Temat: support vector machine - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Zastosowanie maszyny wektorów nośnych w sterowaniu sygnalizacją świetlną
Application of support vector machine in a traffic lights control
Autorzy:: Całuch, Artur
Cieślikowski, Adam
Plechawska-Wójcik, Małgorzata
Powiązania:: https://bibliotekanauki.pl/articles/98085.pdf
Data publikacji:: 2020
Wydawca:: Politechnika Lubelska. Instytut Informatyki
Tematy:: uczenie maszynowe
symulator ruchu ulicznego
maszyna wektorów nośnych
machine learning
traffic simulator
support vector machine
Opis:: Niniejszy artykuł przedstawia proces dostosowania parametrów modelu maszyny wektorów nośnych, który posłuży do zbadania wpływu wartości parametru długości cyklu sygnalizacji świetlnej na jakość ruchu. Badania przeprowadzono z użyciem danych pozyskanych w trakcie przeprowadzonych symulacji w autorskim symulatorze ruchu ulicznego. W artykule przedstawiono i omówiono wyniki poszukiwania optymalnej wartości parametru długości cyklu sygnalizacji świetlnej.
This article presents the process of adapting support vector machine model’s parameters used for studying the effect of traffic light cycle length parameter’s value on traffic quality. The survey is carried out using data collected during running simulations in author’s traffic simulator. The article shows results of searching for optimum traffic light cycle length parameter’s value.
Źródło:: Journal of Computer Sciences Institute; 2020, 14; 37-42
2544-0764
Pojawia się w:: Journal of Computer Sciences Institute
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: A primal sub-gradient method for structured classification with the averaged sum loss
Autorzy:: Mančev, D.
Todorović, B.
Powiązania:: https://bibliotekanauki.pl/articles/331050.pdf
Data publikacji:: 2014
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: structured classification
support vector machine (SVM)
subgradient method
sequence labeling
klasyfikacja strukturalna
maszyna wektorów nośnych
rozpoznawanie wzorca
Opis:: We present a primal sub-gradient method for structured SVM optimization defined with the averaged sum of hinge losses inside each example. Compared with the mini-batch version of the Pegasos algorithm for the structured case, which deals with a single structure from each of multiple examples, our algorithm considers multiple structures from a single example in one update. This approach should increase the amount of information learned from the example. We show that the proposed version with the averaged sum loss has at least the same guarantees in terms of the prediction loss as the stochastic version. Experiments are conducted on two sequence labeling problems, shallow parsing and part-of-speech tagging, and also include a comparison with other popular sequential structured learning algorithms.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2014, 24, 4; 917-930
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Use of machine learning algorithm for the better prediction of SR peculiarities of WEDM of Nimonic-90 superalloy
Autorzy:: Singh Nain, S.
Sai, R.
Sihag, P.
Vambol, S.
Vambol, V.
Powiązania:: https://bibliotekanauki.pl/articles/378951.pdf
Data publikacji:: 2019
Wydawca:: Stowarzyszenie Komputerowej Nauki o Materiałach i Inżynierii Powierzchni w Gliwicach
Tematy:: support vector machine
Gaussian process
artificial neural network
WEDM
maszyna wektorów nośnych
proces gaussowski
sztuczna sieć neuronowa
Opis:: Purpose: With the end goal to fulfil stringent structural shape of the component in aeronautics industry, machining of Nimonic-90 super alloy turns out to be exceptionally troublesome and costly by customary procedures, for example, milling, grinding, turning, etc. For that reason, the manufacture and design engineer worked on contactless machining process like EDM and WEDM. Based on previous studies, it has been observed that rare research work has been published pertaining to the use of machine learning in manufacturing. Therefore the current research work proposed the use of SVM, GP and ANN methods to evaluate the WEDM of Nimonic-90. Design/methodology/approach: The experiments have been performed on the WEDM considering five process variables. The Taguchi L 18 mixed type array is used to formulate the experimental plan. The surface roughness is checked by using surface contact profilometre. The evolutionary algorithms like SVM, GP and ANN approaches have been used to evaluate the SR of WEDM of Nimonic-90 super alloy. Findings: The entire models present the significant results for the better prediction of SR peculiarities of WEDM of Nimonic-90 superalloy. The GP PUK kernel model is dominating the entire model. Research limitations/implications: The investigation was carried for the Nimonic-90 super alloy is selected as a work material. Practical implications: The results of this study provide an opportunity to conduct contactless processing superalloy Nimonic-90. At the same time, this contactless process is much cheaper, faster and more accurate. Originality/value: An experimental work has been reported on the WEDM of Udimet-L605 and use of advance machine learning algorithm and optimization approaches like SVM, and GRA is recommended. A study on WEDM of Inconel 625 has been explored and optimized the process using Taguchi coupled with grey relational approach. The applicability of some evolutionary algorithm like random forest, M5P, and SVM also tested to evaluate the WEDM of Udimet-L605.The fuzzy- inference and BP-ANN approached is used to evaluate the WEDM process. The multi-objective optimization using ratio analysis approach has been utilized to evaluate the WEDM of high carbon & chromium steel. But this current research work proposed the use of SVM, GP and ANN methods to evaluate the WEDM of Nimonic-90.
Źródło:: Archives of Materials Science and Engineering; 2019, 95, 1; 12-19
1897-2764
Pojawia się w:: Archives of Materials Science and Engineering
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Detection and classification of short-circuit faults on a transmission line using current signal
Autorzy:: Coban, Melih
Tezcan, Suleyman S.
Powiązania:: https://bibliotekanauki.pl/articles/2086833.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: transmission line
fault detection
fault classification
support vector machine
SVM
linia przesyłowa
wykrywanie uszkodzeń
klasyfikacja błędów
maszyna wektorów nośnych
Opis:: This study offers two Support Vector Machine (SVM) models for fault detection and fault classification, respectively. Different short circuit events were generated using a 154 kV transmission line modeled in MATLAB/Simulink software. Discrete Wavelet Transform (DWT) is performed to the measured single terminal current signals before fault detection stage. Three level wavelet energies obtained for each of three-phase currents were used as input features for the detector. After fault detection, half cycle (10 ms) of three-phase current signals was recorded by 20 kHz sampling rate. The recorded currents signals were used as input parameters for the multi class SVM classifier. The results of the validation tests have demonstrated that a quite reliable, fault detection and classification system can be developed using SVM. Generated faults were used to training and testing of the SVM classifiers. SVM based classification and detection model was fully implemented in MATLAB software. These models were comprehensively tested under different conditions. The effects of the fault impedance, fault inception angle, mother wavelet, and fault location were investigated. Finally, simulation results verify that the offered study can be used for fault detection and classification on the transmission line.
Źródło:: Bulletin of the Polish Academy of Sciences. Technical Sciences; 2021, 69, 4; e137630, 1--9
0239-7528
Pojawia się w:: Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Hierarchiczna reprezentacja wiedzy dla automatycznego podejmowania decyzji
Hierarchical knowledge representation for automated reasoning
Autorzy:: Będkowski, J.
Masłowski, A.
Powiązania:: https://bibliotekanauki.pl/articles/277678.pdf
Data publikacji:: 2010
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: sieć neuronowa
maszyna wektorów nośnych
drzewo decyzyjne
hierarchiczna reprezentacja wiedzy
neural network
support vector machine (SVM)
decision tree
hierarchical knowledge representation
Opis:: W pracy przedstawiono ideę hierarchicznej reprezentacji wiedzy dla automatycznego podejmowania decyzji. Hierarchiczna reprezentacja wiedzy została zaproponowana do modelowania predykcji. Pokazano efektywne podejmowanie decyzji na przykładzie klasyfikacji zbioru danych, który nie jest separowany liniowo. Warto podkreślić, że nie założono wiedzy a priori o zbiorze danych oraz relacji między elementami tego zbioru oraz że proponowany algorytm automatycznie odkrywa optymalne granice decyzyjne między nimi. Przedstawiono algorytm konstrukcji hierarchicznej reprezentacji wiedzy, który wprowadza ocenę jakościową powstałej struktury na poszczególnych poziomach decyzyjnych. Przeprowadzony eksperyment numeryczny pokazuje zalety proponowanego algorytmu, który może być wykorzystany do zadań klasyfikacji, gdzie występuje problem doboru algorytmu klasyfikacji.
In the paper the study of knowledge hierarchical representation for automated reasoning is presented. The hierarchical knowledge representation is proposed for predictive modeling purpose. It is improved an effective automated reasoning structure for data set analyzes and making decisions based on complex relations between this data. It is important to emphasize that it is not considered a - priori knowledge concerning data structure, therefore the approach automatically discovers particular constraints between data. It provides a technique of the verification the hierarchical knowledge representation building process that can be useful for the model justification. The presented numerical experiment shows an advantage of proposed approach. It is assumed that the presented automated reasoning can be used for classification purpose where there is a difficulty of proper classifier choice.
Źródło:: Pomiary Automatyka Robotyka; 2010, 14, 11; 54-59
1427-9126
Pojawia się w:: Pomiary Automatyka Robotyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Method of selecting the LS-SVM algorithm parameters in gas detection process
Sposób doboru parametrów algorytmu LS-SVM w procesie detekcji gazów
Autorzy:: Lentka, Ł.
Smulko, J.
Powiązania:: https://bibliotekanauki.pl/articles/267849.pdf
Data publikacji:: 2015
Wydawca:: Politechnika Gdańska. Wydział Elektrotechniki i Automatyki
Tematy:: gas detection
optimal parameters selection
support vector machine (SVM)
artificial immune system
detekcja gazów
optymalny dobór parametrów
maszyna wektorów nośnych
sztuczny system immunologiczny
Opis:: In this paper we showed the method of resistive gas sensors data processing. The UV irradiation and temperature modulation was applied to improve gas sensors’ selectivity and sensitivity. Noise voltage across the sensor’s terminals (proportional to its resistance fluctuations) was recorded to estimate power spectral density. This function was an input data vector for LS-SVM (least squares – support vector machine) algorithm, which predicted a concentration of gas present in sensor’s ambient atmosphere. The algorithm creates a non-linear regression model at learning stage. This model can be used to predict gas concentration by recording resistance noise only. We have proposed a fast method of selecting LS-SVM parameters to determine high quality model. The method utilizes a behavior of immune system to determine optimal parameters of the LS-SVM algorithm. High accuracy of the applied method was proved for the recorded experimental data.
W artykule pokazano metodę przetwarzania danych z rezystancyjnych czujników gazów, stosowaną do wykrywania gazów. W celu zwiększenia czułości i selektywności czujników zastosowano modulację temperaturową oraz oświetlenie diodą LED UV aby zebrać więcej danych. Szumy napięciowe rejestrowane na zaciskach czujnika (proporcjonalne do fluktuacji jego rezystancji) zostały wykorzystane do wyznaczenia gęstości widmowej mocy. Ta funkcja stanowiła wektor danych wejściowych dla algorytmu maszyny wektorów nośnych według kryterium najmniejszych kwadratów (LS-SVM), umożliwiając określenie stężenia gazu występującego w atmosferze otaczającej czujnik. Nieliniowy charakter algorytmu pozwala na tworzenie w fazie uczenia modelu na podstawie danych uzyskanych z pomiarów za pomocą metody odniesienia. Pokazano szybki sposób doboru optymalnych parametrów algorytmu LS-SVM, gwarantujących skuteczność szacowania stężenia gazu. W badaniach wykorzystano metodę symulującą działanie systemu odpornościowego. Analiza danych eksperymentalnych potwierdziła skuteczność prezentowanej metody.
Źródło:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej; 2015, 46; 69-72
1425-5766
2353-1290
Pojawia się w:: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Prediction of quality parameters of a dry air separation product using machine learning methods
Przewidywanie parametrów jakościowych produktu suchej separacji węgla metodami uczenia maszynowego
Autorzy:: Żogała, Alina
Rzychoń, Maciej
Powiązania:: https://bibliotekanauki.pl/articles/216889.pdf
Data publikacji:: 2019
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: artificial neural network
multiple linear regression
support vector machine
dry coal separation
sztuczna sieć neuronowa
sucha separacja węgla
wielokrotna regresja liniowa
maszyna wektorów nośnych
Opis:: The purpose of the work was to predict the selected product parameters of the dry separation process using a pneumatic sorter. From the perspective of application of coal for energy purposes, determination of process parameters of the output as: ash content, moisture content, sulfur content, calorific value is essential. Prediction was carried out using chosen machine learning algorithms that proved to be effective in forecasting output of various technological processes in which the relationships between process parameters are non-linear. The source of data used in the work were experiments of dry separation of coal samples. Multiple linear regression was used as the baseline predictive technique. The results showed that in the case of predicting moisture and sulfur content this technique was sufficient. The more complex machine learning algorithms like support vector machine (SVM) and multilayer perceptron neural network (MPL) were used and analyzed in the case of ash content and calorific value. In addition, k-means clustering technique was applied. The role of cluster analysis was to obtain additional information about coal samples used as feed material. The combination of techniques such as multilayer perceptron neural network (MPL) or support vector machine (SVM) with k-means allowed for the development of a hybrid algorithm. This approach has significantly increased the effectiveness of the predictive models and proved to be a useful tool in the modeling of the coal enrichment process.
Celem pracy było prognozowanie wybranych parametrów produktu procesu suchej separacji za pomocą sortera pneumatycznego. Z punktu widzenia zastosowania węgla do celów energetycznych niezbędne jest określenie parametrów procesowych wydobycia, takich jak: zawartość popiołu, zawartość wilgoci, zawartość siarki czy wartość kaloryczna. Prognozowanie przeprowadzono przy użyciu wybranych algorytmów uczenia maszynowego, które okazały się skuteczne w prognozowaniu wyjścia różnych procesów technologicznych, w których zależności między parametrami procesu są nieliniowe. Źródłem danych wykorzystanych w pracy były eksperymenty procesu suchej separacji węgla. Zastosowano wieloraką regresję liniową jako bazową metodę predykcyjną. Wyniki pokazały, że w przypadku przewidywania zawartości wilgoci i siarki technika ta była wystarczająca. Bardziej złożone algorytmy uczenia maszynowego, takie jak maszyna wektorów nośnych (SVM) i perceptron wielowarstwowy (MLP) zostały wykorzystane i przeanalizowane w przypadku zawartości popiołu i wartości opałowej. Ponadto wdrożono technikę k-średnich. Rolą analizy skupień było uzyskanie dodatkowych informacji na temat próbek węgla będących wejściem procesu. Połączenie technik, takich jak perceptron wielowarstwowy (MLP) lub maszyna wektorów nośnych (SVM) z metodą k-średnich pozwoliło na opracowanie hybrydowego algorytmu. Takie podejście znacznie zwiększyło efektywność modeli predykcyjnych i okazało się użytecznym narzędziem w modelowaniu procesu wzbogacania węgla.
Źródło:: Gospodarka Surowcami Mineralnymi; 2019, 35, 2; 119-138
0860-0953
Pojawia się w:: Gospodarka Surowcami Mineralnymi
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Computerised system for fault diagnosis of the rotor bars of squirrel-cage induction motor
Komputerowy system diagnostyczny uszkodzeń prętów klatki maszyny indukcyjnej
Autorzy:: Osowski, S.
Kurek, J.
Siwek, K.
Powiązania:: https://bibliotekanauki.pl/articles/257946.pdf
Data publikacji:: 2010
Wydawca:: Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:: klatkowa maszyna indukcyjna
wykrywanie uszkodzeń
pręt
maszyna wektorów nośnych
przetwarzanie sygnału
squirrel-cage induction motor
bar fault detection
support vector machine (SVM)
signal processing
Opis:: The paper presents the computerised system for the diagnosis of the rotor bars of an induction electrical motor. The solution relies on the processing of the measured stator current and application of the Support Vector Machine as the classifier. The important point is the generation of the diagnostic features on the basis of which the SVM classifier undertakes its decision whether or not the bars are faulty. The most important problem is concerned with the generation of the diagnostic features, on the basis of which the recognition of the state of the rotor bars is done. In our approach, we use the spectral information of the stator current, limited to a strictly specified region. The selected features form the input vector applied to the single class Support Vector Machine, responsible for recognition of the fault. The results of the numerical experiments are presented and discussed in the paper.
Praca przedstawia skomputeryzowany automatyczny system diagnostyczny do wykrywania uszkodzeń prętów maszyny indukcyjnej. Rozwiązanie jest typu bezinwazyjnego i może być zastosowane do maszyny w ruchu. Sygnały diagnostyczne generowane są na podstawie zarejestrowanych sygnałów prądu statora. W aplikacji wykorzystano jednoklasową sieć SVM (ang. Support Vector Machine) pracującą jako klasyfikator. Jednym z najistotniejszych problemów rozwiązanych w tym zadaniu jest generacja i selekcja odpowiednich cech diagnostycznych, na podstawie których klasyfikator dokonuje rozpoznania stanu prętów. Zaproponowano cechy bazujące na charakterystyce spektralnej prądu statora, ograniczonej do wybranego zakresu częstotliwości związanego z poślizgiem maszyny. System zbudowany w ramach projektu jest w pełni zautomatyzowany, poczynając od akwizycji sygnałów, poprzez ich przetwarzanie wstępne, aż po końcowy werdykt (pręty uszkodzone bądź nieuszkodzone).
Źródło:: Problemy Eksploatacji; 2010, 4; 135-151
1232-9312
Pojawia się w:: Problemy Eksploatacji
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Classifiers accuracy improvement based on missing data imputation
Autorzy:: Jordanov, I.
Petrov, N.
Petrozziello, A.
Powiązania:: https://bibliotekanauki.pl/articles/91626.pdf
Data publikacji:: 2018
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:: machine learning
missing data
model-based imputation
neural networks
random forests
support vector machine
radar signal classification
nauczanie maszynowe
brakujące dane
sieci neuronowe
maszyna wektorów nośnych
klasyfikacja sygnałów radarowych
Opis:: In this paper we investigate further and extend our previous work on radar signal identification and classification based on a data set which comprises continuous, discrete and categorical data that represent radar pulse train characteristics such as signal frequencies, pulse repetition, type of modulation, intervals, scan period, scanning type, etc. As the most of the real world datasets, it also contains high percentage of missing values and to deal with this problem we investigate three imputation techniques: Multiple Imputation (MI); K-Nearest Neighbour Imputation (KNNI); and Bagged Tree Imputation (BTI). We apply these methods to data samples with up to 60% missingness, this way doubling the number of instances with complete values in the resulting dataset. The imputation models performance is assessed with Wilcoxon’s test for statistical significance and Cohen’s effect size metrics. To solve the classification task, we employ three intelligent approaches: Neural Networks (NN); Support Vector Machines (SVM); and Random Forests (RF). Subsequently, we critically analyse which imputation method influences most the classifiers’ performance, using a multiclass classification accuracy metric, based on the area under the ROC curves. We consider two superclasses (‘military’ and ‘civil’), each containing several ‘subclasses’, and introduce and propose two new metrics: inner class accuracy (IA); and outer class accuracy (OA), in addition to the overall classification accuracy (OCA) metric. We conclude that they can be used as complementary to the OCA when choosing the best classifier for the problem at hand.
Źródło:: Journal of Artificial Intelligence and Soft Computing Research; 2018, 8, 1; 31-48
2083-2567
2449-6499
Pojawia się w:: Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Detection of partial rotor bar rupture of a cage induction motor using least square support vector machine approach
Autorzy:: Birame, M’hamed
Bessedik, Sid Ahmed
Benkhoris, Mohamed Fouad
Powiązania:: https://bibliotekanauki.pl/articles/1840890.pdf
Data publikacji:: 2021
Wydawca:: Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:: fault diagnosis
partial rupture rotor bar
spectral analysis
least square support vector machine
LS-SVM
diagnostyka uszkodzeń
silnik indukcyjny
wirnik
analiza widmowa
maszyna wektorów nośnych
Opis:: Squirrel cage induction motors suffer from numerous faults, for example cracks in the rotor bars. This paper aims to present a novel algorithm based on Least Squares Support Vector Machine (LS-SVM) for detection partial rupture rotor bar of the squirrel cage asynchronous machine. The stator current spectral analysis based on FFT method is applied in order to extract the fault frequencies related to rotor bar partial rupture. Afterward the LS-SVM approach is established as monitoring system to detect the degree of rupture rotor bar. The training and testing data sets used are derived from the spectral analysis of one stator phase current, containing information about characteristic harmonics related to the partial rupture rotor bar. Satisfactory and more accurate results are obtained by applying LS-SVM to fault diagnosis of rotor bar.
Źródło:: Diagnostyka; 2021, 22, 1; 57-63
1641-6414
2449-5220
Pojawia się w:: Diagnostyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Rozpoznawanie wieku i płci na podstawie analizy głosu
Age and gender recognition based on analysis of voice
Autorzy:: Gabryś, J.
Gil, G.
Kiszka, P.
Powiązania:: https://bibliotekanauki.pl/articles/261820.pdf
Data publikacji:: 2015
Wydawca:: Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
Tematy:: automatyczne rozpoznawanie mowy
wiek
płeć
współczynniki MFCC
klasyfikacja mówcy
maszyna wektorów nośnych
automatic speech recognition
age
gender
MFCC coefficients
classification of speaker
support vector machine (SVM)
Opis:: Metody automatycznego rozpoznawania wieku i płci pozwalają na rozpoznanie cech osoby mówiącej tylko na podstawie nagrania jej wypowiedzi. Mowa ludzka, poza werbalnym komunikatem, niesie ze sobą informacje dotyczące osoby mówiącej. Nagranie mowy osoby pozwala na wyodrębnienie takich informacji, jak jej płeć, wiek, a także emocje. Zaprezentowano przegląd metod rozpoznawania wieku i płci osób na podstawie ich mowy oraz wykonano implementację i przetestowano połączenie metod wyznaczania parametrów MFCC (współczynniki analizy cepstralnej w skali mel (Mel-frequency Cepstral Coefficients) i wysokości tonu głosu f0 oraz algorytmu SVM (metoda wektorów nośnych - Support Vector Machines) do klasyfikacji próbek głosowych. Testy zaimplementowanego rozwiązania pozwalają stwierdzić, że metoda jest skuteczna w większości przypadków testowych.
Methods for automatic recognition of the age and gender characteristics allow the identification of the person only on the basis of recording of this person speech. Human speech, beyond verbal communication, gives an information about the speaking person. Speech recording allows the identification personal characteristics such as gender, age, and the emotions. The paper presents an overview of methods of age and gender recognition of people based on their speech. A combination of methods for determining the parameters MFCC (Mel-frequency Cepstral Coefficients) and pitch of voice (f0) and SVM (Support Vector Machines) algorithm for the classification of voice samples is implanted and tested. It was demonstrated that the method is effective in the majority of test cases.
Źródło:: Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2015, 21, 3; 165-169
1234-5563
Pojawia się w:: Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

Tytuł:: A sorting method for coal and gangue based on surface grayness and glossiness
Metoda sortowania węgla i skały płonnej na podstawie szarości i połysku powierzchni
Autorzy:: Cheng, Gang
Wei, Yifan
Chen, Jie
Pan, Zeye
Powiązania:: https://bibliotekanauki.pl/articles/27311660.pdf
Data publikacji:: 2023
Wydawca:: Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
Tematy:: surface glossiness
gangue recognition
image recognition
supervised classification
grey wolf algorithm
support vector machine
połysk powierzchni
rozpoznawanie skały płonnej
rozpoznawanie obrazu
klasyfikacja nadzorowana
algorytm szarych wilków
maszyna wektorów nośnych
Opis:: Sorting coal and gangue is important in raw coal production; accurately identifying coal and gangue is a prerequisite for effectively separating coal and gangue. The method of extracting coal and gangue using image grayscale information can effectively identify coal and gangue, but the recognition rate of the sorting process based on image grayscale information needs to substantially higher than that which is needed to meet production requirements. A sorting method of coal and gangue using object surface grayscale-gloss characteristics is proposed to improve the recognition rate of coal and gangue. Using different comparative experiments, bituminous coal from the Huainan area was used as the experimental object. It was found that the number of pixel points corresponding to the highest level grey value of the grayscale moment and illumination component of the coal and gangue images were combined into a total discriminant value and used as input for the best classification of coal and gangue using the GWO-SVM classification model. The recognition rate could reach up to 98.14%. This method sorts coal and gangue by combining surface greyness and glossiness features, optimizes the traditional greyness-based recognition method, improves the recognition rate, makes the model generalizable, enriches the research on coal and gangue recognition, and has theoretical and practical significance in enterprise production operations.
Sortowanie węgla i skały płonnej jest ważne w produkcji węgla surowego; dokładna identyfikacja węgla i skały płonnej jest warunkiem wstępnym skutecznego oddzielenia tych surowców. Metoda rozdzielenia węgla i skały płonnej przy użyciu informacji w skali szarości obrazu może skutecznie identyfikować węgiel i skałę płonną, ale stopień rozpoznawania procesu sortowania w oparciu o te informacje być znacznie wyższy niż wymagany do spełnienia wymagań produkcyjnych. W artykule zaproponowano metodę sortowania węgla i skały płonnej wykorzystującą charakterystykę połysku i skali szarości powierzchni obiektu w celu poprawy szybkości rozpoznawania węgla i skały płonnej. W badaniach wykorzystano próbki węgla kamiennego z obszaru Huainan. Stwierdzono, że liczbę punktów pikseli odpowiadającą najwyższemu poziomowi szarości momentu w skali szarości i składowej oświetlenia obrazów węgla i skały płonnej połączono w całkowitą wartość dyskryminującą i wykorzystano jako dane wejściowe dla najlepszej klasyfikacji węgla i skały płonnej przy użyciu modelu klasyfikacji GWO-SVM. Wskaźnik rozpoznawalności może osiągnąć nawet 98,14%. Ta metoda sortowania węgla i skały płonnej poprzez połączenie cech szarości i połysku powierzchni, optymalizuje tradycyjną metodę rozpoznawania w oparciu o szarość, poprawia współczynnik rozpoznawania, umożliwia uogólnienie modelu, wzbogaca badania nad rozpoznawaniem węgla i skały płonnej, ma znaczenie teoretyczne i praktyczne w operacjach produkcyjnych przedsiębiorstwa.
Źródło:: Gospodarka Surowcami Mineralnymi; 2023, 39, 3; 173--198
0860-0953
Pojawia się w:: Gospodarka Surowcami Mineralnymi
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 13.

Tytuł:: Integrated system of health management-oriented reliability prediction for a spacecraft software system with an adaptive genetic algorithm support vector machine
Zorientowane na zintegrowane zarządzanie kondycją systemu prognozowanie niezawodności systemów oprogramowania statków kosmicznych z wykorzystaniem opartej na adaptacyjnym algorytmie genetycznym maszyny wektorów nośnych
Autorzy:: Xu, J.
Meng, Z
Xu, L.
Powiązania:: https://bibliotekanauki.pl/articles/300804.pdf
Data publikacji:: 2014
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:: spacecraft software system
reliability
integrated system health management
adaptive genetic algorithms support vector machine
system oprogramowania statku kosmicznego
niezawodność
zintegrowane zarządzanie kondycją systemu
adaptacyjne algorytmy genetyczne
maszyna wektorów nośnych
Opis:: Software reliability prediction is very important to minimize cost and improve software development effectiveness, especially in a spacecraft’s software system. In this paper, a new spacecraft software system reliability definition is given and a new reliability prognostics-oriented life cycle integrated system health management for a spacecraft software system is focused on. Adaptive genetic algorithms are then combined with a support vector machine to build an adaptive genetic algorithm support vector machine reliability prediction model. This model attempts to overcome the genetic algorithm weaknesses, such as the local minima and premature convergence problems, and solves the parameter selection difficulties often encountered in a support vector machine. After construction, the proposed adaptive genetic algorithm support vector machine model is employed to predict the reliability of a spacecraft software system. Finally, a numerical example is given to show how the proposed approach has a superior prediction performance compared to a standard support vector machine and artificial neural network.
Przewidywanie niezawodności oprogramowania odgrywa ważną rolę w minimalizowaniu kosztów i poprawie efektywności tworzenia oprogramowania, zwłaszcza w odniesieniu do systemów oprogramowania statków kosmicznych. W niniejszej pracy, podano nową definicję niezawodności systemu oprogramowania statku kosmicznego koncentrując uwagę na opartym na prognozowaniu niezawodności oraz cyklu życia modelu zintegrowanego zarządzania kondycją systemu opracowanego dla systemu oprogramowania statku kosmicznego. Skonstruowano następnie model przewidywania niezawodności oparty na połączeniu adaptacyjnych algorytmów genetycznych oraz maszyny wektorów nośnych. Model ten stanowi próbę przezwyciężenia słabości algorytmów genetycznych, takich jak problem minimów lokalnych czy problem przedwczesnej zbieżności, a także rozwiązania trudności związanych z doborem parametrów, jakie często występują przy zastosowaniu maszyny wektorów nośnych. Skonstruowany model opartej na adaptacyjnym algorytmie genetycznym maszyny wektorów nośnych zastosowano do przewidywania niezawodności systemu oprogramowania statku kosmicznego. Wreszcie, przedstawiono przykład liczbowy, który pokazuje że opracowany model charakteryzuje się wyższą dokładnością prognozowania w porównaniu do standardowej maszyny wektorów nośnych oraz sztucznej sieci neuronowej.
Źródło:: Eksploatacja i Niezawodność; 2014, 16, 4; 571-578
1507-2711
Pojawia się w:: Eksploatacja i Niezawodność
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 14.

Tytuł:: Electronic System Fault Diagnosis with Optimized Multi-kernel SVM by Improved CPSO
Diagnoza uszkodzeń układu elektronicznego z wykorzystaniem Wielojądrowej Maszyny Wektorów Nośnych (SVM) zoptymalizowanej przy pomocy poprawionego algorytmu CPSO
Autorzy:: Guo, Y. M.
Wang, X. T.
Liu, C.
Zheng, Y. F.
Cai, X. B.
Powiązania:: https://bibliotekanauki.pl/articles/300922.pdf
Data publikacji:: 2014
Wydawca:: Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:: układ elektroniczny
diagnoza uszkodzeń
maszyna wektorów nośnych
optymalizacja metodą chaosu-roju cząstek
funkcja wielojądrowa
electronic system
fault diagnosis
support vector machine (SVM)
chaos particles swarm optimization
multi-kernel
Opis:: Bezpieczeństwo pracy układów elektronicznych stało się kluczowym zagadnieniem w odniesieniu do złożonych układów o wysokiej niezawodności. Obecnie coraz większy nacisk kładzie się na trafność diagnozy uszkodzeń układów elektronicznych. Na podstawie charakterystyki diagnozy uszkodzeń układów elektronicznych, opracowaliśmy model wielokryterialnej klasyfikacji SVM pozwalający osiągnąć lepszą trafność diagnozy uszkodzeń. Model wykorzystuje funkcję wielojądrową składającą się z kilku bazowych funkcji jądrowych pozwalającą na zwiększenie interpretowalności modelu klasyfikacyjnego. Aby zoptymalizować działanie modelu wielokryterialnej klasyfikacji SVM wykorzystującego funkcję wielojądrową, udoskonaliliśmy algorytm Optymalizacji Metodą Chaosu-Roju Cząstek (CPSO), co pozwoliło osiągnąć optymalne parametry SVM i funkcji wielojądrowej. W poprawionym algorytmie CPSO wzmocniono różnorodność wyszukiwania poprzez wykorzystanie chaotycznej sekwencji generowanej przez zmodyfikowaną mapę tent, a także włączono do standardowego algorytmu PSO efektywną metodę pozwalającą uniknąć przedwczesnej stagnacji oraz uzyskać globalne wartości optymalizacji. Wyniki symulacji diagnozy uszkodzeń systemu elektronicznego pokazują, że proponowany system optymalizacji może być wykorzystywany jako skuteczna metoda umożliwiająca znaczne zwiększenie trafności diagnozy uszkodzeń z wykorzystaniem wielojądrowej SVM.
Electronic systems’ safety operation has become a key issue to complex and high reliability systems. Now more emphasis has been laid on the accuracy of electronic system fault diagnosis. Based on the characteristics of the electronic system fault diagnosis, we design a multi-classification SVMs model to attain better fault diagnosis accuracy, which utilizes multi-kernel function consisting of several basis kernel functions to enhance the interpretability of the classification model. In order to optimize the performance of multi-classification SVMs with multi-kernel, we improve the Chaos Particles swarm Optimization (CPSO) algorithm to achieve the optimum parameters of SVMs and the multi-kernel function. For the improved CPSO algorithm, a modified Tent Map chaotic sequence is used to strengthen the search diversity, and an effective method is embedded to the stander PSO algorithm which can ensure to avoid premature stagnation and obtain the global optimization values. The fault diagnosis simulation results of an electronic system show the proposed optimization scheme is a feasible and effective method and it can significantly improve the fault diagnosis accuracy of the multi-kernel SVM.
Źródło:: Eksploatacja i Niezawodność; 2014, 16, 1; 85-91
1507-2711
Pojawia się w:: Eksploatacja i Niezawodność
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 15.

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

Zmień widok

na półce

Informacja

Wyszukujesz frazę "support vector machine" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język