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 "classification accuracy" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Products and services recommendation systems in e-commerce. Recommendation methods, algorithms, and measures of their effectiveness
    Autorzy:
    Lasek, Mirosława
    Kosieradzki, Dominik
    Powiązania:
    https://bibliotekanauki.pl/articles/432132.pdf
    Data publikacji:
    2014
    Wydawca:
    Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
    Tematy:
    recommendation systems
    recommender systems
    recommendation methods
    recommendation algorithms
    collaborative filtering
    content-based filtering
    memory-based algorithms
    model-based algorithms
    predictive accuracy metrics
    classification accuracy metrics
    Opis:
    The article concerns products and services recommendation systems in ecommerce which have become increasingly important for both consumers and retailers. The methods used for the recommendation of products and services, as well as the algorithms used to implement them, are presented in the article. Particular attention was paid to the problems of testing the suitability of algorithms, along with the effectiveness measures of the applications of the methods and algorithms.
    Źródło:
    Informatyka Ekonomiczna; 2014, 1(31); 304-317
    1507-3858
    Pojawia się w:
    Informatyka Ekonomiczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A weighted wrapper approach to feature selection
    Autorzy:
    Kusy, Maciej
    Zajdel, Roman
    Powiązania:
    https://bibliotekanauki.pl/articles/2055180.pdf
    Data publikacji:
    2021
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    feature selection
    wrapper approach
    feature significance
    weighted combined ranking
    convolutional neural network
    classification accuracy
    selekcja cech
    sieć neuronowa konwolucyjna
    dokładność klasyfikacji
    Opis:
    This paper considers feature selection as a problem of an aggregation of three state-of-the-art filtration methods: Pearson’s linear correlation coefficient, the ReliefF algorithm and decision trees. A new wrapper method is proposed which, on the basis of a fusion of the above approaches and the performance of a classifier, is capable of creating a distinct, ordered subset of attributes that is optimal based on the criterion of the highest classification accuracy obtainable by a convolutional neural network. The introduced feature selection uses a weighted ranking criterion. In order to evaluate the effectiveness of the solution, the idea is compared with sequential feature selection methods that are widely known and used wrapper approaches. Additionally, to emphasize the need for dimensionality reduction, the results obtained on all attributes are shown. The verification of the outcomes is presented in the classification tasks of repository data sets that are characterized by a high dimensionality. The presented conclusions confirm that it is worth seeking new solutions that are able to provide a better classification result while reducing the number of input features.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2021, 31, 4; 685--696
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Mapy podstawowych form pokrycia i użytkowania terenu zlewni Raby powyżej Zbiornika Dobczyckiego - porównanie dokładności klasyfikacji pikselowej i obiektowej obrazów LANDSAT TM
    Mapping of basic land-use/land cover types in upper Raba watershed - accuracy comparison of pixel-based and object-based approaches to LANDSAT TM images classification
    Autorzy:
    Badurska, M.
    Drzewiecki, W.
    Tokarczyk, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/132383.pdf
    Data publikacji:
    2009
    Wydawca:
    Polskie Towarzystwo Geograficzne
    Tematy:
    Landsat TM
    klasyfikacja pikselowa
    klasyfikacja obiektowa
    ocena
    dokładność klasyfikacji
    zlewnia Raby
    pokrycie i użytkowanie terenu
    pixel based classification
    object-based classification
    classification accuracy assessment
    Raba watershed
    land-use
    land cover
    Opis:
    The research presented in the paper has been aimed at mapping the basic types of land-use in the upper Raba watershed (south Poland). The maps have been prepared for a study of the influence of land-use changes within the watershed on the sediment yields introduced into the reservoir. Because the erosion models used for sediment yields prediction need only to identify the main land-use / land cover classes (arable land, meadows and pastures, forests, waters, developed areas), the maps have been based on classification of middle-resolution satellite images (Landsat TM). In the research the results of traditional pixel-based classification were compared to the ones obtained in the object based approach. Six different Landsat TM images were classified. The methodology of both classification approaches have been described in the paper. The accuracy assessment of the classification results was based on their comparison with the land use types defined by the photo interpretation of colour composite images. The assessment was done by two operators. Each of them used different set of two hundred and fifty randomly generated sample points. In most cases the pixel-based approach resulted in higher overall accuracy. However, if overall accuracy confidence intervals are taken into consideration, none of the methods can be definitely recognised as a better one.
    Źródło:
    Teledetekcja Środowiska; 2009, 42; 15-21
    1644-6380
    Pojawia się w:
    Teledetekcja Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Developing an Intelligent Model for the Construction a Hip Shape Recognition System Based on 3D Body Measurement
    Opracowanie inteligentnego modelu dla rozpoznania konstrukcji kształtu bioder
    Autorzy:
    Jin, J.-F.
    Yang, Y.-C.
    Zou, F.-Y.
    Powiązania:
    https://bibliotekanauki.pl/articles/234324.pdf
    Data publikacji:
    2016
    Wydawca:
    Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
    Tematy:
    intelligent recognition system
    probabilistic neural network
    classification accuracy
    feature reduction
    typical index
    cluster analysis
    inteligentny system rozpoznawania
    sieć neuronowa
    dokładność klasyfikacji
    funkcja redukcji
    typy kształtu bioder
    Opis:
    The purpose of this paper was to develop an intelligent recognition system consisting of a feature reduction method combining cluster and correlation analyses, and a probabilistic neural network (PNN) classifier to identify different types of hip shape from 3D measurement for each person. Firstly 28 items reflecting lower body part information of 300 female university students aging from 20 to 24 years were selected. The feature reduction method was employed to extract typical indices. Secondly hip shapes were subdivided into five types by a K-means cluster and analysis of variance (ANOVA). Finally the PNN was then trained to serve as a classifier for identifying five different hip shape types. The average classification accuracy of the scheme proposed was 97.37%, and its effectiveness was successfully validated by comparing with the BP and Support Vector Machine (SVM) scheme. Thus an intelligent recognition system was developed to make hip shape type classification of high-precision and time saving.
    Model łączy analizę skupień i korelacji oraz probabilistyczną sztuczną sieć neuronową dla identyfikacji różnych typów kształtów bioder opartą o pomiary 3D poszczególnych osób. Wyselekcjonowano 28 przypadków odzwierciedlających dolną część sylwetki 300 studentek w wieku od 20 do 24 lat. Zastosowano metodę redukcji poszczególnych właściwości dla wybrania typowych wskaźników. Następnie kształt bioder podzielono na 5 typów za pomocą algorytmu klastrowego i systemu ANOVA (analiza wariancji). Następnie przeprowadzono trening sieci neuronowej aby mogła posłużyć jako klasyfikator identyfikacji 5 różnych kształtów bioder. Przeciętna dokładność klasyfikacji proponowanego systemu wynosiła 97,37%, a efektywność była sukcesywnie sprawdzana przez porównanie schematów BP i SVM. W ten sposób stworzono inteligentny system rozpoznania typu kształtu bioder o dużej precyzji, pozwalający na oszczędność czasu.
    Źródło:
    Fibres & Textiles in Eastern Europe; 2016, 5 (119); 110-118
    1230-3666
    2300-7354
    Pojawia się w:
    Fibres & Textiles in Eastern Europe
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Membership function - ARTMAP neural networks
    Autorzy:
    Sinčák, P.
    Hric, M.
    Vaščák, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/1931570.pdf
    Data publikacji:
    2003
    Wydawca:
    Politechnika Gdańska
    Tematy:
    pattern recognition principles
    classifier design
    classification accuracy assessment
    contingency tables
    backpropagation neural networks
    fuzzy BP neural networks
    ART and ARTMAP neural networks
    modular neural networks
    neural networks
    Opis:
    The project deals with the application of computational intelligence (CI) tools for multispectral image classification. Pattern Recognition scheme is a global approach where the classification part is playing an important role to achieve the highest classification accuracy. Multispectral images are data mainly used in remote sensing and this kind of classification is very difficult to assess the accuracy of classification results. There is a feedback problem in adjusting the parts of pattern recognition scheme. Precise classification accuracy assessment is almost impossible to obtain, being an extremely laborious procedure. The paper presents simple neural networks for multispectral image classification, ARTMAP-like neural networks as more sophisticated tools for classification, and a modular approach to achieve the highest classification accuracy of multispectral images. There is a strong link to advances in computer technology, which gives much better conditions for modelling more sophisticated classifiers for multispectral images.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2003, 7, 1; 43-52
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analiza porównawcza zdolności predykcyjnej wybranych metod prognozowania upadłości przedsiębiorstw
    A comparative analysis of the predictability of selected methods for predicting business failure
    Autorzy:
    Herman, Sergiusz
    Powiązania:
    https://bibliotekanauki.pl/articles/693091.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet im. Adama Mickiewicza w Poznaniu
    Tematy:
    predicting
    bankruptcy
    accuracy
    classification
    prognozowanie
    upadłość
    trafność
    klasyfikacja
    Opis:
    Business failure is a feature of any developed market economy. This phenomenon entails high costs, both economic and social. For this reason, attempts have been made continuously since the beginning of the twentieth century to predict failures of businesses. The interest in this issue is reflected in the application of increasingly advanced statistical methods. The aim of the paper is to compare the predictive capacity of nine methods used in the literature to predict the bankruptcy of enterprises. The empirical research was conducted on the basis of the financial data of 180 Polish public limited companies. Its results made it possible to state that the accuracy of classification of particular methods (and thus their rating) depends on the size of the research sample and on the length of the forecast period. It was also found that the rating of the tested methods does not depend on the chosen method of selection of predictive variables.
    Upadłość przedsiębiorstw jest cechą każdej rozwiniętej gospodarki rynkowej. Zjawisko to pociąga za sobą wysokie koszty, zarówno ekonomiczne, jak i społeczne. Z tego powodu nieustannie od początku XX w. podejmowane są próby prognozowania upadłości przedsiębiorstw. Zainteresowanie omawianą problematyką znajduje swoje odzwierciedlenie w stosowaniu coraz bardziej zaawansowanych metod statystycznych. Celem artykułu jest porównanie zdolności predykcyjnej 9 metod wykorzystywanych w literaturze do prognozowania upadłości przedsiębiorstw. Badania empiryczne przeprowadzono na podstawie danych finansowych 180 polskich spółek akcyjnych. Jego wyniki pozwoliły stwierdzić, że trafność klasyfikacji poszczególnych metod (a tym samym ich ranking), uzależniona jest od wielkości badanej próby badawczej oraz od długości horyzontu prognozy. Ranking badanych metod nie zależy natomiast od wybranej metody doboru zmiennych predykcyjnych. Metoda lasów losowych okazała się najsprawniejszym narzędziem prognostycznym.
    Źródło:
    Ruch Prawniczy, Ekonomiczny i Socjologiczny; 2018, 80, 3; 199-216
    0035-9629
    2543-9170
    Pojawia się w:
    Ruch Prawniczy, Ekonomiczny i Socjologiczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Unbalanced multiclass classification with adaptive synthetic multinomial naive Bayes approach
    Niezrównoważona klasyfikacja wieloklasowa z adaptacyjnym syntetycznym wielomianowym naiwnym podejściem Bayesa
    Autorzy:
    Fauzi, Fatkhurokhman
    Ismatullah
    Nur, Indah Manfaati
    Powiązania:
    https://bibliotekanauki.pl/articles/27315441.pdf
    Data publikacji:
    2023
    Wydawca:
    Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
    Tematy:
    adaptive synthetic
    classification
    imbalance data
    accuracy
    adaptacyjna synteza
    klasyfikacja
    danedotyczące nierównowagi
    dokładność
    Opis:
    Opinions related to rising fuel prices need to be seen and analysed. Public opinion is closely related to public policy in Indonesia in the future. Twitter is one of the media that people use to convey their opinions. This study uses sentiment analysis to look at this phenomenon. Sentiment is divided into three categories: positive, neutral, and negative. The methods used in this research are Adaptive Synthetic Multinomial Naive Bayes, Adaptive Synthetic k-nearest neighbours, and Adaptive Synthetic Random Forest. The Adaptive Synthetic method is used to handle unbalanced data. The data used in this study are public arguments per province in Indonesia. The results obtained in this study are negative sentiments that dominate all provinces in Indonesia. There is a relationship between negative sentiment and the level of education, internet use, and the human development index. Adaptive Synthetic Multinomial Naive Bayes performed better than other methods, with an accuracy of 0.882. The highest accuracy of the Adaptive Synthetic Multinomial Naive Bayes method is 0.990 in Papua Barat Province.
    Należy przyjrzeć się i przeanalizować opinie związane z rosnącymi cenami paliw. Opinia publiczna jest ściśle związana z polityką publiczną Indonezji w przyszłości. Twitter jest jednym z mediów, których ludzie używają do przekazywania swoich opinii. Niniejsze badanie wykorzystuje analizę nastrojów, aby przyjrzeć się temu zjawisku. Opinia jest podzielona na trzy kategorie: pozytywną, neutralną i negatywną. Metody wykorzystane w tym badaniu to Adaptive Synthetic Multinomial Naive Bayes, Adaptive Synthetic k-nearest neighbours i Adaptive Synthetic Random Forest. Metoda Adaptive Synthetic służy do obsługi niezrównoważonych danych. Dane wykorzystane w tym badaniu to argumenty publiczne według prowincji w Indonezji. Wyniki uzyskane w tym badaniu to negatywne nastroje, które dominują we wszystkich prowincjach Indonezji. Istnieje związek między negatywnymi nastrojami a poziomem wykształcenia, korzystaniem z Internetu i wskaźnikiem rozwoju społecznego. Adaptive Synthetic Multinomial Naive Bayes działała lepiej niż inne metody, z dokładnością 0,882. Najwyższa dokładność metody Adaptive Synthetic Multinomial Naive Bayes wynosi 0,990 w prowincji Papua Barat.
    Źródło:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 3; 64--70
    2083-0157
    2391-6761
    Pojawia się w:
    Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
    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
      Wyświetlanie 1-8 z 8

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies