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 "dokładność klasyfikacji" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-5 z 5
    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:
    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:
    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:
    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:
    Przydatność laserowych analiz uziarnienia do bilansowania produktów klasyfikacji w hydrocyklonie
    Usefulness of the particle size distribution laser analyzes on balancing of hydrocyclone classification products
    Autorzy:
    Krawczykowski, D.
    Trybalski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/349677.pdf
    Data publikacji:
    2009
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    laserowe analizy granulometryczne
    dokładność analiz granulometrycznych
    bilans produktów klasyfikacji
    laser particle sizing
    adequacy of granulometric analyzes
    balance of classification products
    Opis:
    Artykuł dotyczy dokładności określania składów ziarnowych produktów klasyfikacji odpadów flotacyjnych rudy Zn Pb metodą laserową oraz jej wpływu na bilansowanie produktów klasyfikacji. Badania obejmowały: wykonanie analiz granulometrycznych odpadów (nadaw) kierowanych do klasyfikacji w hydrocyklonie oraz wylewów i przelewów produktów klasyfikacji, określenie dokładności analiz, obliczenia bilansujące wychody produktów klasyfikacji. Do analiz wykorzystano nowoczesny, laserowy analizator wielkości cząstek Analysette 22, którego zasada pomiaru oparta jest na dyfrakcji światła laserowego na mierzonych cząstkach. Jest to standardowa, rozpowszechniona w świecie metoda określania rozkładu wielkości drobnych cząstek.
    The paper concerns adequacy of particle size distributions of flotation wastes classification products of ZN-Pb ore and its influence on balancing of classification products. The investigations concerned performance of granulometric analyzes of the wastes (feeds) directed to the classification process in hydrocyclone, as well the outflows and overflows - classification products, determination of the analyzes adequacy, balancing calculations of classification products yields. The modern, laser particle sizer Analysette 22 was applied to perform analyzes, which rule of measurement is based on laser diffraction on measured particles. This is the standard, common method of fine particles distribution determination.
    Źródło:
    Górnictwo i Geoinżynieria; 2009, 33, 4; 153-168
    1732-6702
    Pojawia się w:
    Górnictwo i Geoinżynieria
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-5 z 5

      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