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 "linear discriminant analysis" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Linear discriminant analysis with a generalization of the Moore–Penrose pseudoinverse
    Autorzy:
    Górecki, T.
    Łuczak, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/330828.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    linear discriminant analysis
    Moore–Penrose pseudoinverse
    machine learning
    liniowa analiza dyskryminacji
    pseudoodwrotność Moore–Penrose
    uczenie maszynowe
    Opis:
    The Linear Discriminant Analysis (LDA) technique is an important and well-developed area of classification, and to date many linear (and also nonlinear) discrimination methods have been put forward. A complication in applying LDA to real data occurs when the number of features exceeds that of observations. In this case, the covariance estimates do not have full rank, and thus cannot be inverted. There are a number of ways to deal with this problem. In this paper, we propose improving LDA in this area, and we present a new approach which uses a generalization of the Moore–Penrose pseudoinverse to remove this weakness. Our new approach, in addition to managing the problem of inverting the covariance matrix, significantly improves the quality of classification, also on data sets where we can invert the covariance matrix. Experimental results on various data sets demonstrate that our improvements to LDA are efficient and our approach outperforms LDA.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2013, 23, 2; 463-471
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Recognition of occluded traffic signs based on two-dimensional linear discriminant analysis
    Autorzy:
    Forczmański, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/393233.pdf
    Data publikacji:
    2013
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    traffic sign recognition
    linear discriminant analysis
    classification
    occlusion
    rozpoznawanie znaków drogowych
    liniowa analiza dyskryminacji
    klasyfikacja
    okluzje
    Opis:
    Traffic signs recognition involving digital image analysis is getting more and more popular. The main problem associated with visual recognition of traffic signs is associated with difficult conditions of image acquisition. In the paper we present a solution to the problem of signs occlusion. Presented method belongs to the group of appearance-based approaches, employing template matching working in the reduced feature space obtained by Linear Discriminant Analysis. The method deals with all types of signs, regarding their shape and color in contrast to commercial systems, installed in higher-class cars, that only detect the round speed limit signs and overtaking restrictions. Finally, we present some experiments performed on a benchmark databases with different kinds of occlusion.
    Źródło:
    Archives of Transport System Telematics; 2013, 6, 3; 10-13
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analysis of correlation based dimension reduction methods
    Autorzy:
    Shin, Y. J.
    Park, C. H.
    Powiązania:
    https://bibliotekanauki.pl/articles/907508.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    analiza korelacyjna
    redukcja wymiaru
    liniowa analiza dyskryminacji
    canonical correlation analysis
    dimension reduction
    discriminative canonical correlation analysis
    linear discriminant analysis
    Opis:
    Dimension reduction is an important topic in data mining and machine learning. Especially dimension reduction combined with feature fusion is an effective preprocessing step when the data are described by multiple feature sets. Canonical Correlation Analysis (CCA) and Discriminative Canonical Correlation Analysis (DCCA) are feature fusion methods based on correlation. However, they are different in that DCCA is a supervised method utilizing class label information, while CCA is an unsupervised method. It has been shown that the classification performance of DCCA is superior to that of CCA due to the discriminative power using class label information. On the other hand, Linear Discriminant Analysis (LDA) is a supervised dimension reduction method and it is known as a special case of CCA. In this paper, we analyze the relationship between DCCA and LDA, showing that the projective directions by DCCA are equal to the ones obtained from LDA with respect to an orthogonal transformation. Using the relation with LDA, we propose a new method that can enhance the performance of DCCA. The experimental results show that the proposed method exhibits better classification performance than the original DCCA.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2011, 21, 3; 549-558
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie maszyny wektorów nośnych oraz liniowej analizy dyskryminacyjnej jako klasyfikatorów cech w interfejsach mózg-komputer
    Using support vector machine and linear discriminant analysis for features classification in brain-computer interfaces
    Autorzy:
    Jukiewicz, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/376916.pdf
    Data publikacji:
    2014
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    interfejs mózg-komputer
    Maszyna Wektorów Nośnych
    Liniowa Analiza Dyskryminacyjna
    brain-computer interface
    support vector machine (SVM)
    linear discriminant analysis
    Opis:
    Głównym celem artykułu jest porównanie skuteczności klasyfikacji cech dwóch algorytmów klasyfikujących wykorzystywanych w interfejsach mózg-komputer: SVM (ang. Support Vector Machine, Maszyna Wektorów Nośnych) oraz LDA (ang. Linear Discriminant Analysis, Liniowa Analiza Dyskryminacyjna). W artykule przedstawiono interfejs, w którym użytkownikowi prezentowane są dwa bodźce migające z różną częstotliwością (10 i 15 Hz), a następnie za pomocą elektrod elektroencefalografu mierzona jest odpowiedź elektryczna mózgu. W takich interfejsach sygnał zbierany jest zwykle w okolicach potylicznych (nad korą wzrokową). W prezentowanym rozwiązaniu sygnał mierzony jest z okolic czołowych. W przetwarzaniu i analizie sygnału zastosowano algorytmy statystycznego uczenia maszynowego. Do ekstrakcji cech sygnału wykorzystano Szybką Transformatę Fouriera, do selekcji cech: test t-Welcha, a do klasyfikacji cech: SVM oraz DLA. Na podstawie odpowiedzi uzyskanej z klasyfikatora możliwe jest np. wysterowanie kierunku skrętu robota mobilnego lub włączenie czy wyłączenie oświetlenia.
    The main aim of this article is to compare the effectiveness of the classification of the two classifiers used in brain-computer interfaces: SVM (Support Vector Machine) and LDA (Linear Discriminant Analysis). The article presents an interface in which the subject is presented the two stimuli flashing at different frequencies (10 and 15 Hz) and then by using EEG electrodes electrical response of the brain is measured. In these interfaces, the signal is typically collected in the occipital area (on the visual cortex). In the presented solution the signal is measured form the prefrontal cortex. For signal processing and analysis statistical machine learning algorithms were used. For features’ extraction Fast Fourier Transform was used. For features’ selection Welch’s t test was used. For features’ classification was used SVM and DLA. Based on the responses obtained from the classifier it is possible to control the direction of a mobile robot’s movement or turning the lights on and off.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2014, 79; 25-30
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Face Recognition Comparative Analysis Using Different Machine Learning Approaches
    Autorzy:
    Ahmed, Nisar
    Khan, Farhan Ajmal
    Ullah, Zain
    Ahmed, Hasnain
    Shahzad, Taimur
    Ali, Nableela
    Powiązania:
    https://bibliotekanauki.pl/articles/2024199.pdf
    Data publikacji:
    2021
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    linear discriminant analysis
    k-nearest neighbor
    support vector machine
    principal component analysis
    liniowa analiza dyskryminacyjna
    maszyna wektorów podporowych
    analiza głównych składowych
    Opis:
    The problem of a facial biometrics system was discussed in this research, in which different classifiers were used within the framework of face recognition. Different similarity measures exist to solve the performance of facial recognition problems. Here, four machine learning approaches were considered, namely, K-nearest neighbor (KNN), Linear Discriminant Analysis (LDA), Support Vector Machine (SVM), and Principal Component Analysis (PCA). The usefulness of multiple classification systems was also seen and evaluated in terms of their ability to correctly classify a face. A combination of multiple algorithms such as PCA+1NN, LDA+1NN, PCA+ LDA+1NN, SVM, and SVM+PCA was used. All of them performed with exceptional values of above 90% but PCA+LDA+1N scored the highest average accuracy, i.e. 98%.
    Źródło:
    Advances in Science and Technology. Research Journal; 2021, 15, 1; 265-272
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Robust content-based image retrieval using ICCV, GLCM, and DWT-MSLBP descriptors
    Autorzy:
    Chavda, Sagar
    Goyani, Mahesh
    Powiązania:
    https://bibliotekanauki.pl/articles/27312841.pdf
    Data publikacji:
    2022
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    content-based image retrieval
    improved color coherence vector
    gray-level co-occurrence matrix
    discrete wavelet transform
    multi-scale local binary pattern
    principal component analysis
    linear discriminant analysis
    Opis:
    Content-based image retrieval (CBIR) retrieves visually similar images from a dataset based on a specified query. A CBIR system measures the similarities between a query and the image contents in a dataset and ranks the dataset images. This work presents a novel framework for retrieving similar images based on color and texture features. We have computed color features with an improved color coherence vector (ICCV) and texture features with a gray-level co-occurrence matrix (GLCM) along with DWT-MSLBP (which is derived from applying a modified multi-scale local binary pattern [MS-LBP] over a discrete wavelet transform [DWT], resulting in powerful textural features). The optimal features are computed with the help of principal component analysis (PCA) and linear discriminant analysis (LDA). The proposed work uses a variancebased approach for choosing the number of principal components/eigenvectors in PCA. PCA with a 99.99% variance preserves healthy features, and LDA selects robust ones from the set of features. The proposed method was tested on four benchmark datasets with Euclidean and city-block distances. The proposed method outshines all of the identified state-of-the-art literature methods.
    Źródło:
    Computer Science; 2022, 23 (1); 5--36
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Uogólniony liniowy klasyfikator Fishera
    Generalised Fisher linear classifier
    Autorzy:
    Rasała, D.
    Malina, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/222224.pdf
    Data publikacji:
    2014
    Wydawca:
    Akademia Marynarki Wojennej. Wydział Dowodzenia i Operacji Morskich
    Tematy:
    liniowa analiza dyskryminacyjna
    wektor dyskryminacyjny
    obliczanie liczby progów
    klasyfikator z jednym progiem
    klasyfikator z dwoma progami
    rozszerzone kryterium
    linear discriminant analysis
    Fisher discriminant vector
    calculation of number of thresholds
    double-threshold classifier
    extended Fisher criterion
    Opis:
    W literaturze wielokrotnie omawiano klasyfikatory obrazów o rozkładach normalnych. Na ogół, kiedy dwie klasy są znacznie oddalone od siebie, to ich separację można przeprowadzić za pomocą jednej hiperpłaszczyzny. W artykule rozpatrywane są przypadki trudne, kiedy rozkłady znacznie nachodzą na siebie. Aby błąd klasyfikacji był wówczas mniejszy, do rozdzielenia klas lepiej użyć dwóch niż jednej płaszczyzny. Na początku został opisany algorytm, który bada i wyznacza liczbę przecięć dwóch funkcji Gaussa jednej zmiennej dla różnych przypadków. Potem algorytm ten został włączony do algorytmu uczenia i klasyfikacji dla zadania dwuklasowego. Następnie został on uogólniony do zadań wieloklasowych. Przeprowadzone eksperymenty na płaszczyźnie dla zadań trudnych, gdy liczba klas L = 2, 3, 4 wykazały, że zaproponowany algorytm dawał lepsze wyniki niż algorytm klasyczny z jedną płaszczyzną rozdzielającą.
    Bayesian classifiers for normal distribution patterns have often been discussed in literature. In general, when two classes are considerably apart from each other, they can be separated with a single plane. In this paper we will exam-ine some difficult cases, i.e. when their distributions significantly overlap. In such cases, to minimize the classification error, it is better to use two planes instead of one to separate the classes. At the beginning, the paper describes an algorithm used to investigate and determine the number of intersections of two Gaussian functions for different cases. Further in the article, this algorithm is included in the learning and classification algorithm for a two-class task. Then the algorithm is generalized for multi-class tasks. The experiments carried out on a plane for difficult tasks, when the number of classes L = 2, 3, 4, show that the proposed algorithm produces better results than the conventional algorithm with one separating plane.
    Źródło:
    Zeszyty Naukowe Akademii Marynarki Wojennej; 2014, R. 55 nr 2 (197), 2 (197); 99-118
    0860-889X
    Pojawia się w:
    Zeszyty Naukowe Akademii Marynarki Wojennej
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Identyfikacja koderów MP3 oraz urządzeń rejestrujących na podstawie badania plików fonicznych poddanych stratnej kompresji
    Identyfication of MP3 encoders and recording equipment based on examination subjected to lossy date compression
    Autorzy:
    Korycki, Rafał
    Powiązania:
    https://bibliotekanauki.pl/articles/1373994.pdf
    Data publikacji:
    2015
    Wydawca:
    Centralne Laboratorium Kryminalistyczne Policji
    Tematy:
    badanie autentyczności nagrań cyfrowych
    identyfikacja koderów MP3
    identyfikacja urządzeń rejestrujących
    analiza dowodów cyfrowych
    liniowa analiza dyskryminacyjna
    authenticity examination of digital audio recording
    identification of MP3 encoders
    identification of recording eguipment
    digital evidence analysis
    linear discriminant analysis
    Opis:
    W pracy nakreślono problem identyfikacji koderów MP3 oraz urządzeń rejestrujących na podstawie analizy nagrań fonicznych poddanych stratnej kompresji. Zaproponowana metoda może być wykorzystana jako wsparcie dla innych rozwiązań służących do wykrywania podwójnej kompresji oraz detekcji nieciągłości. Prezentowane podejście polega na statystycznej analizie zmiennych pozyskanych bezpośrednio ze strumienia danych MP3 i stanowiących nieodłączne parametry kompresji. Wyznaczone wektory składające się z 46 cech zostały użyte jako sekwencje treningowe liniowej analizy dyskryminacyjnej (LDA), jednego z najpopularniejszych algorytmów uczenia maszynowego z nadzorem. Skuteczność metody identyfikacji koderów MP3 oraz urządzeń rejestrujących została przetestowana na specjalnie przygotowanej w tym celu bazie nagrań muzycznych składającej się z blisko miliona plików MP3. Wyniki badań zostały omówione w kontekście wpływu parametrów kompresji na możliwość detekcji fałszerstw w cyfrowych nagraniach fonicznych.
    The paper outlines the problem of identification of MP3 encoders and recording devices based on the analysis of audio recordings subjected to lossy datę compression. The proposed method can be used as a support for other solutions used to detect double compression and discontinuities. The approach is based on the statistical analysis of the variables obtained directly from the MP3 data stream and constitute an inherent element of compression performance. Designated vectors consisting of 46 features were used as training sequences of linear discriminant analysis (LDA), one of the most popular supervised machinę learning algorithms. The effectiveness of this algorithms for the identification of MP3 encoders and recording equipment was tested on a musie database consisting of nearly one million MP3 files, specially prepared for this purpose. The results of the research were discussed in the context of the influence of compression parameters on the ability to detect falsification in digital audio recordings.
    Źródło:
    Problemy Kryminalistyki; 2015, 287; 28-39
    0552-2153
    Pojawia się w:
    Problemy Kryminalistyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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