Temat: metoda wektorów nośnych - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Application of Support Vector Machines in automatic human face recognition
Autorzy:: Kawulok, M.
Powiązania:: https://bibliotekanauki.pl/articles/333790.pdf
Data publikacji:: 2005
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: automatyczne rozpoznanie twarzy
metoda wektorów nośnych
wykrywanie twarzy
wybór cech
fuzja wielometodowa
automatic face recognition
support vector machines
face detection
feature extraction
multi-method fusion
Opis:: This paper presents the possibilities of applying the Support Vector Machines (SVM) in the process of automatic human face recognition. It is described how the existing methods of face recognition can be improved by the SVM. Moreover, a new approach to the multi-method fusion utilising the SVM is proposed. Usefulness of all the methods described in the paper improving the face recognition effectiveness by the SVM is confirmed by the experimental results.
Źródło:: Journal of Medical Informatics & Technologies; 2005, 9; 143-150
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Using Multiclass SVM methods for classification of DNA microarray data
Autorzy:: Student, S.
Powiązania:: https://bibliotekanauki.pl/articles/333907.pdf
Data publikacji:: 2007
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: metoda cząstkowych najmniejszych kwadratów
maszyna wektorów nośnych
Partial Least Squares PLS
dimension reductions
MMulticlass Support Vector Machines MSVM
One-Versus-One OvO
One-Versus RestOvR
Opis:: One important application of gene expression microarray data is classification of samples into categories, such as the type of tumor. A classifier using Multiclass SVM [4] (Support Vector Machines) is described in this article. Our classifier involves dimension reduction using Multivariate Partial Least Squares (MPLS) for classification more than two classes. We use also two methods based on binary classifications: One-Against-All [5] and One-Against-One [6]. These three methods have been tested on a data set involving 125 tumor/normal thyroid human DNA microarrays samples. There are 66 Papillary throid carcinoma, 32 follicular throid carcinoma and 27 normal tissues. The most important thing is to find small number of genes that discriminate between these three classes with good accuracy. The best genes can be selected for Q-PCR validation. Molecular markers differentiating between throid cancer and normal tissues can help in clinical diagnostics and therapy methods. For error estimation we are use the bootstrap .632 [8] technique. Major issue with bootstrap estimators is their high computational cost. That is why we use a OpenMosix with MPI (Message Passing Interface) cluster technology for this system for parallel computation space.
Źródło:: Journal of Medical Informatics & Technologies; 2007, 11; 197-204
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "metoda wektorów nośnych" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język