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 "SVM classifier" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Classification of animals to determine the migration potential at the construction of new infrastructure
    Autorzy:
    Matuska, S.
    Hudec, R.
    Benco, M.
    Zachariasova, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/393291.pdf
    Data publikacji:
    2013
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    SIFT
    SURF descriptor
    SVM classifier
    animal classification
    deskryptor SURF
    klasyfikator SVM
    klasyfikacja zwierząt
    Opis:
    At the planning and construction of new infrastructures, the information about migration potential of animals in a target area is needed. This information will be used to design of migration corridors for wild animals. To determine the migration potential of animals based on distributed video camera system, new methods for object recognition and classification are developed. In general, an object recognition system consists of three steps, namely, the image feature extraction from the training database, training the classifier and evaluation of query image of object/animal. In this paper, an extraction of local key point by SIFT or SURF descriptors, bags of key points method in combination with SVM classifier and two hybrid key points detection methods are proposed in detail.
    Źródło:
    Archives of Transport System Telematics; 2013, 6, 4; 26-30
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dobór cech diagnostycznych dla klasyfikatora SVM w zadaniu klasyfikacji stanu przetoki tętniczo-żylnej na podstawie sygnału akustycznego
    The selection of features for the SVM classifier in the arteriovenous fistula state estimation on the basis of acoustic signal
    Autorzy:
    Grochowina, M.
    Leniowska, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/261149.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
    Tematy:
    klasyfikator SVM
    przetoka tętniczo-żylna
    selekcja cech
    SVM classifier
    arteriovenous fistula
    features selection
    Opis:
    W artykule przedstawiono proces selekcji cech diagnostycznych dla klasyfikatora SVM. Badania przeprowadzone zostały z użyciem zbioru danych zawierającego próbki sygnału dźwiękowego emitowanego przez przetokę tętniczo-żylną. Celem prac było stworzenie rozwiązania klasyfikacji wieloklasowej w oparciu o klasyfikator z rodziny SVM pozwalającego na skuteczną i wiarygodną ocenę stanu przetoki tętniczo-żylnej.
    The paper presents the process of selection diagnostic features for SVM classifier. The study was conducted with using a data set containing samples of the sound signal emitted by the arteriovenous fistula. The objective was to create a solution multi-class classification based on SVM classifier family allowing for an effective and reliable evaluation of the arteriovenous fistula state.
    Źródło:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2016, 22, 4; 207-212
    1234-5563
    Pojawia się w:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analysis of the possibility of mechanical devices supervision based on the measurement of the vibration level and SVM classifiers
    Autorzy:
    Schossler, Ryszard
    Grochowina, Marcin
    Leniowska, Lucyna
    Powiązania:
    https://bibliotekanauki.pl/articles/24202009.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Poznańska. Instytut Mechaniki Stosowanej
    Tematy:
    SVM classifier
    vibration pattern
    gyroscope
    accelerometer
    one-class classifier
    two-class classifier
    klasyfikator SVM
    wzór drgań
    żyroskop
    akcelerometr
    klasyfikator jednoklasowy
    klasyfikator dwuklasowy
    Opis:
    This paper presents the concept of diagnosing the technical condition of mechanical devices. The test is based on a non-invasive vibration analysis technique combined with the use of artificial intelligence method. The object of the research is an electric motor for which vibrations were recorded by a vibration sensor based on four 3-axis digital accelerometers and MPU-6050 gyroscopes. The effectiveness of classification methods using the two-class and one-class classification was compared. It has been shown that the use of an incomplete pattern of the vibration model and a single-class classifier allows for effective detection of anomalies in the operation of an induction motor. Satisfactory classification efficiency was achieved, despite the limitation of the teaching set only to the information obtained during the correct operation of the device. The described method is universal and can be used to diagnose the technical condition of many different types of technical devices.
    Źródło:
    Vibrations in Physical Systems; 2022, 33, 3; art. no. 2022316
    0860-6897
    Pojawia się w:
    Vibrations in Physical Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classification of cognitive states using clustering-split time series framework
    Autorzy:
    Ramakrishna, J. Siva
    Ramasangu, Hariharan
    Powiązania:
    https://bibliotekanauki.pl/articles/38708362.pdf
    Data publikacji:
    2024
    Wydawca:
    Instytut Podstawowych Problemów Techniki PAN
    Tematy:
    functional MRI data
    classification
    consensus clustering
    SVM classifier
    GNB classifier
    XGBoost
    funkcjonalne dane MRI
    klasyfikacja
    grupowanie konsensusu
    klasyfikator SVM
    klasyfikator GNB
    Opis:
    Over the last two decades, functional Magnetic Resonance Imaging (fMRI) has provided immense data about the dynamics of the brain. Ongoing developments in machine learning suggest improvements in the performance of fMRI data analysis. Clustering is one of the critical techniques in machine learning. Unsupervised clustering techniques are utilized to partition the data objects into different groups. Supervised classification techniques applied to fMRI data facilitate the decoding of cognitive states while a subject is engaged in a cognitive task. Due to the high dimensional, sparse, and noisy nature of fMRI data, designing a classifier model for estimating cognitive states becomes challenging. Feature selection and feature extraction techniques are critical aspects of fMRI data analysis. In this work, we present one such synergy, a combination of Hierarchical Consensus Clustering (HCC) and the Statistics of Split Timeseries (SST) framework to estimate cognitive states. The proposed HCC-SST model’s performance has been verified on StarPlus fMRI data. The obtained experimental results show that the proposed classifier model achieves 99% classification accuracy with a smaller number of voxels and lower computational cost.
    Źródło:
    Computer Assisted Methods in Engineering and Science; 2024, 31, 2; 241-260
    2299-3649
    Pojawia się w:
    Computer Assisted Methods in Engineering and Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Investigation of Normalization Techniques and Their Impact on a Recognition Rate in Handwritten Numeral Recognition
    Autorzy:
    Chmielnicki, Wieslaw
    Stapor, Katarzyna
    Powiązania:
    https://bibliotekanauki.pl/articles/1373426.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Jagielloński. Wydawnictwo Uniwersytetu Jagiellońskiego
    Tematy:
    handwritten numeral recognition
    normalization techniques
    SVM classifier
    feature vectors
    OCR
    geometric invariants
    Zernike moments
    gradient features
    Opis:
    This paper presents several normalization techniques used in handwritten numeral recognition and their impact on recognition rates. Experiments with five different feature vectors based on geometric invariants, Zernike moments and gradient features are conducted. The recognition rates obtained using combination of these methods with gradient features and the SVM-rbf classifier are comparable to the best state-of-art techniques.
    Źródło:
    Schedae Informaticae; 2010, 19; 53-77
    0860-0295
    2083-8476
    Pojawia się w:
    Schedae Informaticae
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An Efficient Hybrid Classifier Model for Customer Churn Prediction
    Autorzy:
    Anitha, M. A.
    Sherly, K. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/2200701.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    customer churn prediction
    bag of learners
    ANN
    SVM
    regression
    associative classifier
    Apriori Algorithm
    Opis:
    Customer churn prediction is used to retain customers at the highest risk of churn by proactively engaging with them. Many machine learning-based data mining approaches have been previously used to predict client churn. Although, single model classifiers increase the scattering of prediction with a low model performance which degrades reliability of the model. Hence, Bag of learners based Classification is used in which learners with high performance are selected to estimate wrongly and correctly classified instances thereby increasing the robustness of model performance. Furthermore, loss of interpretability in the model during prediction leads to insufficient prediction accuracy. Hence, an Associative classifier with Apriori Algorithm is introduced as a booster that integrates classification and association rule mining to build a strong classification model in which frequent items are obtained using Apriori Algorithm. Also, accurate prediction is provided by testing wrongly classified instances from the bagging phase using generated rules in an associative classifier. The proposed models are then simulated in Python platform and the results achieved high accuracy, ROC score, precision, specificity, F-measure, and recall.
    Źródło:
    International Journal of Electronics and Telecommunications; 2023, 69, 1; 11--18
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An analog linear SVM image classifier
    Autorzy:
    Festila, L.
    Szolga, L. A.
    Groza, R.
    Hintea, S.
    Cirlugea, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/385015.pdf
    Data publikacji:
    2009
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    support vector machine (SVM)
    analog multipliers
    log-domain th domain
    square-root domain
    image classifier
    Opis:
    A linear Support Vector machine classifier is proposed in this paper. In such SVM architectures based on multiplying laws the main building blocks are multipliers. We propose in this paper multiplying and weighting cells, developed by using a model consisting of a compound of two inverse non-linear functions. This procedure is suitable for VLSI implementation because it permits the use of simple nonlinearized standard log-domain or DA cells that compensate each other nonlinearities to obtain an extended domain of operation. Current-mode ELIN (externally linear internally nonlinear) design is used for its low voltage, low power and high speed characteristics. The resulted parallel-serial classifier was simulated taking into account real parameters of transistors in BICMOS technology.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2009, 3, 2; 82-87
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    MLP and SVM classifiers for fault detection
    Klasyfikatory neuronowe MLP i SVM dla potrzeb diagnostyki
    Autorzy:
    Osowski, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/258282.pdf
    Data publikacji:
    2006
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
    Tematy:
    klasyfikatory neuronowe
    perceptron wielowarstwowy
    MLP
    sieć wektorów podtrzymujących
    SVM
    sztuczna inteligencja
    diagnostyka
    diagnostic
    neural classifier
    electrical circuits
    Opis:
    The paper presents a comparative analysis of two of the most important neural network classifiers: the multilayer perceptron (MLP) and Support Vector Machine (SVM) in application to diagnostic problems. The structure as well as learning algorithms of both networks have been presented and compared. The results of numerical experiments comparing the performance of both classifiers on the artificial and real life problems are presented and discussed.
    Praca przedstawia dwa rozwiązania klasyfikatorów neuronowych na potrzeby diagnostyki. Jednym z nich jest perceptron wielowarstwowy (ang. MultiLayer Perceptron - MLP), drugim sieć wektorów podtrzymujących (ang. Support Vector Machine (SVM). Przedstawiono struktury oraz podstawowe metody uczenia takich sieci. Działania obu klasyfikatorów sprawdzono i porównano na problemach testowych, zarówno typu syntetycznego, jak i problemie rzeczywistym rozpoznawania uszkodzeń elementów w rzeczywistym układzie filtru elektrycznego.
    Źródło:
    Problemy Eksploatacji; 2006, 2; 149-167
    1232-9312
    Pojawia się w:
    Problemy Eksploatacji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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