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 "determination coefficient" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    UOGÓLNIONA MIARA DOPASOWANIA W MODELU LINIOWYM
    GENERALIZED MEASURE OF FIT IN A LINEAR MODEL
    Autorzy:
    Zieliński, Wojciech
    Powiązania:
    https://bibliotekanauki.pl/articles/453632.pdf
    Data publikacji:
    2009
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    miara dopasowania
    współczynnik determinacji
    korelacja cząstkowa
    analiza regresji
    measure of fit
    determination coefficient
    partial correlation
    linear regression
    Opis:
    W modelu regresji liniowej stosowane są dwie miary wpływu zmiennych niezależnych na zmienną zależną: współczynnik determinacji i współczynik korelacji cząstkowej. W pracy zaproponowane jest uogólnienie tych miar i skonstruowana jest miara wpływu grupy zmiennych niezależnych z wyłączeniem wpływu pozostałych zmiennych niezależnych.
    In a model of linear regression two measures of fit are used: coefficient of determination and coefficient of partial correlation. A generalization of those measures is proposed and a measure of influence of a group of independent variables excluding an influence of remaining variables is constructed.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2009, 10, 1; 286-292
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    New Interpretation of Principal Components Analysis
    Autorzy:
    Gniazdowski, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/91310.pdf
    Data publikacji:
    2017
    Wydawca:
    Warszawska Wyższa Szkoła Informatyki
    Tematy:
    determination coefficient
    geometric interpretation of PCA
    selection of principal components
    clustering of variables
    tensor data mining
    anisotropy of data
    współczynnik determinacji
    interpretacja geometryczna
    PCA
    wybór głównych składników
    klastrowanie zmiennych
    dane tensorowe
    anizotropia danych
    Opis:
    A new look on the principal component analysis has been presented. Firstly,ageometric interpretation of determination coefficient was shown. In turn, the ability to represent the analyzed data and their interdependencies in the form of easy-tounderstand basic geometric structures was shown. As a result of the analysis of these structures it was proposed to enrich the classical PCA. In particular, it was proposed a new criterion for the selection of important principal components and a new algorithm for clustering primary variables by their level of similarity to the principal components. Virtual and real data spaces, as well as tensor operations on data, have also been identified.The anisotropy of the data was identified too.
    Źródło:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2017, 11, 16; 43-65
    1896-396X
    2082-8349
    Pojawia się w:
    Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient online handwritten Chinese character recognition system using a two-dimensional functional relationship model
    Autorzy:
    Chang, Y. F.
    Lee, J. C.
    Mohd Rijal, O.
    Syed Abu Bakar, S. A. R.
    Powiązania:
    https://bibliotekanauki.pl/articles/908140.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    2D
    współczynnik determinacji
    rozpoznawanie
    pismo odręczne
    pismo chińskie
    falka Haara
    model relacyjny
    2D functional classifier
    coefficient of determination
    handwritten Chinese character recognition
    Haar wavelet
    multidimensional functional relationship model
    Opis:
    This paper presents novel feature extraction and classification methods for online handwritten Chinese character recognition (HCCR). The X-graph and Y-graph transformation is proposed for deriving a feature, which shows useful properties such as invariance to different writing styles. Central to the proposed method is the idea of capturing the geometrical and topological information from the trajectory of the handwritten character using the X-graph and the Y-graph. For feature size reduction, the Haar wavelet transformation was applied on the graphs. For classification, the coefficient of determination [...] from the two-dimensional unreplicated linear functional relationship model is proposed as a similarity measure. The proposed methods show strong discrimination power when handling problems related to size, position and slant variation, stroke shape deformation, close resemblance of characters, and non-normalization. The proposed recognition system is applied to a database with 3000 frequently used Chinese characters, yielding a high recognition rate of 97.4% with reduced processing time of 75.31%, 73.05%, 58.27% and 40.69% when compared with recognition systems using the city block distance with deviation (CBDD), the minimum distance (MD), the compound Mahalanobis function (CMF) and the modified quadratic discriminant function (MQDF), respectively. High precision rates were also achieved.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2010, 20, 4; 727-738
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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