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    acoustical analysis
    feature extraction
    support vector machine
    snoring sound
    Opis:
    Acoustical analysis of snoring provides a new approach for the diagnosis of obstructive sleep apnea hypopnea syndrome (OSAHS). A classification method is presented based on respiratory disorder events to predict the apnea-hypopnea index (AHI) of OSAHS patients. The acoustical features of snoring were extracted from a full night’s recording of 6 OSAHS patients, and regular snoring sounds and snoring sounds related to respiratory disorder events were classified using a support vector machine (SVM) method. The mean recognition rate for simple snoring sounds and snoring sounds related to respiratory disorder events is more than 91.14% by using the grid search, a genetic algorithm and particle swarm optimization methods. The predicted AHI from the present study has a high correlation with the AHI from polysomnography and the correlation coefficient is 0.976. These results demonstrate that the proposed method can classify the snoring sounds of OSAHS patients and can be used to provide guidance for diagnosis of OSAHS.
    Źródło:
    Archives of Acoustics; 2020, 45, 1; 141-151
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Infrasound Signal Classification Based on ICA and SVM
    Autorzy:
    Lu, Quanbo
    Wang, Meng
    Li, Mei
    Powiązania:
    https://bibliotekanauki.pl/articles/31339863.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    independent component analysis
    fast Fourier transform
    support vector machine
    infrasound signal
    Opis:
    A diagnostic technique based on independent component analysis (ICA), fast Fourier transform (FFT), and support vector machine (SVM) is suggested for effectively extracting signal features in infrasound signal monitoring. Firstly, ICA is proposed to separate the source signals of mixed infrasound sources. Secondly, FFT is used to obtain the feature vectors of infrasound signals. Finally, SVM is used to classify the extracted feature vectors. The approach integrates the advantages of ICA in signal separation and FFT to extract the feature vectors. An experiment is conducted to verify the benefits of the proposed approach. The experiment results demonstrate that the classification accuracy is above 98.52% and the run time is only 2.1 seconds. Therefore, the proposed strategy is beneficial in enhancing geophysical monitoring performance.
    Źródło:
    Archives of Acoustics; 2023, 48, 3; 191-199
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Implementation of digital twin and support vector machine in structural health monitoring of bridges
    Autorzy:
    Al-Hijazeen, Asseel Za'al Ode
    Fawad, Muhammad
    Gerges, Michael
    Koris, Kálmán
    Salamak, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/27312162.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    monitorowanie stanu konstrukcji
    most
    uszkodzenie
    bliźniak cyfrowy
    uczenie maszynowe
    maszyna wektorów wsparcia
    structural health monitoring
    bridge
    damage
    digital twin
    machine learning
    support vector machine
    Opis:
    Structural health monitoring (SHM) of bridges is constantly upgraded by researchers and bridge engineers as it directly deals with bridge performance and its safety over a certain time period. This article addresses some issues in the traditional SHM systems and the reason for moving towards an automated monitoring system. In order to automate the bridge assessment and monitoring process, a mechanism for the linkage of Digital Twins (DT) and Machine Learning (ML), namely the Support Vector Machine (SVM) algorithm, is discussed in detail. The basis of this mechanism lies in the collection of data from the real bridge using sensors and is providing the basis for the establishment and calibration of the digital twin. Then, data analysis and decision-making processes are to be carried out through regression-based ML algorithms. So, in this study, both ML brain and a DT model are merged to support the decision-making of the bridge management system and predict or even prevent further damage or collapse of the bridge. In this way, the SHM system cannot only be automated but calibrated from time to time to ensure the safety of the bridge against the associated damages.
    Źródło:
    Archives of Civil Engineering; 2023, 69, 3; 31--47
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Mapping of impervious surfaces with the use of remote sensing imagery: Support Vector Machines classification and GIS-based approach
    Wizualizacja powierzchni nieprzepuszczalnych z wykorzystaniem zdjęć teledetekcyjnych: klasyfikacja support vector machines i podejście oparte na GIS
    Autorzy:
    Sobieraj, Janusz
    Fernández Marín, Marcos
    Metelski, Dominik
    Powiązania:
    https://bibliotekanauki.pl/articles/27312146.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    klasyfikacja
    powierzchnia nieprzepuszczalna
    maszyna wektorów nośnych
    teledetekcja
    system informacji geograficznej
    użytkowanie gruntów pokrycie gruntów
    ArcGIS
    uczenie maszynowe
    classification
    impervious surface
    support vector machine
    remote sensing
    geographic information system
    land use land cover
    machine learning
    Opis:
    This study focuses on the problem of mapping impervious surfaces in urban areas and aims to use remote sensing data and orthophotos to accurately classify and map these surfaces. Impervious surface indices and green space assessments are widely used in land use and urban planning to evaluate the urban environment. Local governments also rely on impervious surface mapping to calculate stormwater fees and effectively manage stormwater runoff. However, accurately determining the size of impervious surfaces is a significant challenge. This study proposes the use of the Support Vector Machines (SVM) method, a pattern recognition approach that is increasingly used in solving engineering problems, to classify impervious surfaces. The research results demonstrate the effectiveness of the SVM method in accurately estimating impervious surfaces, as evidenced by a high overall accuracy of over 90% (indicated by the Cohen’s Kappa coefficient). A case study of the “Parkowo-Leśne” housing estate in Warsaw, which covers an area of 200,000 m², shows the successful application of the method. In practice, the remote sensing imagery and SVM method allowed accurate calculation of the area of the surface classes studied. The permeable surface represented about 67.4% of the total complex and the impervious surface corresponded to the remaining 32.6%. These results have implications for stormwater management, pollutant control, flood control, emergency management, and the establishment of stormwater fees for individual properties. The use of remote sensing data and the SVM method provides a valuable approach for mapping impervious surfaces and improving urban land use management.
    Niniejsze badanie koncentruje się na problemie wyznaczania powierzchni nieprzepuszczalnych na obszarach miejskich i ma na celu wykorzystanie danych teledetekcyjnych i ortofotomap do dokładnej klasyfikacji i wizualizacji tych powierzchni. Wskaźniki powierzchni nieprzepuszczalnych i oceny terenów zielonych są szeroko stosowane w planowaniu przestrzennym i urbanistycznym do oceny środowiska miejskiego. Władze lokalne polegają również na oszacowaniu wielkości powierzchni nieprzepuszczalnych w celu obliczania opłat za wodę deszczową i skutecznego zarządzania odpływem wody deszczowej. Jednak dokładne określenie wielkości nieprzepuszczalnych powierzchni jest poważnym wyzwaniem. W niniejszym badaniu zaproponowano wykorzystanie metody Support Vector Machines (SVM), podejścia opartego na rozpoznawaniu wzorców, które jest coraz częściej stosowane w rozwiązywaniu problemów inżynieryjnych, do klasyfikacji powierzchni nieprzepuszczalnych. Wyniki badań pokazują skuteczność metody SVM w dokładnym szacowaniu powierzchni nieprzepuszczalnych, o czym świadczy wysoka ogólna precyzja wynosząca ponad 90% ( na co wskazuje współczynnik Kappa Cohena). Studium przypadku osiedla „Parkowo-Leśne” w Warszawie o powierzchni 200 000 m² pokazuje skuteczne zastosowanie metody. Wyniki wskazują, że powierzchnie przepuszczalne stanowiły około 67,4% całego kompleksu, podczas gdy powierzchnie nieprzepuszczalne stanowiły pozostałe 32,6%. Wyniki te mogą mieć wpływ na zarządzanie wodami opadowymi, kontrolę zanieczyszczeń, zapobieganie powodziom, zarządzanie kryzysowe i ustalanie opłat za wodę opadową dla poszczególnych nieruchomości. Wykorzystanie danych teledetekcyjnych i metody SVM zapewnia cenne podejście do wizualizacji powierzchni nieprzepuszczalnych i poprawy zarządzania użytkowaniem gruntów miejskich.
    Źródło:
    Archives of Civil Engineering; 2023, 69, 3; 129--146
    1230-2945
    Pojawia się w:
    Archives of Civil Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A smart fault identification system for ball bearing using simulation-driven vibration analysis
    Autorzy:
    Khaire, Pallavi
    Phalle, Vikas
    Powiązania:
    https://bibliotekanauki.pl/articles/27309884.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czasopisma i Monografie PAN
    Tematy:
    condition monitoring
    bearing defect
    FFT analyzer
    BPFI
    BPFO
    multiclass support
    vector machine
    monitorowanie stanu
    wada łożyska
    analizator FFT
    maszyna wektorowa
    Opis:
    Bearings are one of the pivotal parts of rotating machines. The health of a bearing is responsible for the hassle-free operation of a machine. As vibration signatures give intimations of machine failure at an earlier stage, mostly vibration-based condition monitoring is used to monitor bearing’s health for avoiding the risk of failure. In this work, a simulation-based approach is adopted to identify surface defects at ball bearing raceways. The vibration data in time and frequency domain is captured by FFT analyzer from an experimental setup. The time frequency domain conversion of a raw time domain data was carried out by wavelet packet transform, as it takes into account the transients and spectral frequencies. The rotor bearing model is simulated in Ansys. Finally, most influencing statistical features were extracted by employing Principal Component Analysis (PCA), and fed to Multiclass Support Vector Machine (MSVM). To train the algorithm, the simulated data is used whereas the data acquired from FFT analyzer is used for testing. It can be concluded that the defects are characterized by Ball Pass Frequency (BPF) at inner race and outer raceway as indicated in the literature. The developed model is capable to monitor bearing’s health which gives an average accuracy of 99%.
    Źródło:
    Archive of Mechanical Engineering; 2023, LXX, 2; 247--270
    0004-0738
    Pojawia się w:
    Archive of Mechanical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies