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 "Bayesian classifier" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-9 z 9
    Tytuł:
    Approach to predict product quality considering current customers’ expectations
    Autorzy:
    Siwiec, Dominika
    Pacana, Andrzej
    Bednárová, Lucia
    Powiązania:
    https://bibliotekanauki.pl/articles/27313593.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    predict
    product quality
    decision support
    naïve Bayesian classifier
    weighted sum model
    customer expectations
    przewidywanie
    jakość produktu
    wspomaganie decyzji
    naiwny klasyfikator Bayesa
    metoda sumy ważonej
    oczekiwania klientów
    Opis:
    Purpose: The purpose was to develop an approach to predict product quality considering current customers' expectations. Design/methodology/approach: The approach includes integrated techniques, i.e.: SMART(-ER) method, a questionnaire with the Likert scale, brainstorming (B&M), WSM method, and Naïve Bayes Classifier. This approach refers to obtaining customers' expectations for satisfaction from the current quality of products and the importance of these criteria. Based on the satisfaction of customers, the quality of the product was estimated and classified. Then, the quality of the product was predicted for current customers. Findings: It was shown that it is possible to predict product quality based on current customer expectations, and so based on the current existing product. Research limitations/implications: The proposed approach does not include the possibilities of determining the expected quality of the product. The approach focuses on predicting customers' satisfaction with the current quality of the product. Therefore, if there is a need for improvement actions, further analyzes should be carried out to determine which criteria should be modified and how. Practical implications: The presented approach can be used for any product. Therefore, it is a useful tool for any kind of organization, which strives to meet customer satisfaction. Despite the possibility to predict the quality of the product, the proposed approach can indicate at an early stage to the organization that it is necessary to make improvement actions. Social implications: It is possible to reduce the waste of resources by predicting that improvement actions are necessary. Moreover, the approach supports an entity (e.g., expert, enterprise, interested parties) in predicting current customers' satisfaction. Originality/value: Originality is predicting product quality based on current customers' expectations. A new combination of quality management techniques, decision support, and machine learning was implemented.
    Źródło:
    Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska; 2022, 155; 461--472
    1641-3466
    Pojawia się w:
    Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnosing faults in the timing system of a passenger car spark ignition engine using the bayes classifier and entropy of vibration signals
    Autorzy:
    Czech, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/2203067.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    internal combustion engines
    diagnostics
    Bayesian classifier
    pattern recognition
    spark-ignition internal combustion engine
    exhaust valve of the internal combustion engine
    silniki spalinowe
    diagnostyka
    klasyfikator bayesowski
    rozpoznawanie wzorca
    silnik spalinowy z zapłonem iskrowym
    zawór wydechowy silnika spalinowego
    Opis:
    Today's systems for diagnosing the technical condition of machines, including vehicles, use very advanced methods of acquiring and processing input data. Presently, work is being conducted globally to solve related problems. At the moment, it is not yet possible to create a single procedure that would enable the construction of a properly functioning diagnostic system, regardless of the selected object to be diagnosed. Hence, there is a need to conduct further research into the possibility of using already developed methods, as well as their modification to other diagnostic cases. This article presents the results of research related to the use of the Bayes classifier for diagnosing the technical condition of passenger car engine components. Damage to the exhaust valve of a spark ignition engine was diagnosed. The source of information on the technical condition was vibration signals recorded at various measuring points and under different operating conditions of the car. To describe the nature of changes in the vibration signals, the entropy measures were determined for the decomposed signal using the discrete wavelet transform is proposed.
    Źródło:
    Zeszyty Naukowe. Transport / Politechnika Śląska; 2022, 116; 83--98
    0209-3324
    2450-1549
    Pojawia się w:
    Zeszyty Naukowe. Transport / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A source discrimination method of mine water-inrush based on 3D spatial interpolation of rare classes
    Analiza dyskryminacyjna źródeł wycieków wody do kopalni na podstawie trójwymiarowej interpolacji danych o zdarzeniach rzadkich
    Autorzy:
    Jiang, Qiong
    Zhao, Weidong
    Zheng, Yong
    Wei, Jiajia
    Wei, Chao
    Powiązania:
    https://bibliotekanauki.pl/articles/219790.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    analiza dyskryminacyjna źródeł wycieków
    wyciek wód
    jakość wód
    kryterium Bayesowskie
    kategoria zdarzeń rzadkich
    source discrimination
    water inrush
    water quality
    Bayesian classifier
    rare class
    Opis:
    When the distribution of water quality samples is roughly balanced, the Bayesian criterion model of water-inrush source generally can obtain relatively accurate results of water-inrush source identification. However, it is often difficult to achieve desired classification results when training samples are imbalanced. Sample imbalance is common in the source identification of mine water-inrush. Therefore, we propose a three-dimensional (3D) spatial resampling method based on rare water quality samples, which achieves the balance of water quality samples. Based on the virtual water sample points distributed by the 3D grid, the method uses the 3D Inverse Distance Weighting (IDW) method to interpolate the groundwater ion concentration of the virtual water samples to achieve oversampling of rare water samples. Case study in Gubei Coal Mine shows that the method improves overall discriminant accuracy of the Bayesian criterion model by 5.26%, from 85.26% to 90.69%. In particular, the discriminative precision of the rare class is improved from 0% to 83.33%, which indicates that the method can improve the discriminant accuracy of the rare class to large extent. In addition, this method increases the Kappa coefficient of the model by 19.92%, from 52.26% to 72.19%, increasing the degree of consistency from “general” to “significant”. Our research is of significance to enriching and improving the theory of prevention and treatment of mine water damage.
    W przypadku zrównoważonych danych o jakościowym rozkładzie próbek, zastosowanie kryterium Bayesowskiego do modelowania źródeł wycieków daje stosunkowo dokładne wyniki w analizie dyskryminacyjnej źródeł wycieków wody kopalnianej. Jednakże w przypadku niezrównoważonych danych, pożądane efekty kategoryzacji są niezmiernie trudne do uzyskania. Dane o składzie próbek są w znacznej mierze niezrównoważone, i jest to powszechny problem napotykany przy identyfikacji źródeł wycieków. W obecnej pracy zaproponowano więc trójwymiarową (3D) metodę powtórnego próbkowania z wykorzy-staniem próbek wód z kategorii zdarzeń rzadkich, tak by uzyskać zrównoważony zbiór danych. W oparciu o wirtualne punkty na trójwymiarowej siatce, wykorzystano trójwymiarową metodęśredniej ważonej odległością (Inverse Distance Weighing – IDW) do interpolacji stężenia jonów w wodach gruntowych w wirtualnych próbkach wody, w celu nadpróbkowania dla kategorii zdarzeń rzadkich. Studium przypadku kopalni węgla Gubei pokazuje, że metoda poprawia dokładność dopasowania modelu w oparciu o kryterium Bayesowskie o 5.25% (z 85.26% na 90.96 %). W szczególności, dokładność rozróżniania i dyskryminacji próbek należących do kategorii zdarzeń rzadkich wzrasta od 0% do 83.33%, co oznacza bardzo znaczna poprawę. Ponadto, wartość współczynnika Kappa wzrasta o 19.92%, od 52.26 % do 72.19%, tym samym podnosząc poziom zgodności metody z poziomu ogólnego na „znaczący”. Prowadzone przez nas badania mają poważne znaczenie z punktu widzenia udoskonalenia teorii leżących u podstaw metod i technik zapobiegania i kontroli wycieków wód kopalnianych.
    Źródło:
    Archives of Mining Sciences; 2019, 64, 2; 321-333
    0860-7001
    Pojawia się w:
    Archives of Mining Sciences
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Spatial and temporal aspects of prior and likelihood data choices for Bayesian models in road traffic safety analyses
    Przestrzenny i czasowy aspekt wyboru rozkładów apriorycznych i danych dla funkcji wiarygodności dla modeli bayesowskich w analizach bezpieczeństwa ruchu drogowego
    Autorzy:
    Nowakowska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/1365610.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
    Tematy:
    Bayesian regression model
    informative prior distributions for model parameters
    likelihood data
    statistical classifier
    road accident severity
    road accident features
    model regresji bayesowskiej
    informatywne rozkłady aprioryczne parametrów modelu
    wiarygodność bayesowska
    klasyfikator statystyczny
    status wypadku drogowego
    cechy wypadku drogowego
    Opis:
    In a Bayesian regression model, parameters are not constants, but random variables described by some posterior distributions. In order to define such a distribution, two pieces of information are combined: (1) a prior distribution that represents previous knowledge about a model parameter and (2) a likelihood function that updates prior knowledge. Both elements are analysed in terms of implementing the Bayesian approach in road safety analyses. A Bayesian multiple logistic regression model that classifies road accident severity is investigated. Three groups of input variables have been considered in the model: accident location characteristics, at fault driver’s features and accident attributes. Since road accidents are scattered in space and time, two aspects of information source choices in the Bayesian modelling procedure are proposed and discussed: spatial and temporal ones. In both aspects, priors are based on selected data that generate background knowledge about model parameters – thus, prior knowledge has an informative property. Bayesian likelihoods which modify priors are data that deliver: (1) information specific to a road – in the spatial aspect or (2) the latest information – in the temporal aspect. The research experiments were conducted to illustrate the approach and some conclusions have been drawn.
    Parametry bayesowskiego modelu regresji nie są wartościami stałymi tylko zmiennymi losowymi opisanymi przez pewne rozkłady aposterioryczne. W celu zdefiniowania takiego rozkładu łączy się dwa źródła informacji: (1) rozkład aprioryczny, który reprezentuje wcześniejszą wiedzę o parametrze modelu oraz (2) funkcję wiarygodności (wiarygodność bayesowską), która uaktualnia wiedzę a’priori. Oba te elementy są przedmiotem badań w kontekście wykorzystania podejścia bayesowskiego w analizach bezpieczeństwa ruchu drogowego. Badaniom podlega model wielokrotnej regresji logistycznej, który klasyfikuje status zdarzenia drogowego. W modelu uwzględniono trzy grupy zmiennych objaśniających: charakterystyki miejsca lokalizacji wypadku, cechy kierującego sprawcy oraz atrybuty wypadku. Ponieważ wypadki drogowe są rozproszone w czasie i przestrzeni, zaproponowano i poddano dyskusji dwa aspekty wyboru źródeł informacji w procedurze modelowania bayesowskiego: czasowy i przestrzenny. W obu podejściach rozkłady aprioryczne są definiowane na podstawie danych wybranych jako te, które generują uogólnioną wiedzę o parametrach modelu, tworząc tło podlegające modyfikacji – w ten sposób wiedza aprioryczna ma cechę informatywności. Wiarygodność bayesowska, modyfikująca rozkłady a’priori, jest definiowana za pomocą danych wprowadzających: (1) informację specyficzną dla wybranej drogi – w przypadku aspektu przestrzennego lub (2) informację najnowszą – w przypadku aspektu czasowego. Zaproponowane podejście zilustrowano w eksperymentach badawczych i przedstawiono wynikające z nich wnioski.
    Źródło:
    Eksploatacja i Niezawodność; 2017, 19, 1; 68-75
    1507-2711
    Pojawia się w:
    Eksploatacja i Niezawodność
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of Time-Series Analysis for Predicting Defects in Continuous Steel Casting Process
    Autorzy:
    Rodziewicz, A.
    Perzyk, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/380643.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    information technology
    foundry industry
    quality management
    continuous steel casting
    time series analysis
    naïve Bayesian classifier
    technologia informatyczna
    przemysł odlewniczy
    zarządzanie jakością
    ciągłe odlewanie stali
    analiza szeregów czasowych
    naiwny klasyfikator Bayesa
    Opis:
    The purpose of this paper was testing suitability of the time-series analysis for quality control of the continuous steel casting process in production conditions. The analysis was carried out on industrial data collected in one of Polish steel plants. The production data concerned defective fractions of billets obtained in the process. The procedure of the industrial data preparation is presented. The computations for the time-series analysis were carried out in two ways, both using the authors’ own software. The first one, applied to the real numbers type of the data has a wide range of capabilities, including not only prediction of the future values but also detection of important periodicity in data. In the second approach the data were assumed in a binary (categorical) form, i.e. the every heat(melt) was labeled as ‘Good’ or ‘Defective’. The naïve Bayesian classifier was used for predicting the successive values. The most interesting results of the analysis include good prediction accuracies obtained by both methodologies, the crucial influence of the last preceding point on the predicted result for the real data time-series analysis as well as obtaining an information about the type of misclassification for binary data. The possibility of prediction of the future values can be used by engineering or operational staff with an expert knowledge to decrease fraction of defective products by taking appropriate action when the forthcoming period is identified as critical.
    Źródło:
    Archives of Foundry Engineering; 2016, 16, 4; 125-130
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Modele regresji Bayesa w analizach bezpieczeństwa ruchu drogowego
    Bayesian regression models in the analyses of road traffic safety
    Autorzy:
    Nowakowska, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/144202.pdf
    Data publikacji:
    2016
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
    Tematy:
    Bayesian regression
    regresja Bayesa
    aprioryczne rozkłady parametrów modelu
    klasyfikator statystyczny
    ciężkość wypadku drogowego
    kierujący sprawca wypadku
    model parameters prior distributions
    statistical classifier
    road accident severity
    at fault driver
    Opis:
    W artykule przybliżono koncepcję modelu regresji Bayesa oraz przedstawiono wykorzystanie tego modelu w budowaniu statystycznego klasyfikatora ciężkości wypadku drogowego w zależności od cech kierującego – sprawcy. Modele Bayesa zostały wyznaczone na dużej i małej próbie treningowej z uwzględnieniem informatywnych i nieinformatywnych rozkładów a’priori parametrów strukturalnych oraz porównane z analogicznymi modelami klasycznymi MLE. Przedmiotowym klasyfikatorem statystycznym był model regresji logistycznej.
    The idea of a Bayes regression model was put forward and then the utilization of such a model while building a statistical classifier to identify a road accident severity in dependence on chosen at fault driver’s characteristics was presented in the paper. Bayes models were identified for small and big train samples assuming informative and non-informative prior distributions for structural parameters of the models. Obtained results were compared and referred to the results of classical MLE models. A logistic model was a statistical classifier under consideration.
    Źródło:
    Drogownictwo; 2016, 2; 39-45
    0012-6357
    Pojawia się w:
    Drogownictwo
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Learning the naive Bayes classifier with optimization models
    Autorzy:
    Taheri, S.
    Mammadov, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/908351.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    Bayesian networks
    naive Bayes classifier
    optimization
    discretization
    sieci bayesowskie
    naiwny klasyfikator Bayesa
    optymalizacja
    dyskretyzacja
    Opis:
    Naive Bayes is among the simplest probabilistic classifiers. It often performs surprisingly well in many real world applications, despite the strong assumption that all features are conditionally independent given the class. In the learning process of this classifier with the known structure, class probabilities and conditional probabilities are calculated using training data, and then values of these probabilities are used to classify new observations. In this paper, we introduce three novel optimization models for the naive Bayes classifier where both class probabilities and conditional probabilities are considered as variables. The values of these variables are found by solving the corresponding optimization problems. Numerical experiments are conducted on several real world binary classification data sets, where continuous features are discretized by applying three different methods. The performances of these models are compared with the naive Bayes classifier, tree augmented naive Bayes, the SVM, C4.5 and the nearest neighbor classifier. The obtained results demonstrate that the proposed models can significantly improve the performance of the naive Bayes classifier, yet at the same time maintain its simple structure.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2013, 23, 4; 787-795
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Handling the description noise using an attribute value ontology
    Autorzy:
    Łukaszewski, T.
    Józefowska, J.
    Ławrynowicz, A.
    Józefowski, Ł.
    Powiązania:
    https://bibliotekanauki.pl/articles/206376.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    imprecise descriptions
    attribute noise
    ontology
    naďve Bayesian classifier
    Opis:
    The quality of any classifier depends on a number of factors, including the quality of training data. In real-world scenarios, data are often noisy. One reason for noisy data (erroneous values) is in the representation language, insufficient to model different levels of knowledge granularity. In this paper, to address the problem of such description noise, we propose a novel extension of the na've Bayesian classifier by an attribute value ontology (AVO). In the proposed approach, every attribute is a hierarchy of concepts from the domain knowledge base. In this way an example is described either very precisely (using a concept from the low-level of the hierarchy) or, when it is not possible, in a more general way (using a concept from higher levels of the hierarchy). Our general strategy is to classify a new example using training examples described in the same way or more precisely at lower levels of knowledge granularity. Hence, the hierarchy introduces a bias which in effect can contribute to improvement of a classification.
    Źródło:
    Control and Cybernetics; 2011, 40, 2; 275-292
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Cross-selling models for telecommunication services
    Autorzy:
    Jaroszewicz, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/308093.pdf
    Data publikacji:
    2008
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    cross-selling
    telecommunication service
    classifier
    association rule
    Bayesian network
    Opis:
    Cross-selling is a strategy of selling new products to a customer who has made other purchases earlier. Except for the obvious profit from extra products sold, it also increases the dependence of the customer on the vendor and therefore reduces churn. This is especially important in the area of telecommunications, characterized by high volatility and low customer loyalty. The paper presents two cross-selling approaches: one based on classifiers and another one based on Bayesian networks constructed based on interesting association rules. Effectiveness of the methods is validated on synthetic test data.
    Źródło:
    Journal of Telecommunications and Information Technology; 2008, 3; 52-59
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-9 z 9

      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