Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "błąd klasyfikacji" wg kryterium: Temat


Wyświetlanie 1-3 z 3
Tytuł:
Zastosowanie danych ALS do szacowania wybranych parametrów roślinności na terenie górnictwa odkrywkowego – zalety i wady
Application of ALS data for estimation of selected vegetation parameters in the opencast mining area – advantages and limitations
Autorzy:
Nowak, M.
Powiązania:
https://bibliotekanauki.pl/articles/345735.pdf
Data publikacji:
2018
Wydawca:
Polskie Towarzystwo Informacji Przestrzennej
Tematy:
monitoring roślinności
LiDAR
błąd klasyfikacji
kopalnia wapienia
vegetation monitoring
classification error
limestone mine
Opis:
Artykuł opisuje możliwości wykorzystania danych z lotniczego skaningu laserowego (ALS) na terenie odkrywkowej kopalni wapienia do pozyskania informacji o pokryciu roślinnością i jej parametrze wysokościowym. Ze względu na konieczność pozyskania szczegółowego przestrzennie zestawu danych, m.in. w zakresie roślinności, na potrzeby realizacji projektu „Plan wsparcia różnorodności biologicznej dla Zakładu Górniczego Kujawy w Bielawach Lafarge Cement S.A”, uznano, że pochodzące z projektu ISOK dane ALS charakteryzujące się wysoką dokładnością lokalizacyjną i wysokościową mogą stanowić optymalne źródło informacji. Do przetworzenia numerycznych danych wysokościowych użyto w pracy oprogramowania SAGA GIS i ArcGIS. Przeprowadzenie analizy opracowanych wysokościowych modeli rastrowych dla roślinności wykazało jednak, że są one obarczone błędami. Analizując dane ALS zauważono, że rozmieszczenie roślinności nie jest zgodne z sytuacją zaobserwowaną w terenie. W części wyrobiska objętej aktualnie wydobyciem dane ALS wykazały znaczną obecność roślinności. Ponadto, parametr wysokościowy roślinności na znormalizowanym numerycznym modelu pokrycia terenu przyjął w wielu miejscach wartości ujemne. W odpowiedzi na ujawnione błędy przeprowadzono szczegółową weryfikację danych ALS. W jej wyniku stwierdzono, że błędy są charakterystyczne wyłącznie dla obszaru wyrobiska. Błędy w klasyfikacji chmury punktów oraz ujemne wartości komórek modelu wysokościowego dla roślinności stwierdzono niemal wyłącznie dla zboczy wyrobiska i wałów ziemno-skalnych usytuowanych wzdłuż dróg technologicznych w odkrywce. Otrzymany wynik wskazuje na konieczność kontroli jakości danych ALS przed ich zastosowaniem.
This paper discusses the possible use of airborne laser scanning (ALS) data in the opencast limestone mine to obtain information about the vegetation cover including its height parameters. Due to the necessity of obtaining a detailed spatial data set, including the vegetation parameters for the project: „Supporting Plan for Biodiversity in the Kujawy Mining in Bielawy Lafarge Cement SA” it has been recognized that the ALS data from the ISOK project characterized by the high localisation and altitude accuracy may be the optimum source of information. SAGA GIS and ArcGIS software tools were used to process the digital elevation data. However, the analysis of raster elevation models for vegetation showed that they are burdened with errors. It was noted that the distribution of vegetation is not consistent with the observed situation in the field. In the active part of the excavation the ALS data showed significant presence of vegetation. In addition, the parameter of altitude vegetation on trhe normalized digital surface model gained negative values in many places. Considering the detected the detailed verification of ALS data was performed. As a result, it was found that the error surfaces are characteristic only to the excavation area. The point cloud classification errors and the negative height values for vegetation cells on the elevation model were found almost exclusively on the slopes of the excavation and earth-rock embankments situated along the technological roads in the open-pit. The result indicates the need for the quality control of ALS data before they are used.
Źródło:
Roczniki Geomatyki; 2018, 16, 3(82); 247-262
1731-5522
2449-8963
Pojawia się w:
Roczniki Geomatyki
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Illustrative presentation of some basic concepts of network internal reliability with comments as regards engineering surveys
Autorzy:
Prószyński, W.
Powiązania:
https://bibliotekanauki.pl/articles/106749.pdf
Data publikacji:
2016
Wydawca:
Politechnika Warszawska. Wydział Geodezji i Kartografii
Tematy:
unit redundancy
low-redundancy networks
detectability
identifiability
gross error classification
redundancja jednostki
sieci niskiej redundancji
wykrywalność
identyfikowalność
błąd klasyfikacji
Opis:
The paper integrates some earlier and the recent findings of the author in the area of network internal reliability and presents a consistent system of concepts in this respect. The concepts of outlier detection and outlier identification linked directly with the global model test and the outlier tests respectively, are shown as a basis for the concepts such as outlier detectability and outlier identifiability. Also, a four level classification of gross errors expressed in a form of a tree-diagram is presented including perceptible and imperceptible errors, detectable and undetectable errors and identifiable and unidentifiable errors. Their properties are given mainly in a descriptive way, deliberately limiting rigorous mathematical formulas to a necessary minimum. Understanding of different types of gross errors is useful in analyzing the results of the outlier detection and identification procedures as well as in designing the networks to make them duly robust to observation gross errors. It is of special importance for engineering surveys where quite often low-redundancy networks are used. Main objective of the paper is to demonstrate a clear and consistent system of basic concepts related to network internal reliability.
Źródło:
Reports on Geodesy and Geoinformatics; 2016, 101; 54-59
2391-8365
2391-8152
Pojawia się w:
Reports on Geodesy and Geoinformatics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of hyperspectral imaging for cultivar discrimination of malting barley grains
Zastosowanie obrazowania hiperspektralnego do dyskryminacji odmianowej ziaren jęczmienia browarnego
Autorzy:
Zapotoczny, P.
Ropelewska, E
Powiązania:
https://bibliotekanauki.pl/articles/93829.pdf
Data publikacji:
2016
Wydawca:
Polskie Towarzystwo Inżynierii Rolniczej
Tematy:
spring malting barley
grain mass
attributes selection
multidimensional analysis
classification error
jęczmień jary
jęczmień browarny
masa ziarna
selekcja atrybutów
analiza wielowymiarowa
błąd klasyfikacji
Opis:
The aim of this study was to perform and evaluate the accuracy of classification of grains of different cultivars of malting barley. The grains of eight cultivars: Blask, Bor do, Con chita, Kormoran, Mercada, Serwal, Signora, Victoriana, with three moisture content: 12, 14, 16% were examined. The selected parameters of the surface texture of grain mass obtained from images taken using the techniques of hyperspectral imaging were determined. The accuracy of grains discrimination carried out using different methods of selection and classification of data was compared. The pairwise comparison and comparison of three, four and eight cultivars of malting barley were carried out. The most accurate discrimination was determined in the case of the pairwise comparison. Victoriana cultivar was the most different from the others. The most similar texture of grain mass was found in the comparison of cultivars: Blask and Mercada. In the case of eight examined cultivars of malting barley, the most accurate discrimination (classification error – 55%) was obtained for images taken at the moisture content of 14% and at a wavelength of 750 nm, for the attributes selection performed with the use of probability of error and average correlation coefficient (POE+ACC) method and the discrimination carried out using the linear discriminant analysis (LDA).
Celem pracy było przeprowadzenie i ocena poprawności klasyfikacji ziaren należących do różnych odmian jęczmienia browarnego. Przebadano ziarna 8 odmian: Blask, Bordo, Conchita, Kormoran, Mercada, Serwal, Signora, Victoriana, o trzech poziomach wilgotności: 12, 14, 16%. Oznaczono wybrane parametry tekstury powierzchni ziarna w masie uzyskane ze zdjęć wykonanych przy użyciu technik obrazowania hiperspektralnego. Porównano dokładność dyskryminacji ziaren przeprowadzonej przy użyciu różnych metod selekcji i klasyfikacji danych. Dokonano porównania parami oraz porównania trzech, czterech i ośmiu odmian jęczmienia browarnego. Najbardziej dokładną dyskryminację stwierdzono w przypadku porównania parami. Odmiana Victoriana najbardziej odróżniała się od innych. Najbardziej podobną teksturę ziaren w masie stwierdzono w przypadku porównania odmian: Blask i Mercada. W przypadku ośmiu badanych odmian jęczmienia browarnego, najdokładniejszą dyskryminację (błąd klasyfikacji ‒ 55%) uzyskano dla obrazów wykonanych przy wilgotności 14% i długości fali 750 nm, dla selekcji atrybutów wykonanej z wykorzystaniem prawdopodobieństwa błędu klasyfikacji z uśrednionym współczynnikiem korelacji (POE + ACC) oraz dyskryminacji przeprowadzonej za pomocą liniowej analizy dyskryminacyjnej (LDA).
Źródło:
Agricultural Engineering; 2016, 20, 3; 207-217
2083-1587
Pojawia się w:
Agricultural Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    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