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 "Supervised classification" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-29 z 29
    Tytuł:
    Artificial intelligence for supervised classification purposes: Case of the surface water quality in the Moulouya River, Morocco
    Autorzy:
    Manssouri, Imad
    Talhaoui, Abdelghani
    El Hmaidi, Abdellah
    Boudad, Brahim
    Boudebbouz, Bouchra
    Sahbi, Hassane
    Powiązania:
    https://bibliotekanauki.pl/articles/1841945.pdf
    Data publikacji:
    2021
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    artificial intelligence
    environment
    supervised classification
    the Moulouya River
    water quality
    Opis:
    From a management perspective, water quality is determined by the desired end use. Water intended for leisure, drinking water, and the habitat of aquatic organisms requires higher levels of purity. In contrast, the quality standards of water used for hydraulic energy production are much less important. The main objective of this work is focused on the development of an evaluation system dealing with supervised classification of the physicochemical quality of the water surface in the Moulouya River through the use of artificial intelligence. A graphical interface under Matlab 2015 is presented. The latter makes it possible to create a classification model based on artificial neural networks of the multilayer perceptron type (ANN-MLP). Several configurations were tested during this study. The configuration [9 8 3] retained gives a coefficient of determination close to the unit with a minimum error value during the test phase. This study highlights the capacity of the classification model based on artificial neural networks of the multilayer perceptron type (ANN-MLP) proposed for the supervised classification of the different water quality classes, determined by the calculation of the system for assessing the quality of surface water (SEQ-water) at the level of the Moulouya River catchment area, with an overall classification rate equal to 98.5% and a classification rate during the test phase equal to 100%.
    Źródło:
    Journal of Water and Land Development; 2021, 50; 240-247
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wpływ korekcji atmosferycznej zdjęć satelitarnych na wyniki cyfrowej klasyfikacji wielospektralnej
    The influence of atmosferic correction of satelity images on results
    Autorzy:
    Osińska-Skotak, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/341395.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Przyrodniczy we Wrocławiu
    Tematy:
    korekcja atmosferyczna
    klasyfikacja wielospektralna
    zdjęcia wielospektralne
    atmospheric correction
    supervised classification
    multispectral classification
    Opis:
    Na promieniowanie dochodzące do sensora satelitarnego wpływa przede wszystkim atmosfera, znajdująca się na drodze od obiektu do detektora. Korekcja atmosferyczna jest jednak na ogół pomijana w procesie przetwarzania zdjęć satelitarnych. Wynika to m.in. z faktu, iż aby wpływ atmosfery oszacować w sposób poprawny, wymagana jest duża liczba danych pomiarowych i skomplikowany model atmosfery. W przypadku analizy zdjęć archiwalnych uzyskanie tego rodzaju danych często jest utrudnione, a czasami wręcz niemożliwe. Stosuje się więc na ogół tzw. średnie atmosfery klimatyczne, które charakteryzują średnie warunki atmosferyczne panujące na danym terenie. Wymóg wykonywania korekcji atmosferycznej zdjęć satelitarnych nie zawsze występuje (np. analizy jakościowe, interpretacja wizualna), ale w przypadku przeprowadzania analiz ilościowych lub wieloczasowych uwzględnienie wpływu atmosfery jest czynnikiem istotnym dla uzyskania prawidłowych wyników. Niniejsze opracowanie prezentuje wyniki badań nad wpływem uwzględnienia korekcji atmosferycznej w procesie klasyfikacji wielospektralnej. Okazuje się, że klasyfikacja obrazów skorygowanych ze względu na wpływ atmosfery pozwala na uzyskanie lepszej delimitacji klas, niż to jest w przypadku klasyfikacji zdjęć źródłowych.
    Atmosphere between an object and a satellite detector is the most important element, which decided about the radiation registered by satellite sensor. However, atmospheric correction is mostly neglected during satellite image processing. It's implicated by fact that to estimate the influence of atmospheric conditions, a lot of different meteorological parameters and model of atmosphere are needed. In case of archived images gathering this kind of data is often difficult or even impossible. Therefore standard atmosphere models which described average atmospheric conditions on different areas are used. In some application atmospheric correction is not needed (i.e. qualitative analyses, visual interpretation) but for quantitative analyses or multitemporal analyses this correction is very important to obtain correct results. This article presents results of researches on influence of atmospheric correction on the process of multispectral classification. It was found that classification of atmospheric corrected images make better classes delimitation possible.
    Źródło:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2005, 4, 1; 41-53
    1644-0668
    Pojawia się w:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Land use and land cover change detection using remote geospatial techniques: a case study of an urban city in southwestern, Nigeria
    Autorzy:
    Olayungbo, A.A.
    Powiązania:
    https://bibliotekanauki.pl/articles/2080937.pdf
    Data publikacji:
    2021
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    land use
    land cover
    change detection
    landsat images
    supervised classification
    Nigeria
    Opis:
    Many cities in developing countries are experiencing ecosystem modification and change. Today, about 10 million hectares of the world’s forest cover have been converted to other land uses. In Nigeria, there is an estimated increase of 8.75 million ha of cropland and decrease of about 1.71 million ha of forest cover between 1995 to 2020, indicating that Nigeria has been undergoing a wide range of land use and land cover changes. This paper analyses the changes in land use/cover in Ila Orangun, Southwestern, Nigeria from 1986 to 2018, with a view to providing adequate information on the pattern and trend of land use and land cover changes for proper monitoring and effective planning. The study utilized satellite images from Landsat 1986, 2002 and 2018. Remote sensing and Geographical Information System techniques as well as supervised image classification method were used to assess the magnitude of changes in the city over the study period. The results show that 26.36% of forest cover and 44.48% of waterbody were lost between the period of 1986 and 2018. There was a rapid increase in crop land by 365.7% and gradual increase in built-up areas by 103.85% at an annual rate of 3.25%. Forest was the only land cover type that recorded a constant reduction in areal extent. The study concluded that the changes in land use and land cover is a result of anthropogenic activities in the study area.
    Źródło:
    Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Problemy Rolnictwa Światowego; 2021, 21[36], 2; 4-14
    2081-6960
    Pojawia się w:
    Zeszyty Naukowe Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie. Problemy Rolnictwa Światowego
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Forest species mapping using airborne hyperspectral APEX data
    Autorzy:
    Tagliabue, Giulia
    Panigada, Cinzia
    Colombo, Roberto
    Fava, Francesco
    Cilia, Chiara
    Baret, Frédéric
    Vreys, Kristin
    Meuleman, Koen
    Rossini, Micol
    Powiązania:
    https://bibliotekanauki.pl/articles/1035947.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Warszawski. Wydział Geografii i Studiów Regionalnych
    Tematy:
    Vegetation map
    Hyperspectral
    Aerial
    Supervised classification
    Multi-temporal dataset
    Forest ecosystem
    Opis:
    The accurate mapping of forest species is a very important task in relation to the increasing need to better understand the role of the forest ecosystem within environmental dynamics. The objective of this paper is the investigation of the potential of a multi-temporal hyperspectral dataset for the production of a thematic map of the dominant species in the Forêt de Hardt (France). Hyperspectral data were collected in June and September 2013 using the Airborne Prism EXperiment (APEX) sensor, covering the visible, near-infrared and shortwave infrared spectral regions with a spatial resolution of 3 m by 3 m. The map was realized by means of a maximum likelihood supervised classification. The classification was first performed separately on images from June and September and then on the two images together. Class discrimination was performed using as input 3 spectral indices computed as ratios between red edge bands and a blue band for each image. The map was validated using a testing set selected on the basis of a random stratified sampling scheme. Results showed that the algorithm performances improved from an overall accuracy of 59.5% and 48% (for the June and September images, respectively) to an overall accuracy of 74.4%, with the producer’s accuracy ranging from 60% to 86% and user’s accuracy ranging from 61% to 90%, when both images (June and September) were combined. This study demonstrates that the use of multi-temporal high-resolution images acquired in two different vegetation development stages (i.e., 17 June 2013 and 4 September 2013) allows accurate (overall accuracy 74.4%) local-scale thematic products to be obtained in an operational way.
    Źródło:
    Miscellanea Geographica. Regional Studies on Development; 2016, 20, 1; 28-33
    0867-6046
    2084-6118
    Pojawia się w:
    Miscellanea Geographica. Regional Studies on Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Effect of land-use changes resulting from shrimp farming on acid sulfate soils in the Can Gio coastal wetland area (Vietnam)
    Autorzy:
    Tran, Tran Bao
    Bui, Ha Manh
    Powiązania:
    https://bibliotekanauki.pl/articles/762911.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Marii Curie-Skłodowskiej. Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej
    Tematy:
    land use, acid sulfate soils, shrimp farming, supervised classification, soil reclamation
    Opis:
    Acid sulfate soils in coastal wetland areas are particularly vulnerable to land-use changes. We identifid the potential impacts of land-use changes in the Can Gio coastal wetland area in Vietnam due to the reclamation of acid sulfate soils from shrimp farms. Our study applied the support of vector machine algorithm in ENVI software to observe land-use changes from 1995 to 2015, using Landsat Thematic Mapper and Operational Land Imager data. We classifid the land use of the study area into four major classes including vegetation, bare land, dedicated land and aquaculture land. Our study successfully met the overall classifiation accuracy requirement above 95% and kappa statistics above 0.95. Between 1995 and 2006, about 2,938.05 ha of bare land and 1,464.66 ha of vegetation (mangrove forest) were converted to aquaculture land. In contrast, between 2006 and 2015, 2,423.88 ha of aquaculture land converted back to bare land, mainly related to the abandonment of shrimp ponds due to crop failure and disease. The disturbance of acid sulfate soils through initial soil reclamation and subsequent fallowing is considered a key reason for hastening and extending soil acidifiation in the study area. We collected 144 topsoil samples from 17 fallowed ponds in two batches, and 142 of these were acidic: 128 samples were extremely and strongly acidic (pH < 5.5), 14 samples were moderately and slightly acid (pH between 5.5 and 6.5), and only two samples were neutral (pH over 6.5).
    Źródło:
    Polish Journal of Soil Science; 2018, 51, 2
    0079-2985
    Pojawia się w:
    Polish Journal of Soil Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Korekcja geometryczna a wyniki klasyfikacji zdjęć wielospektralnych
    The geometric correction versus the results of multispectral classifikation
    Autorzy:
    Osińska-Skotak, K.
    Fijałkowska, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/341403.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Przyrodniczy we Wrocławiu
    Tematy:
    korekcja geometryczna
    transformacja geometryczna
    klasyfikacja nadzorowana
    zdjęcia wielospektralne
    geometric correction
    geometric transformation
    supervised classification
    multispectral classification
    Opis:
    Klasyfikacja cyfrowa jest najczęściej wykorzystywanym algorytmem do tworzenia map tematycznych na podstawie zdjęć satelitarnych, np. mapy pokrycia terenu. Jednak aby wynik klasyfikacji stał się materiałem kartometrycznym, należy go poddać transformacji geometrycznej do określonego układu współrzędnych. Możliwe jest również postępowanie odwrotne, tzn. najpierw następuje wykonanie transformacji geometrycznej zdjęć oryginalnych, a dopiero potem przeprowadza się proces klasyfikacji już zgeometryzowanych zdjęć. Jednak, zważywszy na naturę cyfrowego przetwarzania obrazów rastrowych, powstaje pytanie: czy rezultaty obu postępowań będą takie same? Niniejsze opracowanie prezentuje wyniki badań nad wpływem momentu wykonywania transformacji geometrycznej zdjęć na wynik klasyfikacji nadzorowanej. Prace badawcze przeprowadzono na dwóch scenach satelitarnych zarejestrowanych przez satelitę SPOT5. Wybrane pola testowe reprezentują dwa odmienne typy krajobrazu: o gospodarstwach wielkoobszarowych oraz o rozdrobnionej strukturze agrarnej. W wyniku prac badawczych okazało się, że istnieje wpływ korekcji geometrycznej zdjęć satelitarnych na wyniki klasyfikacji, jednak bardziej istotnym elementem przetwarzania jest wybór metody ponownego próbkowania oraz rozmiar piksela deklarowanego przy próbkowaniu obrazu podczas wykonywania transformacji geometrycznej.
    The multispectral classification is the most common algorithm, which is applied for the creation of thematic maps (like land use / land cover maps) based on the satellite images. To obtain the final classification result having quality of cartometric material, it is requisite to carry out the geometric correction process. It's possible to realize this process in two way: first of them consists in geometric image correction and to continue by classification of image being already georeferenced yet. Second way is to classify the source image and to continue by geometric correction of the image already classified. However, knowing the image digital treatment nature, we should ask - are the both results the same or not? The presented study show the results of the researches about impact of the moment of the image geometric correction versus of multispectral classification process. This study was done at the base of SPOT5 satellite images for two test sites in Poland: Żuławy (consolidate agrarian structure) and Wyszków (fine agrarian structure). According to the results the influence of the geometric correction of satellite images on the results of multispectral classification is exist. Nevertheless, the most important element of image processing is the algorithm, which is chosen for the image resampling and the pixel size of the resampled image.
    Źródło:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2005, 4, 1; 55-66
    1644-0668
    Pojawia się w:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Data classification based on photogrammetry
    Klasyfikacja danych w oparciu o materiały fotogrametryczne
    Autorzy:
    Piech, Izabela
    Żaba, Tadeusz
    Jankowska, Aleksandra
    Powiązania:
    https://bibliotekanauki.pl/articles/100599.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
    Tematy:
    laser scanning
    supervised classification
    unsupervised classification
    aerial image
    skaning laserowy
    zdjęcie lotnicze
    klasyfikacja nadzorowana
    klasyfikacja nienadzorowana
    Opis:
    The aim of the paper was to classify data from aerial laser scanning and CIR digital images, which were orientated, connected and aligned by the Agisoft Photoscan software. Then, in order to distinguish the ground a point cloud was generated. This was to create a correct terrain mesh and, in consequence, an orthophotomap. The next stage is to develop a new point cloud using ArcGIS. The land cover from the images was combined with the ground mapped by LiDAR. New heights were calculated relative to the ground surface height 0. The point cloud was converted into a raster form, providing a normalized Digital Surface Model (nDSM). It was the first element of the output composition, which also consisted of the NIR and RED channels, acquired from the cloud point generated in Agisoft. The colour composition obtained in such way was subjected to four object-oriented and pixel-oriented classification methods: I – ISO Cluster, II – Maximum Likelihood, III – Random Trees, IV – Support Vector Machine. Object grouping is possible due to information stored in the display content. This technique is prompted by human ability of image interpretation. It draws attention to more variables, so effects similar to human perception of reality are possible to achieve. The unsupervised method is based on a process of automatic search for image fragments, which allows assigning them to individual categories by a statistical analysis algorithm. In turn, supervised method uses “training datasets”, which are used to “teach” the program assigning individual or grouped pixels to classes [Benz UC et al., 2004]. The area studied for land development was the Lutowiska municipality, in the Podkarpackie Voivodeship, Bieszczady County. As a result of the classification, 11 classes of terrain features were distinguished: class 0 – road infrastructure, class 1 – roads, class 2 – buildings, class 3 – waters, class 4 – meadows, class 5 – arable lands, class 6 – pastures, class 7 – high vegetation, class 8 – medium vegetation, class 9 – low vegetation, class 10 – quarry. The area of research covers an area of about 28 km2. Aerial images were made in 2015. Field vision and photopoint measurement was carried out in May 2018.
    Celem opracowania jest klasyfikacja danych na podstawie lotniczego skaningu laserowego oraz zdjęć cyfrowych CIR. Do opracowania posłużyło oprogramowanie Agisoft Photoscan, w którym dokonano zorientowania, połączenia i wyrównania zdjęć. Następnie wygenerowano z nich chmurę punktów, z której wydzielono grunt. Miało to na celu poprawne utworzenie siatki terenu, a w konsekwencji ortofotomapy. Kolejny etap pracy to utworzenie nowej chmury punktów przy wykorzystaniu programu ArcGIS. Pokrycie terenu ze zdjęć połączono z gruntem z LiDAR. Obliczono nowe wysokości względem powierzchni terenu, któremu nadano wysokość 0. Dokonano konwersji chmury punktów do postaci rastrowej, uzyskując Znormalizowany Numeryczny Model Pokrycia Terenu. Był to pierwszy element kompozycji wyjściowej, która składała się także z kanału NIR oraz RED, pozyskanych z chmury wygenerowanej w Agisoft. Otrzymaną w ten sposób kompozycję barwną poddano czterem metodom klasyfikacji obiektowej i pikselowej: I- ISO Cluster, II- Maximum Likelihood, III- Random Trees, IV- Support Vector Machine. Grupowanie obiektowe jest możliwe dzięki informacji zapisanej w treści zobrazowania. Technika ta wykorzystuje podejście zainspirowane zdolnością interpretacji obrazu przez człowieka. Zwraca uwagę na więcej zmiennych, dzięki czemu można uzyskać efekty zbliżone do postrzegania rzeczywistości przez ludzi. Metoda Unsupervised bazuje na procesie automatycznego wyszukiwania fragmentów obrazu i przyporządkowania ich do poszczególnych kategorii za pomocą algorytmu wykorzystującego analizę statystyczną. Z kolei Supervised wykorzystuje „pola treningowe”, za pomocą których „uczy” program, do której klasy przyporządkować pojedyncze, czy też zgrupowane piksele [Benz U. C. i in., 2004]. Obszarem poddanym analizie jest gmina Lutowiska, w województwie podkarpackim, powiecie bieszczadzkim, na której dokonano analizy zagospodarowania terenu. W wyniku klasyfikacji wyodrębniono 11 klas form terenu: klasa 0- infrastruktura drogowa, klasa 1- drogi, klasa 2- budynki, klasa 3- woda, klasa 4- łąki, klasa 5- grunty orne, klasa 6- pastwiska, klasa 7- roślinność wysoka, klasa 8- średnia roślinność, klasa 9- roślinność niska, klasa 10- kamieniołom. Obszar opracowania stanowi powierzchnię ok. 28 km2. Zobrazowania lotnicze zostały wykonane w 2015r. Wizję terenową oraz pomiar fotopunktów przeprowadzono w maju 2018r.
    Źródło:
    Geomatics, Landmanagement and Landscape; 2020, 2; 93-110
    2300-1496
    Pojawia się w:
    Geomatics, Landmanagement and Landscape
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classification of forests in the Precarpathian region using QuickBird-2 high resolution satellite image
    Autorzy:
    Babushka, A.
    Burshtynska, K.
    Denys, Y.
    Powiązania:
    https://bibliotekanauki.pl/articles/100291.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie
    Tematy:
    supervised classification
    divergence
    separation of classes
    reliability
    training sample
    niezawodność
    dywergencja
    szkolenie
    klasyfikacja nadzorowana
    Opis:
    Based on the study of literature relating to the classification of forests using high resolution space images established that the main problem of classification is the separateness classes and close to the spectral brightness classes can not be identified with high accuracy. Classification using maximum likelihood algorithm, which generally gives better results compared with algorithms of spectral distance or Mahalanobis distance, does not lead to the definition of areas with a high probability. Therefore, the article examines approach of classification of forests using post-processing. Experimental studies were carried using an satellite image of the forested area of Precarpathian region obtained from QuickBird-2 (June 2010). Data collected during field research were used as Verification data to determine areas of different objects. The controlled classification has been performed using the method of the maximum likelihood, size of signatures for 8 classes were selected from 100 to 400 points. For these classes was calculated matrix of separation of classes, and was found a significant correlation between next classes: young conifer plantings and pine and mixed forest, and deciduous young plantings and deciduous forest. Post-processing significantly improves the reliability of determination of area, which consists in the assign to all pixel of the selected neighbourhood brightness of most points, although there is a dependency of reliability of determination of area from the size of the area. Accuracy of determination of areas are from 92 to 99%.
    Źródło:
    Geomatics, Landmanagement and Landscape; 2017, 2; 7-19
    2300-1496
    Pojawia się w:
    Geomatics, Landmanagement and Landscape
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    The Monte Carlo feature selection and interdependency discovery is unbiased
    Autorzy:
    Dramiński, M.
    Kierczak, M.
    Nowak-Brzezińska, A.
    Koronecki, J.
    Komorowski, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/205575.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    supervised classification
    feature selection
    feature interactions
    high-dimensional problems
    applications to genomic and proteomic data
    Opis:
    We show that the Monte Carlo feature selection algorithm for supervised classification proposed, by Dramiński et al. (2008), is not biased towards features with many categories (levels or values). While the algorithm, later extended to include the functionality of discovering interdependencies between features, is surprisingly simple and has been successfully used on many biological data and transactional data of commercial origin, and it has never revealed any bias of the type mentioned, the alleged property of its unbiasedness required a closer scrutiny which is thus provided here. Admittedly, the algorithm does reveal some bias coming from another source, but it is negligible. Hence our final claim is that the algorithm is practically unbiased and the results it provides can be considered fully reliable.
    Źródło:
    Control and Cybernetics; 2011, 40, 2; 199-211
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An Accuracy Analysis Comparison of Supervised Classification Methods for Mapping Land Cover Using Sentinel 2 Images in the Al‑Hawizeh Marsh Area, Southern Iraq
    Autorzy:
    Alwan, Imzahim A.
    Aziz, Nadia A.
    Powiązania:
    https://bibliotekanauki.pl/articles/1838006.pdf
    Data publikacji:
    2021
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    land cover mapping
    Sentinel 2
    supervised classification
    maximum likelihood
    Support Vector Machine (SVM)
    confusion matrix
    Opis:
    Land cover mapping of marshland areas from satellite images data is not a simple process, due to the similarity of the spectral characteristics of the land cover. This leads to challenges being encountered with some land covers classes, especially in wetlands classes. In this study, satellite images from the Sentinel 2B by ESA (European Space Agency) were used to classify the land cover of Al Hawizeh marsh/Iraq Iran border. Three classification methods were used aimed at comparing their accuracy, using multispectral satellite images with a spatial resolution of 10 m. The classification process was performed using three different algorithms, namely: Maximum Likelihood Classification (MLC), Artificial Neural Networks (ANN), and Support Vector Machine (SVM). The classification algorithms were carried out using ENVI 5.1 software to detect six land cover classes: deep water marsh, shallow water marsh, marsh vegetation (aquatic vegetation), urban area (built up area), agriculture area, and barren soil. The results showed that the MLC method applied to Sentinel 2B images provides a higher overall accuracy and the kappa coefficient compared to the ANN and SVM methods. Overall accuracy values for MLC, ANN, and SVM methods were 85.32%, 70.64%, and 77.01% respectively.
    Źródło:
    Geomatics and Environmental Engineering; 2021, 15, 1; 5-21
    1898-1135
    Pojawia się w:
    Geomatics and Environmental Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Monitoring of horizontal displacements and changes of the riverine area of the Dniester River
    Autorzy:
    Shevchuk, Volodymyr
    Burshtynska, Khrystyna
    Korolik, Iryna
    Halochkin, Maksym
    Powiązania:
    https://bibliotekanauki.pl/articles/1844327.pdf
    Data publikacji:
    2021
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    channel processes
    Dniester River
    monitoring
    riverbed displacements
    riverine areas
    satellite images
    supervised classification
    topographic maps
    Opis:
    The article discusses the monitoring of horizontal displacements of the channel of Dniester, the second largest river in Ukraine, based on topographic maps, satellite images, as well as geological, soil and quaternary sediment maps. Data processing has been carried out using the geographic information system ArcGIS. The monitoring over a 140-year period (1874–2015) has been performed at the river’s transition from a mountainous to plain terrain on the 67 km section of the river. During this period, maximum displacements in the study area were 590–620 m. The research examines water protection zones needed for channel displacements. The article describes the monitoring methodology and analyses changes over a period of 18 years (2000–2018). The analysis includes the anthropogenic influence on the channel in the monitoring area. Results of the research may be useful for construction and cadastral works related to the channel in the area concerned, as well as for water management.
    Źródło:
    Journal of Water and Land Development; 2021, 49; 1-15
    1429-7426
    2083-4535
    Pojawia się w:
    Journal of Water and Land Development
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Using a GEOBIA framework for integrating different data sources and classification methods in context of land use/land cover mapping
    Autorzy:
    Osmólska, A.
    Hawryło, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/145304.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    mapa użytkowanych gruntów
    mapa pokrycia terenu
    mapa leśna
    data fusion
    random forest
    supervised classification
    Sentinel-2
    Opis:
    Land use/land cover (LULC) maps are important datasets in various environmental projects. Our aim was to demonstrate how GEOBIA framework can be used for integrating different data sources and classification methods in context of LULC mapping.We presented multi-stage semi-automated GEOBIA classification workflow created for LULC mapping of Tuszyma Forestry Management area based on multi-source, multi-temporal and multi-resolution input data, such as 4 bands- aerial orthophoto, LiDAR-derived nDSM, Sentinel-2 multispectral satellite images and ancillary vector data. Various classification methods were applied, i.e. rule-based and Random Forest supervised classification. This approach allowed us to focus on classification of each class ‘individually’ by taking advantage from all useful information from various input data, expert knowledge, and advanced machine-learning tools. In the first step, twelve classes were assigned in two-steps rule-based classification approach either vector-based, ortho- and vector-based or orthoand Lidar-based. Then, supervised classification was performed with use of Random Forest algorithm. Three agriculture-related LULC classes with vegetation alternating conditions were assigned based on aerial orthophoto and Sentinel-2 information. For classification of 15 LULC classes we obtained 81.3% overall accuracy and kappa coefficient of 0.78. The visual evaluation and class coverage comparison showed that the generated LULC layer differs from the existing land cover maps especially in relative cover of agriculture-related classes. Generally, the created map can be considered as superior to the existing data in terms of the level of details and correspondence to actual environmental and vegetation conditions that can be observed in RS images.
    Źródło:
    Geodesy and Cartography; 2018, 67, 1; 99-116
    2080-6736
    2300-2581
    Pojawia się w:
    Geodesy and Cartography
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wieloczasowe dane obrazowe w badaniu zmian pokrycia terenu
    Multi-temporal data for land cover change detection
    Autorzy:
    Michałowska, K.
    Głowienka-Mikrut, E.
    Powiązania:
    https://bibliotekanauki.pl/articles/130038.pdf
    Data publikacji:
    2010
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    wieloczasowe obrazy satelitarne
    klasyfikacja nadzorowana
    SPN
    zmiany pokrycia terenu
    multitemporal satellite image
    supervised classification
    analysis of changes
    Opis:
    W badaniach wykorzystane zostały wieloczasowe zdjęcia satelitarne z lat 1979, 2000 i 2007 dla obszaru Słowińskiego Parku Narodowego charakteryzującego się dużą dynamiką zmian krajobrazu. Bazując na wynikach klasyfikacji nadzorowanej dla trzech roczników zdjęć satelitarnych obszaru Parku przeprowadzono badanie zmian pokrycia terenu i określono wielkość oraz kierunek przekształceń dla poszczególnych klas. Na podstawie map pokrycia terenu wykonano analizę korelacji krzyżowej w programie IDRISI. Wykonano również ilościową analizę zmian powierzchni poszczególnych klas pokrycia terenu w danym przedziale czasowym. Obliczone wielkości (pikselowe) zmian w zakresie poszczególnych form pokrycia dla obszarów w granicach Parku pozwoliły na utworzenie map przedstawiających tereny, które w okresie 1979÷2000 oraz 1979÷2007 uległy przekształceniu oraz map terenów „stałych”. W ramach badań przeprowadzona została ilościowa i jakościowa analiza stopnia i kierunku przekształceń poszczególnych elementów krajobrazu Parku w badanych okresach. W rezultacie określono procentowy poziom zmian dla danych form pokrycia terenu SPN z uwzględnieniem przejścia jednej kategorii w inną. Prace finansowane w ramach badań statutowych AGH nr 11.11.150.949.
    The research employed multitemporal satellite photos from 1979, 2000, and 2007 of the area of the Słowiński National Park, which is marked by its high dynamics of landscape changes. Based on the results of a supervised classification concerning three annual volumes of satellite images of the Park area, a research of the area coverage changes has been conducted, and the size of changes and direction of transformations for particular classes were determined. Using land cover maps, an analysis of cross correlation in IDRISI software was conducted, as well as a quantitative analysis of surface area changes of particular land coverage classes in certain time intervals. The calculated (pixel) volumes of changes in particular land coverage forms for the areas within the Park limits made it possible to create maps showing those areas, which in 1979÷2000 and in 1979÷2007 were subjected to transformations, as well as maps of "constant" areas. The scope of the research included a quantitative and qualitative analysis of the degree and direction of transformations of particular Park landscape elements in the examined time periods. As a result, percentage level of the changes for the area coverage forms of the Park were determined, allowing for transformations of one category into another.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2010, 21; 281-289
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Detekcja zmian pokrycia terenu na zdjęciach satelitarnych Landsat - porównanie trzech metod
    Land cover change detection using Landsat imagery - comparison of three methods
    Autorzy:
    Niedzielko, J.
    Lewiński, S.
    Powiązania:
    https://bibliotekanauki.pl/articles/132345.pdf
    Data publikacji:
    2012
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    pokrycie terenu
    wykrywanie zmian
    Landsat
    różnica obrazów
    klasyfikacja nadzorowana
    analiza głównych składowych
    land cover
    change detection
    image difference
    supervised classification
    principal components analysis
    Opis:
    Environmental changes are amongst the most important research subjects in geography. The changes may be natural, but also may be caused by human activity. Land cover is a significant component of the changing environment. Monitoring of its changes involves usage of satellite techniques. Landsat mission provides comparable data since forty years, very useful in land cover studies. Utilization of satellite techniques in such researches is developing quickly. This paper is an example of methods that enable quick and quite accurate assessment of range and spatial distribution of land cover changes. Practical application of image difference, principal component analysis and supervised classification to detect land cover changes is presented. Methods are applied to study area containing different land cover classes. Accuracy of methods was tested and compared. Combining methods presented in earlier researches, five new methods were developed: image difference, image difference with classification, classification, principal component analysis, principal component analysis with classification. Methods were applied to three different input datasets: pairs of images with different level of preprocessing. First dataset was a pair of georeferenced Landsat Thematic Mapper images. The second dataset was the same pair of images, atmospherically corrected using dark object subtraction method. Normalization of one image to the other provided the third dataset. Accuracy assessment was executed. Results were obtained from confusion matrices. Overall accuracy of methods was high, from 77% to 91%. Supervised classification was the most accurate method. Combining fully automatic methods with supervised classification has increased overall accuracy of automatic change detection, however not significantly. Studies on combining change detection methods should be continued. Future studies should concentrate on the automation of change detection process.
    Źródło:
    Teledetekcja Środowiska; 2012, 47; 87-98
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Weryfikacja kompletności danych ogólnokrajowej Bazy Azbestowej metodami teledetekcyjnymi na przykładzie pruszkowskiej dzielnicy Żbików
    Verification of completeness of data of the National Asbestos Database by remote sensing methods on the example of the Pruszków district of Żbików
    Autorzy:
    Ścisłowski, Ł.
    Bielecki, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/132375.pdf
    Data publikacji:
    2017
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    azbest
    baza azbestowa
    obraz multispektralny
    satelita WorldView2
    teledetekcja
    klasyfikacja nadzorowana
    asbestos
    asbestos database
    multispectral images
    WorldView2 satellite
    remote sensing
    supervised classification
    Opis:
    Poniższa praca weryfikuje kompletność danych zawartych w ogólnopolskiej Bazie Azbestowej przy użyciu technik teledetekcyjnych z wybranej części gminy miejskiej Pruszków. Podjęto próbę inwentaryzacji cementowo-azbestowych pokryć dachowych przy użyciu wysokorozdzielczych zobrazowań multispektralnych wykonanych przez sensory satelity WorldView 2. We wstępie przedstawiono krótką charakterystykę materiału, jakim jest azbest oraz opisano „Program Oczyszczania Kraju z Azbestu na lata 2009-2032”. Następnie zaprezentowano źródła danych użytych do przeprowadzonych analiz. W części praktycznej opisano metody przygotowania danych, a także proces przeprowadzenia klasyfikacji nadzorowanej, której wynikiem było wykrycie cementowo-azbestowych dachów. Pomimo, że wysokorozdzielcze i multikanałowe zobrazowania nie zawierają wartości odbić dla najodpowiedniejszych do wykrycia azbestu długości fal, otrzymane wyniki można uznać za satysfakcjonujące (np. do celów weryfikacji dokładności inwentaryzacji pokryć azbestowych dla jednostek samorządu terytorialnego). Wyniki przeprowadzonej inwentaryzacji zostały porównane z krajową Bazą Azbestu dla jednej z dzielnic Pruszkowa - Żbikowa. Otrzymano znaczące rozbieżności pomiędzy obiema inwentaryzacjami.
    This study verifies the completeness of data contained in the national Asbestos Database, using remote sensing techniques in a selected area of Pruszków. The attempt was made to prepare an inventory of asbestos-cement roofs using the multi-spectral satellite imagery obtained from the high-resolution WorldView 2 satellite. In the introduction, a brief characteristic of the asbestos was presented and the National Asbestos Purification Program for 2009-2032 was described. Then, the sources of data used in the research were presented. The practical part presents the method of data preparation, and then, describes the process of conducting the supervised classification, which resulted in the detection of cement-asbestos roofing. Although the high-resolution and multi-channel WorldView-2 satellite does not record the best wavelength for the detection of asbestos covers, it led results that are satisfactory, e.g. for the purpose of monitoring the accuracy of inventory results carried out for the needs of local governments. The results of the conducted inventory were compared with the nationwide Asbestos Database for the Pruszków district - Żbików. There were significant discrepancies in the number of asbestos covered roofs that were inventoried.
    Źródło:
    Teledetekcja Środowiska; 2017, 56; 25-35
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Some problems with construction of the k-NN classifier for recognition of an experimental respiration pathology
    Autorzy:
    Jóźwik, A.
    Sokołowska, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/332910.pdf
    Data publikacji:
    2002
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    rozpoznawanie wzorców
    klasyfikacja nadzorowana
    zasada k-NN
    wybór funkcji
    oddychanie
    wentylacja
    paraliż
    przepona
    pattern recognition
    supervised classification
    k-NN rule
    feature selection
    respiration
    ventilation
    paralysis
    diaphragm
    Opis:
    An objective of the work is to demonstrate some difficulties with construction of a classifier based on the k-NN rule. The standard k-NN classifier and the parallel k-NN classifier have been chosen as the two most powerful approaches. This kind of classifiers has been applied to automatic recognition of diaphragm paralysis degree. The classifier construction consists in determination of the number of nearest neighbors, selection of features and estimation of the classification quality. Three classes of muscle pathology, including the control class, and five ventilatory parameters are taken into account. The data concern a model of the diaphragm pathology in a cat. The animals were forced to breathe in three different experimental situations: air, hypercapnic and hypoxic conditions. A separate classifier is constructed for each kind of the mentioned situations. The calculation of the misclassification rate is based on the leave one out and on the testing set method. Several computational experiments are suggested for the correct feature selection, the classifier type choice and the misclassification probability estimation.
    Źródło:
    Journal of Medical Informatics & Technologies; 2002, 3; MI89-97
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Accuracy assessment of automatic image processing for land cover classification of St. Petersburg protected area
    Ocena dokładności automatycznej klasyfikacji pokrycia terenu dla obszaru chronionego Sankt Petersburga
    Autorzy:
    Bogoliubova, A.
    Tymków, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/341513.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Przyrodniczy we Wrocławiu
    Tematy:
    overall accuracy
    automatic image processing
    protected area
    land cover/use
    supervised classification
    dokładność całkowita klasyfikacji
    automatyczne przetwarzanie obrazów
    obszary chronione
    klasyfikacja pokrycia/użytkowania terenu
    klasyfikacja nadzorowana
    Opis:
    This study analyzes the evaluation of land cover supervised classification quality. Authors put forward the hypothesis that the overall accuracy of image classification depends on its division into parts of the same area. The dependence is described by the logarithmic curve – Т = 4.3004·ln(x) + 72.697, because the determination coefficient is maximum (R2 = 0.9678). The research area was the Yuntolovo reserve, the protected area near St. Petersburg (Russia). In order to increase the overall accuracy of the land cover automatic classification based on aerial images, a new methodology of data preprocessing was introduced. The proposed method of estimating the overall classification accuracy of land cover protected areas increases on average by 10% by dividing the source aerial image into no more than 10 equal parts. With further partitioning of the image into parts of the same area, the overall accuracy is slightly increased. Pixel-based image analysis of supervised classification and error matrix were evaluated using ILWIS 3.31 software and in our own software in .NET environment.
    W pracy dokonano analizy sposobów oceny jakości klasyfikacji pokrycia terenu na danych obrazowych. Autorzy wysunęli hipotezę, że ogólna dokładność klasy- fikacji obrazu zależy od jego podziału w procesie klasyfikacji na podobszary. Zależność tę opisano krzywą logarytmiczną Т = 4,3004⋅ln(x) + 72,697, dla której uzyskano najwyższy współczynnik determinacji (R2 = 0,9678). Badania prowadzono dla rezerwatu Yuntolovo, chronionego obszaru w pobliżu Sankt Petersburga (Rosja). W celu zwiększenia ogólnej dokładności automatycznej klasyfikacji pokrycia terenu na podstawie zdjęć lotniczych autorzy zaproponowali nową metodologię wstępnego przetwarzania danych. Proponowana metoda, polegająca na podziale obrazu klasyfikowanego na nie więcej niż dziesięć równych części, poprawia ogólną dokładność klasyfikacji pokrycia obszarów lądowych średnio o 10%. Podział na większą liczbę części nie zwiększa już znacząco jakości klasyfikacji, a dodatkowo wprowadza niejednoznaczności spowodowane zmniejszaniem próby uczącej. Klasyfikację obrazów i analizę dokładności prowadzono z wykorzystaniem pakietu ILWIS 3.31 oraz autorskiego oprogramowania stworzonego w środowisku NET.
    Źródło:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum; 2014, 13, 1-2; 5-22
    1644-0668
    Pojawia się w:
    Acta Scientiarum Polonorum. Geodesia et Descriptio Terrarum
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A sorting method for coal and gangue based on surface grayness and glossiness
    Metoda sortowania węgla i skały płonnej na podstawie szarości i połysku powierzchni
    Autorzy:
    Cheng, Gang
    Wei, Yifan
    Chen, Jie
    Pan, Zeye
    Powiązania:
    https://bibliotekanauki.pl/articles/27311660.pdf
    Data publikacji:
    2023
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    surface glossiness
    gangue recognition
    image recognition
    supervised classification
    grey wolf algorithm
    support vector machine
    połysk powierzchni
    rozpoznawanie skały płonnej
    rozpoznawanie obrazu
    klasyfikacja nadzorowana
    algorytm szarych wilków
    maszyna wektorów nośnych
    Opis:
    Sorting coal and gangue is important in raw coal production; accurately identifying coal and gangue is a prerequisite for effectively separating coal and gangue. The method of extracting coal and gangue using image grayscale information can effectively identify coal and gangue, but the recognition rate of the sorting process based on image grayscale information needs to substantially higher than that which is needed to meet production requirements. A sorting method of coal and gangue using object surface grayscale-gloss characteristics is proposed to improve the recognition rate of coal and gangue. Using different comparative experiments, bituminous coal from the Huainan area was used as the experimental object. It was found that the number of pixel points corresponding to the highest level grey value of the grayscale moment and illumination component of the coal and gangue images were combined into a total discriminant value and used as input for the best classification of coal and gangue using the GWO-SVM classification model. The recognition rate could reach up to 98.14%. This method sorts coal and gangue by combining surface greyness and glossiness features, optimizes the traditional greyness-based recognition method, improves the recognition rate, makes the model generalizable, enriches the research on coal and gangue recognition, and has theoretical and practical significance in enterprise production operations.
    Sortowanie węgla i skały płonnej jest ważne w produkcji węgla surowego; dokładna identyfikacja węgla i skały płonnej jest warunkiem wstępnym skutecznego oddzielenia tych surowców. Metoda rozdzielenia węgla i skały płonnej przy użyciu informacji w skali szarości obrazu może skutecznie identyfikować węgiel i skałę płonną, ale stopień rozpoznawania procesu sortowania w oparciu o te informacje być znacznie wyższy niż wymagany do spełnienia wymagań produkcyjnych. W artykule zaproponowano metodę sortowania węgla i skały płonnej wykorzystującą charakterystykę połysku i skali szarości powierzchni obiektu w celu poprawy szybkości rozpoznawania węgla i skały płonnej. W badaniach wykorzystano próbki węgla kamiennego z obszaru Huainan. Stwierdzono, że liczbę punktów pikseli odpowiadającą najwyższemu poziomowi szarości momentu w skali szarości i składowej oświetlenia obrazów węgla i skały płonnej połączono w całkowitą wartość dyskryminującą i wykorzystano jako dane wejściowe dla najlepszej klasyfikacji węgla i skały płonnej przy użyciu modelu klasyfikacji GWO-SVM. Wskaźnik rozpoznawalności może osiągnąć nawet 98,14%. Ta metoda sortowania węgla i skały płonnej poprzez połączenie cech szarości i połysku powierzchni, optymalizuje tradycyjną metodę rozpoznawania w oparciu o szarość, poprawia współczynnik rozpoznawania, umożliwia uogólnienie modelu, wzbogaca badania nad rozpoznawaniem węgla i skały płonnej, ma znaczenie teoretyczne i praktyczne w operacjach produkcyjnych przedsiębiorstwa.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2023, 39, 3; 173--198
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie danych lotniczego skaningu laserowego do klasyfikacji pokrycia terenu dla modelowania hydrodynamicznego
    The use of airborne laser scanning data to land cover supervised classification for hydrodynamic modelling
    Autorzy:
    Tymków, P.
    Borkowski, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/129560.pdf
    Data publikacji:
    2006
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    digital terrain model (DTM)
    lotniczy skaning laserowy
    klasyfikacja nadzorowana
    sztuczna sieć neuronowa
    numeryczny model terenu
    modelowanie hydrodynamiczne
    airborne laser scanning (ALS)
    supervised classification
    artificial neural network
    hydrodynamic modelling
    Opis:
    Badania nad problematyką zapobiegania powodzi wymagają budowy modeli matematycznych przepływów wezbraniowych. Obliczenia hydrodynamiczne wykonywane są w oparciu o dane charakteryzujące geometrię doliny rzeki oraz opory przepływu, które zależą od pokrycia terenu. W artykule podjęto próbę wykorzystania danych lotniczego skaningu laserowego, wykonanego na potrzeby budowy numerycznego modelu terenu (NMT) dla modelowania hydrodynamicznego, do automatycznej nadzorowanej klasyfikacji pokrycia terenu. Klasyfikację tę oparto o wielowarstwowe sztuczne sieci neuronowe typu feed-forward. Wektor cech klasyfikowanych obiektów (klasyfikacja per-piksel) stanowiły dane o wysokości form pokrycia terenu, kolorowe zdjęcia lotnicze, dane charakteryzujące teksturę obszarów na zdjęciach oraz intensywność odbicia fali elektromagnetycznej skaningu laserowego. Wysokości form pokrycia terenu obliczone zostały na podstawie NMT i numerycznego modelu pokrycia terenu (NMPT) wygenerowanego z danych skaningu lotniczego. Niemetryczne zdjęcia lotnicze wykonane aparatem cyfrowym, poddane kalibracji i mozaikowaniu, stanowiły źródło informacji o jasności odbicia światła obiektów oraz były podstawą obliczeń teksturowych opartych o metodę macierzy sąsiedztwa (GLCM). Jako wektory uczące sieci neuronowej wybrano dziesięć pól testowych o powierzchni 400 m², w tym pięć klas roślinności wysokiej. Otrzymane rezultaty przedstawiono w formie graficznej oraz wykonano ilościową ocenę zgodności wyników z klasyfikacją przeprowadzoną w sposób manualny. Obliczone w tym celu wartości współczynnika κ potwierdzają dużą zgodność wyników klasyfikacji automatycznej z oczekiwanym rezultatem.
    Flood protection research requires building mathematic models of flood flows. Hydraulic calculations are carried out on the basis of geometrical description of the valley as well as on surface roughness which depends on a land cover. Currently, geometric description of the modeling area in the form of cross-sections is often replaced with a digital terrain model (DTM). The data which is required to build DTM can be collected with photogrammetry or the airborne laser scanning method. An attempt at using airborne laser scanning data which was made for DTM and digital surface model (DSM) interpolation, for supervised classification of land cover was discussed. The classification was based on feed-forward artificial neural networks. Two cases were investigated: variant I - overall classification using one artificial neural network with 2 hidden layers of 10 neurons and variant II - individual recognition using different networks with one hidden layer of 10 neurons for each class. The feature vector of classified object (per-pixel classification) included: data concerning vegetation height, color aerial photographs, texture features and laser wave intensities. Heights of vegetation were calculated on the basis of DTM and DSM which were created for hydrodynamic modelling. Non-metric aerial photographs were taken by digital camera. After calibration and mosaic they served as sources of information about the lightness of objects. It was also a basis of GLCM (Grey Level Co-occurrence Matrix) texture feature calculations. Ten training fields of 400 m² were chosen as training vectors. Five of them represented various types of high vegetation. The collected data were visualized and computed numerically. A Kappa (κ) coefficient built on the basis of a confusion matrix was used for the quantitative assessment. The high similarity of the obtained results and reference data was confirmed by the value of the calculated kappa coefficient. Better results were obtained for individual classification (variant II) when the kappa value was 0.86.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 537-546
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A k-Nearest Neighbors Method for Classifying User Sessions in E-Commerce Scenario
    Autorzy:
    Suchacka, G.
    Skolimowska-Kulig, M.
    Potempa, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/308645.pdf
    Data publikacji:
    2015
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    data mining
    e-commerce
    k-Nearest Neighbors
    k-NN
    log file analysis
    online store
    R-project
    supervised classification
    web mining
    Web store
    Web traffic
    Web usage mining
    Opis:
    This paper addresses the problem of classification of user sessions in an online store into two classes: buying sessions (during which a purchase confirmation occurs) and browsing sessions. As interactions connected with a purchase confirmation are typically completed at the end of user sessions, some information describing active sessions may be observed and used to assess the probability of making a purchase. The authors formulate the problem of predicting buying sessions in a Web store as a supervised classification problem where there are two target classes, connected with the fact of finalizing a purchase transaction in session or not, and a feature vector containing some variables describing user sessions. The presented approach uses the k-Nearest Neighbors (k-NN) classification. Based on historical data obtained from online bookstore log files a k-NN classifier was built and its efficiency was verified for different neighborhood sizes. A 11-NN classifier was the most effective both in terms of buying session predictions and overall predictions, achieving sensitivity of 87.5% and accuracy of 99.85%.
    Źródło:
    Journal of Telecommunications and Information Technology; 2015, 3; 64-69
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie danych lotniczego skaningu laserowego i zdjęć lotniczych do klasyfikacji pokrycia terenu
    Land cover classification using airborne laser scanning data and aerial images
    Autorzy:
    Borkowski, A.
    Tymków, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/130474.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    lotniczy skaning laserowy
    zdjęcia lotnicze
    klasyfikacja nadzorowana
    sztuczne sieci neuronowe
    metoda największej wiarygodności
    airborne laser scanning (ALS)
    aerial images
    supervised classification
    artificial neural networks
    maximum likehood
    k-nearest neighbour method
    Opis:
    Informacja bezpośrednia i pośrednia dotycząca powierzchni terenu i jego pokrycia zawarta w danych skaningu laserowego może być wykorzystana do klasyfikacji form pokrycia terenu. W artykule podjęto próbę oceny przydatności tego typu danych jako źródła informacji uzupełniających wektor cech, zbudowany na podstawie obrazów lotniczych, w procesie klasyfikacji pokrycia terenu. Wykorzystano dane skanowania laserowego pozyskane za pomocą systemu ScaLARS. Przeprowadzono szereg eksperymentów numerycznych polegających na klasyfikacji fragmentu obszaru doliny rzeki Widawy za pomocą różnych algorytmów klasyfikacji oraz przy różnych kombinacjach wektora cech branych pod uwagę. W testach wykorzystano jednokierunkowe sztuczne sieci neuronowe, metodę największej wiarygodności, oraz metodę k-najbliższych sąsiadów. Porównano jakość klasyfikacji opartej o następujące cechy: wartości kanałów RGB, parametry charakteryzujące teksturę, informacje o wysokości form pokrycia terenu estymowane na podstawie numerycznego modelu terenu oraz numerycznego modelu pokrycia terenu, model charakteryzujący rozrzut wartości wysokości danych skaningu zarejestrowanych na jednostce powierzchni oraz intensywność promienia laserowego. Ilościowa ocenę dokładności oparto o macierz niezgodności, obliczana na podstawie porównania otrzymanego wyniku klasyfikacji dla wektora testowego do wzorca wykonanego manualnie metoda digitalizacji. Najlepsze wyniki klasyfikacji otrzymano za pomocą klasyfikatora neuronowego. Stwierdzono ponadto, że zastąpienie modelu numerycznego pokrycia terenu wariancja wysokości surowych danych lotniczego skaningu laserowego daje poprawne rezultaty klasyfikacji przy znacznej redukcji obliczeń.
    The direct and indirect information about terrain surface and land use contained in laser scanning data sets allow to provide the automatic classification of land cover. An attempt of using scanning data as a supplementary source for such classification based on aerial photos was performed in this article. A continuous-wave (CW) ScaLARS laser system was used to receive scanning data. Numerous experiments consisting in the classification of a part of Widawa River valley were carried out in order to find the best combination of data set and classification method. Three classification methods were used: multilayer neural networks, maximum likelihood classifier and k-nearest neighbour method. The classification was made and evaluated using: aerial images (RGB model), texture features, differential model of height of land cover, based on digital surface model (DSM), and digital terrain model (DTM), model of height dispersion represented by variance of measured points height in a regular grid and intensity image. In order to quantify the quality of the results, a confusion matrix was created for each testing pattern based on manual digitalized reference data. The best results are obtained by artificial neural network classifier. The use of variance of height, instead of differential model, gives satisfactory results, and the obtaining of this feature is easy and fast in comparison to DTM and DSM building process.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2007, 17a; 93-103
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Klasyfikacja pokrycia terenu z wykorzystaniem obrazów Sentinel-2A przetworzonych za pomocą metody głównych składowych (PCA)
    Land cover classification using Sentinel-2A images processed by the principal components method (PCA)
    Autorzy:
    Kałużna, Urszula
    Będkowski, Krzysztof
    Powiązania:
    https://bibliotekanauki.pl/articles/2058371.pdf
    Data publikacji:
    2020
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    teledetekcja
    pokrycie terenu
    EGiB
    Sentinel-2A
    PCA
    nadzorowana klasyfikacja obrazu
    remote sensing
    land cover
    Land and Buildings Register
    supervised image classification
    Opis:
    Celem badań jest ocena możliwości realizacji klasyfikacji nadzorowanej z wykorzystaniem obrazów (komponentów) uzyskiwanych w wyniku przetworzenia oryginalnych obrazów Sentinel-2A za pomocą metody głównych składowych (PCA). Klasyfikację wykonano w ośmiu wariantach, z wykorzystaniem algorytmów najmniejszej odległości (MD, Minimum Distance) oraz największego prawdopodobieństwa (ML, Maximum Likelihood), przy czym zastosowano oryginalne kanały 2, 3, 4, 8 Sentinel-2A oraz różną liczbę komponentów. Wyniki klasyfikacji oceniono poprzez porównanie z danymi o pokryciu terenu według Ewidencji Gruntów i Budynków (EGiB). Przeprowadzenie klasyfikacji na ograniczonej do dwóch liczbie komponentów uzyskanych w procedurze PCA tylko nieznacznie zmieniło wyniki w porównaniu do klasyfikacji na oryginalnych, nieprzetworzonych kanałach Sentinel-2A. Najbardziej zbliżone do danych EGiB rezultaty uzyskano stosując klasyfikację ML kanałów oryginalnych, nieprzetworzonych lub używając wszystkich komponentów PCA. Podjęta próba porównania pokrycia terenu ustalonego za pomocą klasyfikacji obrazów satelitarnych z klasami pokrycia, które zostały wyodrębnione z mapy EGiB wykazała, że przetworzenie mapy z postaci wektorowej na rastrową wpływa istotnie na uzyskiwane wyniki.
    The aim of the research is to assess the feasibility of supervised classification using images (components) obtained through processing the original Sentinel-2A images by means of the principal component method (PCA). The classification was performed in eight variants, using the algorithms of the minimum distance (MD) and the maximum likelihood (ML), with the original channels 2, 3, 4, 8 of Sentinel-2A and a various number of components. The results of the classification were assessed by comparing them to the land coverage data of Land and Buildings Register (Ewidencja Gruntów i Budynków – EGiB). Performing the classification on a number of PCA components limited to two only slightly altered the results compared to the classification on the original, raw Sentinel-2A channels. The results most similar to the EGiB data were obtained using the ML classification of the original channels, i.e. raw channels or using all PCA components. The attempt to compare the land coverage established by the classification of satellite images to the coverage classes that were extracted from the EGiB map revealed that processing the map from vector to raster form significantly influences the obtained results.
    Źródło:
    Teledetekcja Środowiska; 2020, 61; 19-37
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Basic quantum circuits for classification and approximation tasks
    Autorzy:
    Wiśniewska, Joanna
    Sawerwain, Marek
    Obuchowicz, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/1838166.pdf
    Data publikacji:
    2020
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    quantum circuits
    data classification
    supervised learning
    qubits
    qudits
    układ kwantowy
    klasyfikacja danych
    uczenie nadzorowane
    kubit
    Opis:
    We discuss a quantum circuit construction designed for classification. The circuit is built of regularly placed elementary quantum gates, which implies the simplicity of the presented solution. The realization of the classification task is possible after the procedure of supervised learning which constitutes parameter optimization of Pauli gates. The process of learning can be performed by a physical quantum machine but also by simulation of quantum computation on a classical computer. The parameters of Pauli gates are selected by calculating changes in the gradient for different sets of these parameters. The proposed solution was successfully tested in binary classification and estimation of basic non-linear function values, e.g., the sine, the cosine, and the tangent. In both the cases, the circuit construction uses one or more identical unitary operations, and contains only two qubits and three quantum gates. This simplicity is a great advantage because it enables the practical implementation on quantum machines easily accessible in the nearest future.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2020, 30, 4; 733-744
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of selected supervised classification methods to bank marketing campaign
    Autorzy:
    Grzonka, D.
    Borowik, B.
    Suchacka, G.
    Powiązania:
    https://bibliotekanauki.pl/articles/94739.pdf
    Data publikacji:
    2016
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    classification
    supervised learning
    data mining
    decision trees
    bagging
    boosting
    random forests
    bank marketing
    R project
    Opis:
    Supervised classification covers a number of data mining methods based on training data. These methods have been successfully applied to solve multi-criteria complex classification problems in many domains, including economical issues. In this paper we discuss features of some supervised classification methods based on decision trees and apply them to the direct marketing campaigns data of a Portuguese banking institution. We discuss and compare the following classification methods: decision trees, bagging, boosting, and random forests. A classification problem in our approach is defined in a scenario where a bank’s clients make decisions about the activation of their deposits. The obtained results are used for evaluating the effectiveness of the classification rules.
    Źródło:
    Information Systems in Management; 2016, 5, 1; 36-48
    2084-5537
    2544-1728
    Pojawia się w:
    Information Systems in Management
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A strategy learning model for autonomous agents based on classification
    Autorzy:
    Śnieżyński, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/330672.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    autonomous agents
    strategy learning
    supervised learning
    classification
    reinforcement learning
    czynnik niezależny
    uczenie nadzorowane
    uczenie ze wzmocnieniem
    Opis:
    In this paper we propose a strategy learning model for autonomous agents based on classification. In the literature, the most commonly used learning method in agent-based systems is reinforcement learning. In our opinion, classification can be considered a good alternative. This type of supervised learning can be used to generate a classifier that allows the agent to choose an appropriate action for execution. Experimental results show that this model can be successfully applied for strategy generation even if rewards are delayed. We compare the efficiency of the proposed model and reinforcement learning using the farmer–pest domain and configurations of various complexity. In complex environments, supervised learning can improve the performance of agents much faster that reinforcement learning. If an appropriate knowledge representation is used, the learned knowledge may be analyzed by humans, which allows tracking the learning process.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2015, 25, 3; 471-482
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    „Śmieci na wejściu, śmieci na wyjściu”. Wpływ jakości koderów na działanie sieci neuronowej klasyfikującej wypowiedzi w mediach społecznościowych
    „Garbage in, Garbage out”. The Impact of Coders’ Quality on the Neural Network Classifying Text on Social Media
    Autorzy:
    Matuszewski, Paweł
    Powiązania:
    https://bibliotekanauki.pl/articles/2131910.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    sieci neuronowe
    klasyfikacja danych tekstowych
    modele nadzorowane
    opinion mining
    jakość koderów
    text classification
    neural networks
    supervised models
    quality of coders
    Opis:
    Jedna z głównych decyzji przy ręcznym kodowaniu danych tekstowych dotyczy tego, czy kodowanie ma być weryfikowane. W przypadku modeli nadzorowanych prowadzi to do istotnego dylematu: czy lepszym rozwiązaniem jest dostarczenie modelowi dużej liczby przypadków, na których będzie się uczyć kosztem weryfikacji poprawności danych, czy też zakodowanie każdego przypadku n-razy, co pozwoli porównać kody i sprawdzić ich poprawność, ale jednocześnie n-krotnie zmniejszy zbiór danych treningowych. Taka decyzja może zaważyć nie tylko na ostatecznych wynikach klasyfikatora. Z punktu widzenia badaczy jest istotna również dlatego, że – realistycznie zakładając, że badania mają ograniczone źródło finansowania – nie można jej cofnąć. Wykorzystując 100 tys. unikatowych i ręcznie zakodowanych tweetów przeprowadzono symulacje wyników klasyfikatora w zależności od kontrolowanego odsetka błędnie zakodowanych dokumentów. Na podstawie danych przedstawiono rekomendacje.
    One of the critical decisions when manually coding text data is whether to verify the coders’ work. In the case of supervised models, this leads to a significant dilemma: is it better to provide the model with a large number of cases on which it will learn at the expense of verifying the correctness of the data, or whether it is better to code each case n-times, which will allow to compare the codes and check their correctness but at the same time will reduce the training dataset by n-fold. Such a decision not only affect the final results of the classifier. From the researchers’ point of view, it is also crucial because, realistically assuming that research has limited funding, it cannot be undone. The study uses a simulation approach and provides conclusions and recommendations based on 100,000 unique and hand-coded tweets.
    Źródło:
    Studia Socjologiczne; 2022, 2; 137-164
    0039-3371
    Pojawia się w:
    Studia Socjologiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nadzorowana detekcja tras komunikacyjnych z wykorzystaniem metod uczenia maszynowego
    Supervised road detection using machine learning methodology
    Autorzy:
    Krawiec, K.
    Wyczałek, I.
    Powiązania:
    https://bibliotekanauki.pl/articles/130320.pdf
    Data publikacji:
    2006
    Wydawca:
    Stowarzyszenie Geodetów Polskich
    Tematy:
    detekcja
    klasyfikacja
    uczenie się z przykładów
    uczenie nadzorowane
    object detection
    satellite imagery
    aerial imagery
    classification
    learning from examples
    supervised learning
    Opis:
    W pracy opisujemy nową metodę wykrywania drogowych tras komunikacyjnych na zobrazowaniu lotniczym lub satelitarnym. Proponowana metoda ma charakter strukturalny i bazuje na koncepcji profilu, rozumianego jako lokalny jednowymiarowy przekrój (rzut) obrazu. Tak rozumiane profile podlegają analizie poprzez ekstrakcję z nich cech zorientowanych na dyskryminowanie punktów reprezentujących drogi od punktów reprezentujących inne obiekty widoczne w obrazie. Cechy analizowane w proponowanej metodzie dobrane zostały do charakterystyki szlaków komunikacyjnych (głównie podłużny kształt); należą do nich m.in. wzajemne podobieństwo blisko zlokalizowanych profili o tej samej orientacji (ciągłość) oraz symetria. Dla polepszenia precyzji, profile obliczane są z wykorzystaniem próbkowania podpunktowego (sub-pixel sampling). W dalszych etapach przetwarzania metoda wykorzystuje algorytmy uczenia maszynowego (machine learning), w szczególności nadzorowane uczenie się z przykładów. Algorytm uczący się z przykładów dysponuje uczącą próbką pikseli, dla których przynależność do klas decyzyjnych (droga, nie-droga) jest znana. Informacja ta może być wprowadzona przez decydenta (eksperta) poprzez zaznaczenie wybranego obszaru obrazu reprezentującego szlak komunikacyjny, lub pochodzić z odpowiedniego modułu systemu informacji przestrzennej. Algorytm uczenia maszynowego pozyskuje wiedzę ze zbioru uczącego w procesie uczenia indukcyjnego. Wiedza ta jest następnie stosowana do klasyfikowania pozostałych punktów obrazu, dla których informacja ucząca nie jest znana. Ponadto, ponieważ wiedza ta jest wyrażona w dogodnej postaci drzewa decyzyjnego, może być poddana analizie przez eksperta (i potencjalnie skorygowana). Poza prezentacją metody praca zawiera opis jej implementacji komputerowej oraz eksperymentu obliczeniowego przeprowadzonego na rzeczywistym zdjęciu lotniczym terenu zabudowanego. Otrzymane wyniki dowodzą skuteczności proponowanego algorytmu i wskazują na użyteczność podejścia wykorzystującego uczenie maszynowe do analizy zdjęć lotniczych i obrazów satelitarnych.
    This paper presents a novel method of road detection in aerial and satellite imaging. This structural method is based on the concept of profile, meant as a local one-dimensional cross-section (cast) of raster image. We acquire such profiles from the image at different orientation angles and extract from them features well discriminating road pixels from non-road pixels. In particular, we use feature definitions tailored to road characteristics (mostly elongation); these include, among others, mutual similarity of close and equally orientated profiles (road continuity) and symmetry. To improve the precision of analysis, the method computes profiles using sub-pixel sampling. The further part of processing relies on machine learning, in particular, on supervised learning from examples. The algorithm is given a training sample of pixels, for which the decision class assignment (road, non-road) is known. This information may be manually entered by a decision maker (expert) by marking image regions representing road fragments, or alternatively, it may be retrieved from an appropriate module of a geographical information system. Given that information, the algorithm acquires the knowledge from training examples, performing so-called “inductive” learning. That knowledge may be then used to classify the remaining image pixels, for which the decision class assignment is not known. Moreover, the knowledge may be inspected (and potentially corrected) by the decision maker, as it is expressed in a readable form of a decision tree. The paper presents the algorithm in detail, describes its computer implementation, and demonstrates its application to an aerial image of urban area. The obtained results demonstrate the good performance of the method and indicate the usefulness of machine learning approach in analysis of aerial and satellite imagery.
    Źródło:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji; 2006, 16; 361-371
    2083-2214
    2391-9477
    Pojawia się w:
    Archiwum Fotogrametrii, Kartografii i Teledetekcji
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Keystroke dynamics analysis using machine learning methods
    Autorzy:
    Shabliy, Nataliya
    Lupenko, Serhii
    Lutsyk, Nadiia
    Yasniy, Oleh
    Malyshevska, Olha
    Powiązania:
    https://bibliotekanauki.pl/articles/1956034.pdf
    Data publikacji:
    2021
    Wydawca:
    Polskie Towarzystwo Promocji Wiedzy
    Tematy:
    keystroke dynamics analysis
    Machine Learning
    Neural Network
    Supervised Learning
    classification problem
    analiza dynamiki uderzeń klawiszy
    uczenie maszynowe
    sieć neuronowa
    uczenie nadzorowane
    problem klasyfikacji
    Opis:
    The primary objective of the paper was to determine the user based on its keystroke dynamics using the methods of machine learning. Such kind of a problem can be formulated as a classification task. To solve this task, four methods of supervised machine learning were employed, namely, logistic regression, support vector machines, random forest, and neural network. Each of three users typed the same word that had 7 symbols 600 times. The row of the dataset consists of 7 values that are the time period during which the particular key was pressed. The ground truth values are the user id. Before the application of machine learning classification methods, the features were transformed to z-score. The classification metrics were obtained for each applied method. The following parameters were determined: precision, recall, f1-score, support, prediction, and area under the receiver operating characteristic curve (AUC). The obtained AUC score was quite high. The lowest AUC score equal to 0.928 was achieved in the case of linear regression classifier. The highest AUC score was in the case of neural network classifier. The method of support vector machines and random forest showed slightly lower results as compared with neural network method. The same pattern is true for precision, recall and F1-score. Nevertheless, the obtained classification metrics are quite high in every case. Therefore, the methods of machine learning can be efficiently used to classify the user based on keystroke patterns. The most recommended method to solve such kind of a problem is neural network.
    Źródło:
    Applied Computer Science; 2021, 17, 4; 75-83
    1895-3735
    Pojawia się w:
    Applied Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multi-label classification using error correcting output codes
    Autorzy:
    Kajdanowicz, T.
    Kazienko, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/331286.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    maszyna ucząca się
    uczenie nadzorowane
    metoda agregacji
    struktura ramowa
    machine learning
    supervised learning
    multilabel classification
    error correcting output codes
    ECOC
    ensemble methods
    binary relevance
    framework
    Opis:
    A framework for multi-label classification extended by Error Correcting Output Codes (ECOCs) is introduced and empirically examined in the article. The solution assumes the base multi-label classifiers to be a noisy channel and applies ECOCs in order to recover the classification errors made by individual classifiers. The framework was examined through exhaustive studies over combinations of three distinct classification algorithms and four ECOC methods employed in the multi-label classification problem. The experimental results revealed that (i) the Bode-Chaudhuri-Hocquenghem (BCH) code matched with any multi-label classifier results in better classification quality; (ii) the accuracy of the binary relevance classification method strongly depends on the coding scheme; (iii) the label power-set and the RAkEL classifier consume the same time for computation irrespective of the coding utilized; (iv) in general, they are not suitable for ECOCs because they are not capable to benefit from ECOC correcting abilities; (v) the all-pairs code combined with binary relevance is not suitable for datasets with larger label sets.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 829-840
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-29 z 29

      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