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 "principal component analysis" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-10 z 205
Tytuł:
Principal Component Analysis versus Factor Analysis
Autorzy:
Gniazdowski, Zenon
Powiązania:
https://bibliotekanauki.pl/articles/1790041.pdf
Data publikacji:
2021-09
Wydawca:
Warszawska Wyższa Szkoła Informatyki
Tematy:
principal component analysis
factor analysis
number of principal components
number of factors
determining number of principal components
determining number of factors
Opis:
The article discusses selected problems related to both principal component analysis (PCA) and factor analysis (FA). In particular, both types of analysis were compared. A vector interpretation for both PCA and FA has also been proposed. The problem of determining the number of principal components in PCA and factors in FA was discussed in detail. A new criterion for determining the number of factors and principal components is discussed, which will allow to present most of the variance of each of the analyzed primary variables. An efficient algorithm for determining the number of factors in FA, which complies with this criterion, was also proposed. This algorithm was adapted to find the number of principal components in PCA. It was also proposed to modify the PCA algorithm using a new method of determining the number of principal components. The obtained results were discussed.
Źródło:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki; 2021, 15, 24; 35--88
1896-396X
2082-8349
Pojawia się w:
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Quantum image classification using principal component analysis
Autorzy:
Ostaszewski, M.
Sadowski, P.
Gawron, P.
Powiązania:
https://bibliotekanauki.pl/articles/375706.pdf
Data publikacji:
2015
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
some quantum algorithms
quantum image processing
principal component analysis
Opis:
We present a novel quantum algorithm for the classification of images. The algorithm is constructed using principal component analysis and von Neuman quantum measurements. In order to apply the algorithm we present a new quantum representation of grayscale images.
Źródło:
Theoretical and Applied Informatics; 2015, 27, 1; 1-12
1896-5334
Pojawia się w:
Theoretical and Applied Informatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A principal component analysis in concrete design
Autorzy:
Kobaka, Janusz
Katzer, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/31342619.pdf
Data publikacji:
2022
Wydawca:
Politechnika Częstochowska
Tematy:
principal component analysis
PCA
concrete designing
concrete mix
analiza głównych składowych
projektowanie betonu
mieszanka betonowa
Opis:
Over the last 200 years, ordinary concrete has evolved from four basic ingredient materials (gravel, sand, cement, and water) to multicomponent complex composites. The number and variety of the additives, admixtures, non-conventional aggregates, fillers, and fibres currently used for concrete production have continued to grow rapidly. Regrettably, the methods for de-signing concrete mixes have not evolved at a similarly fast pace. Keeping the above facts in mind, the authors utilised a principal component analysis (PCA) to design modern concrete mixes. As an initial approach, 550 cast and tested concrete mixes were analysed. The main aim of the presented study was to prove the usefulness of the PCA methodology for the fast classification of concrete mix compositions. The acquired knowledge should be useful for the effective design of multicomponent modern concrete mixes.
Źródło:
Budownictwo o Zoptymalizowanym Potencjale Energetycznym; 2022, 11; 203-219
2299-8535
2544-963X
Pojawia się w:
Budownictwo o Zoptymalizowanym Potencjale Energetycznym
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Processing of thermographic sequence using Principal Component Analysis
Autorzy:
Świta, R.
Suszyński, Z.
Powiązania:
https://bibliotekanauki.pl/articles/114604.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
filtering
correlation
PCA
segmentation
thermal sequences
Opis:
This paper describes application of the principal component analysis in relation to the thermal imaging contrast sequences, recorded with pulse excitation for three different objects. The aim of the study was to demonstrate that thermographic sequences contain an excessive number of data-distorting information about the characteristics of an object and that it is possible to reduce them. It has been shown that PCA can improve SNR, simplifies separation of areas with distinct features and allows determining their count, which is important, inter alia, with infrared image segmentation. The study shows examples of the results for a sequence of infrared registered for thin-layer-chromatography plate (SiO2 on glass) with separated analytes, the high power Si-eutectic-Mo thyristor structure with defects in eutectic, and the Al disk with cavities of different diameter and depth.
Źródło:
Measurement Automation Monitoring; 2015, 61, 6; 215-218
2450-2855
Pojawia się w:
Measurement Automation Monitoring
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A Kernel Version of Functional Principal Component Analysis
Autorzy:
Górecki, Tomasz
Krzyśko, Mirosław
Powiązania:
https://bibliotekanauki.pl/articles/465977.pdf
Data publikacji:
2012
Wydawca:
Główny Urząd Statystyczny
Tematy:
PCA
FPCA
kernel version of FPCA
Opis:
In this paper a new construction of functional principal components (FPCA) is proposed, based on principal components for vector data. A kernel version of FPCA is also presented. The quality of the two described methods was tested on 20 different data sets.
Źródło:
Statistics in Transition new series; 2012, 13, 3; 559-668
1234-7655
Pojawia się w:
Statistics in Transition new series
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fault detection and isolation with robust principal component analysis
Autorzy:
Tharrault, Y.
Mourot, G.
Ragot, J.
Maquin, D.
Powiązania:
https://bibliotekanauki.pl/articles/929927.pdf
Data publikacji:
2008
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
analiza głównych składowych
odporność
detekcja uszkodzeń
lokalizacja uszkodzeń
principal component analysis
robustness
outliers
fault detection
fault isolation
structured residual vector
variable reconstruction
Opis:
Principal component analysis (PCA) is a powerful fault detection and isolation method. However, the classical PCA, which is based on the estimation of the sample mean and covariance matrix of the data, is very sensitive to outliers in the training data set. Usually robust principal component analysis is applied to remove the effect of outliers on the PCA model. In this paper, a fast two-step algorithm is proposed. First, the objective was to find an accurate estimate of the covariance matrix of the data so that a PCA model might be developed that could then be used for fault detection and isolation. A very simple estimate derived from a one-step weighted variance-covariance estimate is used (Ruiz-Gazen, 1996). This is a 'local' matrix of variance which tends to emphasize the contribution of close observations in comparison with distant observations (outliers). Second, structured residuals are used for multiple fault detection and isolation. These structured residuals are based on the reconstruction principle, and the existence condition of such residuals is used to determine the detectable faults and the isolable faults. The proposed scheme avoids the combinatorial explosion of faulty scenarios related to multiple faults to be considered. Then, this procedure for outliers detection and isolation is successfully applied to an example with multiple faults.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2008, 18, 4; 429-442
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Chatter detection using principal component analysis in cold rolling mill
Autorzy:
Usmani, N. I.
Kumar, S.
Velisatti, S.
Tiwari, P. K.
Mishra, S. K.
Patnaik, U. S.
Powiązania:
https://bibliotekanauki.pl/articles/329460.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
chatter
principal component analysis
PCA
cold rolling
vibration
drgania samowzbudne
analiza składowych głównych
walcowanie na zimno
drgania
Opis:
Most cold rolling mills are prone to chatter problem. Chatter marks are often observed on the strip surface in cold rolling mill leading to downgrade and rejection of rolled material. Chatter impact product quality as well as productivity of mill. In absence of online chatter detection no corrective action can be taken immediately and whole campaign gets affected. Most conventional approach for online chatter detection is by using vibration measurement of mill stands in time & frequency domain. Present work proposes two approaches to detect chatter in cold rolling mill using a statistical technique called Principal Component Analysis (PCA). In this paper two methods are used for chatter detection. First method applies PCA on Fast Fourier Transform (FFT) to differentiate between chatter and non-chatter condition. Second method applies PCA on statistical parameters calculated from raw vibration data to detect chatter.
Źródło:
Diagnostyka; 2018, 19, 1; 73-81
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Supervised Kernel Principal Component Analysis by Most Expressive Feature Reordering
Autorzy:
Ślot, K.
Adamiak, K.
Duch, P.
Żurek, D.
Powiązania:
https://bibliotekanauki.pl/articles/308598.pdf
Data publikacji:
2015
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
feature selection
kernel methods
pattern classification
Opis:
The presented paper is concerned with feature space derivation through feature selection. The selection is performed on results of kernel Principal Component Analysis (kPCA) of input data samples. Several criteria that drive feature selection process are introduced and their performance is assessed and compared against the reference approach, which is a combination of kPCA and most expressive feature reordering based on the Fisher linear discriminant criterion. It has been shown that some of the proposed modifications result in generating feature spaces with noticeably better (at the level of approximately 4%) class discrimination properties.
Źródło:
Journal of Telecommunications and Information Technology; 2015, 2; 3-10
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Analiza czynnikowa zdjęć wielospektralnych
Principal component analysis of multispectral images
Autorzy:
Czapski, P.
Kotlarz, J.
Kubiak, K.
Tkaczyk, M.
Powiązania:
https://bibliotekanauki.pl/articles/213759.pdf
Data publikacji:
2014
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Lotnictwa
Tematy:
PCA
metody statystyczne
bioróżnorodność
krzywe blasku
redukcja danych
statistical methods
biodiversity
light curves
data reduction
Opis:
Analiza zdjęć wielospektralnych sprowadza się często do modelowania matematycznego opartego o wielowymiarowe przestrzenie metryczne, w których umieszcza się pozyskane za pomocą sensorów dane. Tego typu bardzo intuicyjne, łatwe do zaaplikowania w algorytmice analizy obrazu postępowanie może skutkować zupełnie niepotrzebnym wzrostem niezbędnej do analiz zdjęć mocy obliczeniowej. Jedną z ogólnie przyjętych grup metod analizy zbiorów danych tego typu są metody analizy czynnikowej. Wpracy tej prezentujemy dwie z nich: Principal Component Analysis (PCA) oraz Simplex Shrink-Wrapping (SSW). Użyte jednocześnie obniżają znacząco wymiar zadanej przestrzeni metrycznej pozwalając odnaleźć w danych wielospektralnych charakterystyczne składowe, czyli przeprowadzić cały proces detekcji fotografowanych obiektów. W roku 2014 w Pracowni Przetwarzania Danych Instytutu Lotnictwa oraz Zakładzie Ochrony Lasu Instytutu Badawczego Leśnictwa metodykę tą równie skutecznie przyjęto dla analizy dwóch niezwykle różnych serii zdjęć wielospektralnych: detekcji głównych składowych powierzchni Marsa (na podstawie zdjęć wielospektralnych pozyskanych w ramach misji EPOXI, NASA) oraz oszacowania bioróżnorodności jednej z leśnych powierzchni badawczych projektu HESOFF.
Mostly, analysis of multispectral images employs mathematical modeling based on multidimensional metric spaces that includes collected by the sensors data. Such an intuitive approach easily applicable to image analysis applications can result in unnecessary computing power increase required by this analysis. One of the groups of generally accepted methods of analysis of data sets are factor analysis methods. Two such factor analysis methods are presented in this paper, i.e. Principal Component Analysis (PCA ) and Simplex Shrink - Wrapping (SSW). If they are used together dimensions of a metric space can be reduced significantly allowing characteristic components to be found in multispectral data, i.e. to carry out the whole detection process of investigated images. In 2014 such methodology was adopted by Data Processing Department of the Institute of Aviation and Division of Forest Protection of Forest Research Institute for the analysis of the two very different series of multispectral images: detection of major components of the Mars surface (based on multispectral images obtained from the epoxy mission, NASA) and biodiversity estimation of one of the investigated in the HESOFF project forest complexes.
Źródło:
Prace Instytutu Lotnictwa; 2014, 1 (234) March 2014; 143-150
0509-6669
2300-5408
Pojawia się w:
Prace Instytutu Lotnictwa
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-10 z 205

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