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 "similarity matrix" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    Relationships between hybrid performance and genetic distance revealed by morphological and AFLP marker in cucumber
    Autorzy:
    Olfati, J. A.
    Samizadeh, H.
    Peyvast, Gh.
    Rabiei, B.
    Khodaparast, S. A.
    Powiązania:
    https://bibliotekanauki.pl/articles/2199652.pdf
    Data publikacji:
    2012-04-19
    Wydawca:
    Instytut Hodowli i Aklimatyzacji Roślin
    Tematy:
    cluster analysis
    diallel
    heterosis
    orthogonal comparison
    similarity matrix
    Opis:
    This study investigated the relationship of morphological and molecular genetic distance with hybrid performance and heterosis in cucumber in an attempt to make use of genetic distance in predicting hybrid performance. The results of this study showed that GD, in general, correlated poorly with heterosis and SCA. Results showed that the mean values of the hybrids were significantly larger or smaller for many traits when compared with the mean of parental lines, indicating that heterosis was present for these traits. In next step we compare inter group hybrids versus intra group hybrids. This test showed that intra group hybridization although increased the yield and yield component but decrease some fruit quality such as fruit color and shape.
    Źródło:
    Plant Breeding and Seed Science; 2012, 65; 87-98
    1429-3862
    2083-599X
    Pojawia się w:
    Plant Breeding and Seed Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Presentation of Changes in Preferences by Dynamic Scaling
    Prezentacja zmian zachodzących w preferencjach z wykorzystaniem skalowania dynamicznego
    Autorzy:
    Zaborski, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/657882.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    badanie preferencji
    macierz podobieństw
    skalowanie dynamiczne
    analiza Procrustesa
    preference analysis
    similarity matrix
    dynamic scaling
    Procrustes analysis
    Opis:
    Skalowanie dynamiczne jest zbiorem metod, w których dokonuje się geometrycznej prezentacji danych podobieństw uzyskanych dla T różnych okresów. Celem artykułu jest przedstawienie zastosowania dwóch metod skalowania dynamicznego do badania zmian zachodzących w preferencjach. W pierwszej, rozmieszczenia punktów na mapie percepcyjnej dokonuje się na podstawie rozbudowanej macierzy podobieństw. W drugiej metodzie przeprowadza się skalowanie wielowymiarowe dla poszczególnych okresów, a następnie dopasowuje otrzymane konfiguracje punktów za pomocą przekształceń zachowujących proporcje odległości między punktami. Prezentacja metod zostanie zilustrowana przykładem empirycznym, w którym obliczenia przeprowadzono z wykorzystaniem pakietów SPSS i New MDSX.
    Dynamic scaling is a set of methods in which the geometrical representation of the similarity data for T different time periods is made. This article presents the use of two-dynamic scaling methods for studying changes in the preferences. In the first method the location of points on the perceptual map is made on the basis of the super-dissimilarity matrix. In the second method multidimensional scaling for the respective periods is carried out and the obtained configurations are matched by transformations preserving the proportions of distances between points. The presentation of the methods is illustrated by an empirical example in which calculations were performed with use of SPSS and New MDSX packages.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2016, 3, 322
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zone estimation with cluster analysis of public transport stops
    Ocena strefowa z analizą skupień przystanków transportu publicznego
    Autorzy:
    Horváth, B.
    Nagy, V.
    Powiązania:
    https://bibliotekanauki.pl/articles/192544.pdf
    Data publikacji:
    2016
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    public transport
    big data
    time series
    similarity matrix
    clustering
    transport publiczny
    duże zbiory danych
    szeregi czasowe
    podobieństwa macierzy
    grupowanie
    Opis:
    Nowadays the data sets are spreading continually, generated by different devices and systems. The public transport is also not an exception in this. The modern GPS based tracking systems and the electronic tickets are producing lot of data, and we could use them for improving the service level. In the right case, these data are storing, and the service suppliers are not dealing with its information content, but, on the other hand, maybe they are just deleting these, in the interest of the avoidance of digital space occupancy. However, these data are processable with the modern devices and methods, and we can use them for information obtaining. Thanks to the spread of data mining, these tools are not appearing only in marketing research but in the most various kind of scientific area too, and they are advertising a new scientific revolution. Although the importance of these data sources is essential it is not widespread in general in transport planning, only in some specific areas [1] as described by Csiszár et al. This article presents possible application of the digital raw materials, taking the public transport passengers boarding information as base. We created a three step method which could be useful in automatic zone shaping or to supervise the manually created zone borders. It is also able to give help in land-usage examinations. The procedure is effective in making traveling chains from smart card data and in creation of origin destination matrix from check-in data. In this article we are showing how the zone distribution is possible with the assistance of different distance measurement methods and clustering procedures, and we are presenting the results on the example of a selected city.
    Obecnie nieustannie powstają różne zbiory danych, generowane przez różne urządzenia i systemy. Transport publiczny nie jest w tym zakresie wyjątkiem. Nowoczesne systemy monitorowania oparte na GPS i bilety elektroniczne wytwarzają duże ilości danych, i moglibyśmy je wykorzystać dla poprawy poziomu usług. Z jednej strony dane te są przechowywane, a dostawcy usług nie mają do czynienia z zawartością informacji, ale z drugiej strony, być może są one po prostu usuwane, aby ograniczyć obciążanie cyfrowej przestrzeni. Dane te mogą być przetwarzane dzięki nowoczesnym urządzeniom i metodom, i możemy je wykorzystać do uzyskania informacji. Dzięki rozprzestrzenianiu eksploracji danych, narzędzia te pojawiają się nie tylko w badaniach marketingowych, ale w większości różnych działań badawczych, i reklamują one nową rewolucję naukową. Chociaż znaczenie tych źródeł danych jest zasadnicze, nie jest to rozpowszechnione w planowaniu transportu, a jedynie w pewnych określonych obszarach [1], tak jak pisze Csiszár i in. W artykule przedstawiono możliwości zastosowania materiałów nieprzetworzonych, biorąc jako podstawę informacje o pasażerach podróżujących transportem publicznym. Stworzono metodę trzech kroków, która może być przydatna do automatycznego kształtowania strefy lub do nadzorowania granic stref utworzonych konwencjonalnie. Może też przydać się przy kontroli gruntów użytkowych. Procedura ta jest skuteczna w tworzeniu łańcuchów podróży z danych z kart inteligentnych oraz w tworzeniu macierzy żródło-cel na podstawie danych zameldowania. W artykule pokazano, w jaki sposób możliwa jest dystrybucja stref, za pomocą różnych metod pomiaru odległości i procedur gromadzenia, i zaprezentowano tego efekty na przykładzie wybranego miasta.
    Źródło:
    Transport Miejski i Regionalny; 2016, 7; 9-12
    1732-5153
    Pojawia się w:
    Transport Miejski i Regionalny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Investigation of the Lombard effect based on a machine learning approach
    Autorzy:
    Korvel, Gražina
    Treigys, Povilas
    Kąkol, Krzysztof
    Kostek, Bożena
    Powiązania:
    https://bibliotekanauki.pl/articles/24200693.pdf
    Data publikacji:
    2023
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    Lombard effect
    speech detection
    noise signal
    self similarity matrix
    convolutional neural network
    efekt Lombarda
    wykrywanie mowy
    sygnał szumowy
    sieć neuronowa konwolucyjna
    Opis:
    The Lombard effect is an involuntary increase in the speaker’s pitch, intensity, and duration in the presence of noise. It makes it possible to communicate in noisy environments more effectively. This study aims to investigate an efficient method for detecting the Lombard effect in uttered speech. The influence of interfering noise, room type, and the gender of the person on the detection process is examined. First, acoustic parameters related to speech changes produced by the Lombard effect are extracted. Mid-term statistics are built upon the parameters and used for the self-similarity matrix construction. They constitute input data for a convolutional neural network (CNN). The self-similarity-based approach is then compared with two other methods, i.e., spectrograms used as input to the CNN and speech acoustic parameters combined with the k-nearest neighbors algorithm. The experimental investigations show the superiority of the self-similarity approach applied to Lombard effect detection over the other two methods utilized. Moreover, small standard deviation values for the self-similarity approach prove the resulting high accuracies.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2023, 33, 3; 479--492
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient face recognition based on weighted matrix distance metrics and 2DPCA algorithm
    Autorzy:
    Rouabhia, C.
    Tebbikh, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/229482.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    classification
    similarity measure
    two-dimensional PCA
    weighted matrix distance
    human face
    Opis:
    In this paper, a new similarity measure is developed for human face recognition, namely, weighted matrix distance. The key difference between this metric and the standard distances is the use of matrices and weights rather than the vectors only. The two feature matrices are obtained by two-dimensional principal component analysis (2DPCA). The weights are the inverse of the eigenvalues sorted in decreasing order of the covariance matrix of all training face matrices. Experiments are performed under illumination and facial expression variations using four face image databases: ORL, Yale, PF01 and a subset of FERET. The results demonstrate the effectiveness of the proposed weighted matrix distances in 2DPCA face recognition over the standard matrix distance metrics: Yang, Frobenius and assembled matrix distance (AMD).
    Źródło:
    Archives of Control Sciences; 2011, 21, 2; 207-221
    1230-2384
    Pojawia się w:
    Archives of Control Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Predicting pairwise relations with neural similarity encoders
    Autorzy:
    Horn, F.
    Müller, K. R.
    Powiązania:
    https://bibliotekanauki.pl/articles/200921.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    neural networks
    kernel PCA
    dimensionality reduction
    matrix factorization
    SVD
    similarity preserving embeddings
    sieci neuronowe
    jądro
    PCA
    redukcja wymiarowości
    faktoryzacja macierzy
    Opis:
    Matrix factorization is at the heart of many machine learning algorithms, for example, dimensionality reduction (e.g. kernel PCA) or recommender systems relying on collaborative filtering. Understanding a singular value decomposition (SVD) of a matrix as a neural network optimization problem enables us to decompose large matrices efficiently while dealing naturally with missing values in the given matrix. But most importantly, it allows us to learn the connection between data points’ feature vectors and the matrix containing information about their pairwise relations. In this paper we introduce a novel neural network architecture termed similarity encoder (SimEc), which is designed to simultaneously factorize a given target matrix while also learning the mapping to project the data points’ feature vectors into a similarity preserving embedding space. This makes it possible to, for example, easily compute out-of-sample solutions for new data points. Additionally, we demonstrate that SimEc can preserve non-metric similarities and even predict multiple pairwise relations between data points at once.
    Źródło:
    Bulletin of the Polish Academy of Sciences. Technical Sciences; 2018, 66, 6; 821-830
    0239-7528
    Pojawia się w:
    Bulletin of the Polish Academy of Sciences. Technical Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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