Informacja

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

Wyszukujesz frazę "model klasyfikacji" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Cut size determination of centrifugal classifier with fluidized bed
Wyznaczanie ziarna granicznego klasyfikatora odśrodkowego z warstwą fluidalną
Autorzy:
Otwinowski, H.
Powiązania:
https://bibliotekanauki.pl/articles/219701.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
wyznaczanie ziarna granicznego
macierzowy model klasyfikacji
krzywa Trompa
klasyfikator aerodynamiczny
cut size determination
classification matrix model
Tromp curve
air classifier
Opis:
The cut size determination on the basis of proposed matrix model of classification process in a centrifugal air flow classifier with a fluidized bed is presented using matrix model. The presented methodology of cut size determination is based on the precise measurement of the total mass of fed material and coarse product in experimental tests. Knowledge of the feed particle size distribution is also required. Considered classifier is a part of the fluidized bed jet mill. The presented cut size determination will allow to optimize mill work and prediction of particle size distribution of the classification products.
W artykule przedstawiono metodykę wyznaczania rozmiaru ziarna granicznego procesu klasyfikacji w odśrodkowym klasyfikatorze przepływowym z warstwą fluidalną przy wykorzystaniu modelu macierzowego. Przedstawiona metodyka oparta jest na dokładnym wyznaczeniu masy nadawy i gruboziarnistego produktu klasyfikacji na podstawie badań eksperymentalnych. Wymagana jest także znajomość składu ziarnowego nadawy. Rozpatrywany klasyfikator stanowi część fluidalnego młyna strumieniowego. Wyznaczenie rozmiaru ziarna granicznego umożliwia przeprowadzenie optymalizacji pracy młyna i prognozowanie składu ziarnowego produktów klasyfikacji.
Źródło:
Archives of Mining Sciences; 2013, 58, 3; 823-841
0860-7001
Pojawia się w:
Archives of Mining Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Crash data reporting systems in Fourteen Arab countries: challenges and improvement
Autorzy:
Abounoas, Zahira
Raphael, Wassim
Badr, Yarob
Faddoul, Rafic
Guillaume, Anne
Powiązania:
https://bibliotekanauki.pl/articles/1833641.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
road accidents
road safety
information system
reporting system
variables selection
classification model
wypadek drogowy
bezpieczeństwo na drogach
system informacyjny
systemy raportowania
dobór zmiennych
model klasyfikacji
Opis:
Traffic crash fatalities and serious injuries still represent a big burden for most Arab countries because the actual policies, strategies, and interventions are based on poorly collected data. Through this paper, we assessed the crash data reporting systems in Fourteen Arab countries via a survey conducted to identify the fundamental dysfunctions at the management and data collection levels. Then, to address some of the dataset problems, we had applied data mining technics to select a minimum of variables (crash, vehicle, and road user) that should be collected for a better understanding of crash circumstances. For this raison, three methods of selection (correlation, information gain, and gain ratio) and seven classifiers (naive Bayes, nearest neighbour, random forest, random tree, J48, reduced error pruning tree, and bagging) were tested and compared to identify the variables that affect significantly the crashes severity. Decision trees family of classifiers showed the best performance based on the analysis of the area under the curve. The explanatory variables obtained from the data mining process were combined with other descriptive variables to maintain traceability. As a result, we produced hybrid lists of variables for the crash, vehicle, and road user, each contains 25 variables. Finally, in order to propose a cost-effective solution to switch from manual to electronic data collection, we got inspired by a tool used to track animals to create and customize a unified e-form for handheld devices, in order to ensure easy entering of the harmonized data for the entire region based on our selected lists of variables. The tool verified the countries requirements especially by enabling data collection and transfer with and without the internet, and by allowing data analysis thought its built-in Geographic Information System (GIS) capabilities.
Źródło:
Archives of Transport; 2020, 56, 4; 73-88
0866-9546
2300-8830
Pojawia się w:
Archives of Transport
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Selected Robust Logistic Regression Specification for Classification of Multi‑dimensional Functional Data in Presence of Outlier
Zastosowanie odpornej regresji logistycznej do klasyfikacji wielowymiarowych danych funkcjonalnych
Autorzy:
Krzyśko, Mirosław
Smaga, Łukasz
Powiązania:
https://bibliotekanauki.pl/articles/657746.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
analiza regresji dla danych funkcjonalnych
estymacja odporna
model regresji logistycznej
rozwinięcie funkcji w bazie funkcyjnej
wielowymiarowe dane funkcjonalne
zagadnienie klasyfikacji
basis functions representation
classification problem
functional regression analysis
logistic regression model
multi‑dimensional functional data
robust estimation
Opis:
W niniejszym artykule rozważany jest problem dwuetykietowej klasyfikacji wielowymiarowych danych funkcjonalnych. Zaproponowane rozwiązanie tego problemu oparto na technikach regresyjnych i modelu regresji logistycznej dla danych funkcjonalnych. Model ten został przekształcony do szczególnego modelu regresji logistycznej za pomocą rozwinięcia (będących funkcjami) współczynników regresji i zmiennych objaśniających w bazie funkcyjnej. Na podstawie tego modelu skonstruowana została reguła klasyfikacyjna. W przypadku występowania obserwacji odstających rozważane są również metody odpornej estymacji nieznanych parametrów. Eksperymenty numeryczne sugerują, że proponowane metody mogą z powodzeniem być wykorzystane w praktycznych zagadnieniach.
In this paper, the binary classification problem of multi‑dimensional functional data is considered. To solve this problem a regression technique based on functional logistic regression model is used. This model is re‑expressed as a particular logistic regression model by using the basis expansions of functional coefficients and explanatory variables. Based on re‑expressed model, a classification rule is proposed. To handle with outlying observations, robust methods of estimation of unknown parameters are also considered. Numerical experiments suggest that the proposed methods may behave satisfactory in practice.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2018, 2, 334
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
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