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 "feature selection" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 99
Tytuł:
Application of Genetic Algorithm for Feature Selection in Optimisation of SVMR Model for Prediction of Yarn Tenacity
Zastosowanie algorytmów genetycznych do selekcji cech w optymalizacji modelu maszyn wektorów nośnych dla regresji w aspekcie prognozowania właściwości wytrzymałościowych przędzy
Autorzy:
Abakar, K. A. A.
Yu, C.
Powiązania:
https://bibliotekanauki.pl/articles/231903.pdf
Data publikacji:
2013
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
genetic algorithm
feature selection
support vector machines for regression
yarn properties
algorytm genetyczny
wybór funkcji
maszyny wektorów nośnych dla regresji
właściwości przędzy
Opis:
A proposed hybrid genetic algorithm (GA) approach for feature selection combined with support vector machines for regression (SVMR) was applied in this paper to optimise a data set of fibre properties and predict the yarn tenacity property. This hybrid approach was compared with a noisy model of SVMR that used all the data set of fibre properties as input in the prediction. The GA for feature selection was used as the preprocessing stage that aimed to find and select the best attributes or variables that most effect or are related to the prediction of yarn tenacity. The hybrid approach showed better predictive performance than the noisy model. However, the results indicated the suitability of GA for feature selection in the choice of the best fibre property attributes that give the preferred performance and high accuracy in the prediction of yarn tenacity.
Zaproponowany system hybrydowy łączący algorytmy genetyczne z klasyfikatorem w postaci maszyny wektorów nośnych dla regresji (SVMR) został zastosowany dla zoptymalizowania zestawu danych obejmującego właściwości fizyczne włókien dla prognozowania właściwości wytrzymałościowych przędzy. W tym hybrydowym rozwiązaniu porównano zaproponowany model SVMR z modelem „zaszumionym”, w którym użyto pełny zestaw danych właściwości fizycznych włókien jako danych wejściowych w prognozowaniu. Algorytmy genetyczne w selekcji cech zostały użyte na etapie wstępnego przetwarzania, którego celem było znalezienie i wybranie najlepszych zmiennych, które najefektywniej są powiązane z przewidywaniem wytrzymałości przędzy. Hybrydowe rozwiązanie wykazało lepsze efekty przewidywania wytrzymałości przędzy w porównaniu z modelem „zaszumionym”. Jednakże wyniki badań wykazały, że do realizacji zadania polegającego na wyborze cech z selekcji najkorzystniejszych właściwości włókien bardzo przydatne są również algorytmy genetyczne, które umożliwiają uzyskanie wysokiej dokładności prognozowania wytrzymałości przędzy.
Źródło:
Fibres & Textiles in Eastern Europe; 2013, 6 (102); 95-99
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Feature selection using particle swarm optimization in text categorization
Autorzy:
Aghdam, M. H.
Heidari, S.
Powiązania:
https://bibliotekanauki.pl/articles/91792.pdf
Data publikacji:
2015
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
classification system
feature selection
text categorization
particle swarm optimization (PSO)
system klasyfikacji
wybór funkcji
kategoryzacja tekstu
optymalizacja rojem cząstek
Opis:
Feature selection is the main step in classification systems, a procedure that selects a subset from original features. Feature selection is one of major challenges in text categorization. The high dimensionality of feature space increases the complexity of text categorization process, because it plays a key role in this process. This paper presents a novel feature selection method based on particle swarm optimization to improve the performance of text categorization. Particle swarm optimization inspired by social behavior of fish schooling or bird flocking. The complexity of the proposed method is very low due to application of a simple classifier. The performance of the proposed method is compared with performance of other methods on the Reuters-21578 data set. Experimental results display the superiority of the proposed method.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2015, 5, 4; 231-238
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Double Layered Priority based Gray Wolf Algorithm (PrGWO-SK) for safety management in IoT network through anomaly detection
Autorzy:
Agrawal, Akhileshwar Prasad
Singh, Nanhay
Powiązania:
https://bibliotekanauki.pl/articles/2200943.pdf
Data publikacji:
2022
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
Gray Wolf Optimizer
anomaly detection
feature selection
predictive maintenance
Opis:
For mitigating and managing risk failures due to Internet of Things (IoT) attacks, many Machine Learning (ML) and Deep Learning (DL) solutions have been used to detect attacks but mostly suffer from the problem of high dimensionality. The problem is even more acute for resource starved IoT nodes to work with high dimension data. Motivated by this problem, in the present work a priority based Gray Wolf Optimizer is proposed for effectively reducing the input feature vector of the dataset. At each iteration all the wolves leverage the relative importance of their leader wolves’ position vector for updating their own positions. Also, a new inclusive fitness function is hereby proposed which incorporates all the important quality metrics along with the accuracy measure. In a first, SVM is used to initialize the proposed PrGWO population and kNN is used as the fitness wrapper technique. The proposed approach is tested on NSL-KDD, DS2OS and BoTIoT datasets and the best accuracies are found to be 99.60%, 99.71% and 99.97% with number of features as 12,6 and 9 respectively which are better than most of the existing algorithms.
Źródło:
Eksploatacja i Niezawodność; 2022, 24, 4; 641--654
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid binary whale optimization algorithm based on taper shaped transfer function for software defect prediction
Hybrydowy, binarny algorytm WOA oparty na transmitancji stożkowej do prognozowania defektów oprogramowania
Autorzy:
Alnaish, Zakaria A. Hamed
Hasoon, Safwan O.
Powiązania:
https://bibliotekanauki.pl/articles/27315468.pdf
Data publikacji:
2023
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
feature selection
binary whale optimization algorithm
taper-shaped transfer function
software defect prediction
wybór cech
algorytm optymalizacji binarnej
transmitancja stożkowa
przewidywanie defektów oprogramowania
Opis:
Reliability is one of the key factors used to gauge software quality. Software defect prediction (SDP) is one of the most important factors which affectsmeasuring software's reliability. Additionally, the high dimensionality of the features has a direct effect on the accuracy of SDP models.The objective of this paper is to propose a hybrid binary whale optimization algorithm (BWOA) based on taper-shape transfer functions for solving feature selection problems and dimension reduction with a KNN classifier as a new software defect prediction method. In this paper, the values of a real vector that representsthe individual encoding have been converted to binary vector by using the four types of Taper-shaped transfer functionsto enhance the performance of BWOA to reduce the dimension of the search space. The performance of the suggestedmethod (T-BWOA-KNN)was evaluatedusing eleven standard software defect prediction datasets from the PROMISE and NASA repositories depending on the K-Nearest Neighbor (KNN) classifier. Seven evaluation metrics have been used to assess the effectiveness of the suggested method. The experimental results have shownthat the performanceof T-BWOA-KNNproduced promising results compared to other methods including ten methods from the literature, four typesof T-BWOAwith the KNN classifier. In addition, the obtained results are compared and analyzed with other methods from the literature in termsof the average numberof selected features (SF) and accuracy rate (ACC) using the Kendall W test. In this paper, a new hybrid software defect prediction methodcalledT-BWOA-KNNhas been proposed which is concerned with the feature selection problem. The experimental results have provedthatT-BWOA-KNN produced promising performance compared with other methods for most datasets.
Niezawodność jest jednym z kluczowych czynników stosowanych do oceny jakości oprogramowania.Przewidywanie defektów oprogramowania SDP (ang. Software Defect Prediction) jest jednym z najważniejszych czynników wpływających na pomiar niezawodności oprogramowania. Dodatkowo, wysoka wymiarowość cech ma bezpośredni wpływ na dokładność modeli SDP.Celemartykułu jest zaproponowanie hybrydowego algorytmu optymalizacji BWOA (ang. Binary Whale Optimization Algorithm) w oparciu o transmitancję stożkową do rozwiązywania problemów selekcji cech i redukcji wymiarów za pomocą klasyfikatora KNN jako nowej metody przewidywania defektów oprogramowania.W artykule, wartości wektora rzeczywistego, reprezentującego indywidualne kodowanie zostały przekonwertowane na wektor binarny przy użyciu czterech typów funkcji transferu w kształcie stożka w celu zwiększenia wydajności BWOA i zmniejszenia wymiaru przestrzeni poszukiwań.Wydajność sugerowanej metody (T-BWOA-KNN) oceniano przy użyciu jedenastu standardowych zestawów danych do przewidywania defektów oprogramowania z repozytoriów PROMISE i NASA w zależności od klasyfikatora KNN. Do oceny skuteczności sugerowanej metody wykorzystano siedemwskaźników ewaluacyjnych. Wyniki eksperymentów wykazały, że działanie rozwiązania T-BWOA-KNN pozwoliło uzyskaćobiecujące wyniki w porównaniu z innymi metodami, w tym dziesięcioma metodami na podstawie literatury, czterema typami T-BWOA z klasyfikatorem KNN. Dodatkowo, otrzymane wyniki zostały porównanei przeanalizowane innymi metodami z literatury pod kątem średniej liczby wybranych cech (SF) i współczynnika dokładności (ACC), z wykorzystaniem testu W.Kendalla. W pracy, zaproponowano nową hybrydową metodę przewidywania defektów oprogramowania, nazwaną T-BWOA-KNN, która dotyczy problemu wyboru cech. Wyniki eksperymentów wykazały, że w przypadku większości zbiorów danych T-BWOA-KNN uzyskała obiecującą wydajnośćw porównaniu z innymi metodami.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2023, 13, 4; 85--92
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A cough-based COVID-19 detection with gammatone and Mel-frequency cepstral coefficients
Autorzy:
Benmalek, Elmehdi
El Mhamdi, Jamal
Jilbab, Abdelilah
Jbari, Atman
Powiązania:
https://bibliotekanauki.pl/articles/2203646.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
COVID-19
cough recordings
machine learning
mel-frequency cepstral coefficients
gammatone cepstral coefficients
feature selection
uczenie maszynowe
współczynniki mel-cepstralne
Opis:
Many countries have adopted a public health approach that aims to address the particular challenges faced during the pandemic Coronavirus disease 2019 (COVID-19). Researchers mobilized to manage and limit the spread of the virus, and multiple artificial intelligence-based systems are designed to automatically detect the disease. Among these systems, voice-based ones since the virus have a major impact on voice production due to the respiratory system's dysfunction. In this paper, we investigate and analyze the effectiveness of cough analysis to accurately detect COVID-19. To do so, we distinguished positive COVID patients from healthy controls. After the gammatone cepstral coefficients (GTCC) and the Mel-frequency cepstral coefficients (MFCC) extraction, we have done the feature selection (FS) and classification with multiple machine learning algorithms. By combining all features and the 3-nearest neighbor (3NN) classifier, we achieved the highest classification results. The model is able to detect COVID-19 patients with accuracy and an f1-score above 98 percent. When applying FS, the higher accuracy and F1-score were achieved by the same model and the ReliefF algorithm, we lose 1 percent of accuracy by mapping only 12 features instead of the original 53.
Źródło:
Diagnostyka; 2023, 24, 2; art. no. 2023214
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
On the predictive power of meta-features in OpenML
Autorzy:
Bilalli, B.
Abelló, A.
Aluja-Banet, T.
Powiązania:
https://bibliotekanauki.pl/articles/331086.pdf
Data publikacji:
2017
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
feature extraction
feature selection
meta learning
ekstrakcja danych
selekcja danych
uczenie maszynowe
Opis:
The demand for performing data analysis is steadily rising. As a consequence, people of different profiles (i.e., nonexperienced users) have started to analyze their data. However, this is challenging for them. A key step that poses difficulties and determines the success of the analysis is data mining (model/algorithm selection problem). Meta-learning is a technique used for assisting non-expert users in this step. The effectiveness of meta-learning is, however, largely dependent on the description/characterization of datasets (i.e., meta-features used for meta-learning). There is a need for improving the effectiveness of meta-learning by identifying and designing more predictive meta-features. In this work, we use a method from exploratory factor analysis to study the predictive power of different meta-features collected in OpenML, which is a collaborative machine learning platform that is designed to store and organize meta-data about datasets, data mining algorithms, models and their evaluations. We first use the method to extract latent features, which are abstract concepts that group together meta-features with common characteristics. Then, we study and visualize the relationship of the latent features with three different performance measures of four classification algorithms on hundreds of datasets available in OpenML, and we select the latent features with the highest predictive power. Finally, we use the selected latent features to perform meta-learning and we show that our method improves the meta-learning process. Furthermore, we design an easy to use application for retrieving different meta-data from OpenML as the biggest source of data in this domain.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2017, 27, 4; 697-712
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Feature selection based on linear separability and a CPL criterion function
Autorzy:
Bobrowski, L.
Powiązania:
https://bibliotekanauki.pl/articles/1965821.pdf
Data publikacji:
2004
Wydawca:
Politechnika Gdańska
Tematy:
linear separability
feature selection
CPL criterion function
Opis:
Linear separability of data sets is one of the basic concepts in the theory of neural networks and pattern recognition. Data sets are often linearly separable because of their high dimensionality. Such is the case of genomic data, in which a small number of cases is represented in a space with extremely high dimensionality. An evaluation of linear separability of two data sets can be combined with feature selection and carried out through minimisation of a convex and piecewise-linear (CPL) criterion function. The perceptron criterion function belongs to the CPL family. The basis exchange algorithms allow us to find minimal values of CPL functions efficiently, even in the case of large, multidimensional data sets.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2004, 8, 2; 183-192
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Optimization on the complementation procedure towards efficient implementation of the index generation function
Autorzy:
Borowik, G.
Powiązania:
https://bibliotekanauki.pl/articles/330597.pdf
Data publikacji:
2018
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
data reduction
feature selection
indiscernibility matrix
logic synthesis
index generation function
redukcja danych
selekcja cech
synteza logiczna
funkcja generowania indeksów
Opis:
In the era of big data, solutions are desired that would be capable of efficient data reduction. This paper presents a summary of research on an algorithm for complementation of a Boolean function which is fundamental for logic synthesis and data mining. Successively, the existing problems and their proposed solutions are examined, including the analysis of current implementations of the algorithm. Then, methods to speed up the computation process and efficient parallel implementation of the algorithm are shown; they include optimization of data representation, recursive decomposition, merging, and removal of redundant data. Besides the discussion of computational complexity, the paper compares the processing times of the proposed solution with those for the well-known analysis and data mining systems. Although the presented idea is focused on searching for all possible solutions, it can be restricted to finding just those of the smallest size. Both approaches are of great application potential, including proving mathematical theorems, logic synthesis, especially index generation functions, or data processing and mining such as feature selection, data discretization, rule generation, etc. The problem considered is NP-hard, and it is easy to point to examples that are not solvable within the expected amount of time. However, the solution allows the barrier of computations to be moved one step further. For example, the unique algorithm can calculate, as the only one at the moment, all minimal sets of features for few standard benchmarks. Unlike many existing methods, the algorithm additionally works with undetermined values. The result of this research is an easily extendable experimental software that is the fastest among the tested solutions and the data mining systems.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2018, 28, 4; 803-815
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Multi-objective heuristic feature selection for speech-based multilingual emotion recognition
Autorzy:
Brester, C.
Semenkin, E.
Sidorov, M.
Powiązania:
https://bibliotekanauki.pl/articles/91588.pdf
Data publikacji:
2016
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
multi-objective optimization
feature selection
speech-based emotion recognition
Opis:
If conventional feature selection methods do not show sufficient effectiveness, alternative algorithmic schemes might be used. In this paper we propose an evolutionary feature selection technique based on the two-criterion optimization model. To diminish the drawbacks of genetic algorithms, which are applied as optimizers, we design a parallel multicriteria heuristic procedure based on an island model. The performance of the proposed approach was investigated on the Speech-based Emotion Recognition Problem, which reflects one of the most essential points in the sphere of human-machine communications. A number of multilingual corpora (German, English and Japanese) were involved in the experiments. According to the results obtained, a high level of emotion recognition was achieved (up to a 12.97% relative improvement compared with the best F-score value on the full set of attributes).
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2016, 6, 4; 243-253
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Estimation of welding process stability based on image analysis and recognition
Ocena stabilności procesu spawania z zastosowaniem metod analizy i rozpoznawania obrazów
Autorzy:
Bzymek, A.
Timofiejczuk, A.
Powiązania:
https://bibliotekanauki.pl/articles/327276.pdf
Data publikacji:
2009
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
cechy relewantne
analiza obrazu
rozpoznawanie obrazu
diagnostics
feature selection
image analysis
image recognition
Opis:
Vision systems are often applied to control the quality of welds or some parameters of welding processes. A review of current applications has shown that such approaches are being used for control of weld geometry, assessment of weld quality, and also for adaptive control of the welding processes. An approach presented in the paper concerns the application of a method based on image analysis and recognition. Estimation of welding process stability has been based on results of the application of this method. Observation of the welding arc with the use of the vision system can provide us with the information about stability of the arc and through this - stability of the welding process and indirectly, the quality of a weld being made. The investigations described in the paper have been carried out within the framework of PW-004/ITE/10/2006 project realized in Department of Fundamentals of Machinery Design of Silesian University of Technology Presented research has been carried out during observation of selected welding processes. A part of welded samples were correctly prepared, whereas some surfaces and edges were deliberately damaged. These improprieties caused abnormalities of the process. On the basis of performed observations one could state that stability of the arc depended on the quality of a surface that was welded. Moreover, the observations performed during the experiments enabled us to draw some conclusion about correspondence between changes of features of the welding arc and stability of the welding process.
Obecnie systemy wizyjne są stosowane głównie do kontroli jakości połączeń spawanych oraz kontroli parametrów procesu spawania. Zagadnienia, w których stosowane i rozwijane są systemy wizyjne w spawalnictwie to: kontrola geometrii i ocena jakości wykonanych połączeń oraz adaptacyjna kontrola parametrów spawania. Podejście prezentowane w niniejszym artykule dotyczy zastosowania metody bazującej na technikach przetwarzania i analizy obrazów, której celem jest ocena stabilności procesu spawania. Obserwacja obszaru łuku spawalniczego podczas procesu spawania dostarcza informacji na temat stabilności łuku, przez co możliwe jest wnioskowanie o stabilności procesu spawania oraz pośrednio, o jakości wykonywanego połączenia. Badania prezentowane w niniejszym artykule przeprowadzone zostały w Katedrze Podstaw Konstrukcji Maszyn na Politechnice Śląskiej w Gliwicach w ramach projektu badawczego PW-004/ITE/10/2006.
Źródło:
Diagnostyka; 2009, 4(52); 41-44
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Cost-sensitive feature selection
Selekcja cech z uwzględnieniem kosztu ich pozyskania
Autorzy:
Ciupke, K.
Powiązania:
https://bibliotekanauki.pl/articles/327830.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
selekcja cech
algorytm mrówkowy
uczenie maszynowe
sztuczna inteligencja
diagnostyka techniczna
feature selection
ant algorithm
machine learning
artificial intelligence
technical diagnostics
Opis:
The paper concerns the selection of features in the technical diagnostics domain. The author focused his attention on a wrapper approach. In this approach an application of the ant algorithm as a search engine is proposed. The proposed method of so-called ant wrapper approach is presented. The method takes advantage of cost of features, where the cost is connected with the cost of sensors. The algorithm as a pseudo-code and some results of a verification experiment are shown. The verification was carried out on data derived from an active diagnostic experiment concerning a rotating machine. The obtained results show, that the proposed method could allow to reduce the number of used sensors.
W artykule opisano metodę selekcji cech z zastosowaniem algorytmu mrówkowego. Metoda pozwala także na uwzględnienie kosztu atrybutu, przy czym jego koszt związany jest z kosztem pozyskanie sygnału diagnostycznego. W przypadku gdy sygnał ten jest już wykorzystywany uznaje się, że koszt wyznaczenia danej cechy jest pomijalnie mały. Metodę przedstawiono w postaci pseudo-kodu i zweryfikowano dla danych pochodzących z czynnego eksperymentu diagnostycznego. Uzyskane wyniki pokazują, że istnieje możliwość ograniczenia liczby stosowanych czujników.
Źródło:
Diagnostyka; 2006, 2(38); 45-48
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Assessment of nature-inspired algorithms for text feature selection
Autorzy:
Çoban, Önder
Powiązania:
https://bibliotekanauki.pl/articles/27312909.pdf
Data publikacji:
2022
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
nature-inspired algorithms
feature selection
text categorization
Opis:
This paper provides a comprehensive assessment of basic feature selection (FS) methods that have originated from nature-inspired (NI) meta-heuristics; two well-known filter-based FS methods are also included for comparison. The performances of the considered methods are compared on four balanced highdimensional and real-world text data sets regarding the accuracy, the number of selected features, and computation time. This study differs from existing studies in terms of the extent of experimental analyses that were performed under different circumstances where the classifier, feature model, and term-weighting scheme were different. The results of the extensive experiments indicated that basic NI algorithms produce slightly different results than filter-based methods for the text FS problem. However, filter-based methods often provide better results by using lower numbers of features and computation times.
Źródło:
Computer Science; 2022, 23 (2); 179--204
1508-2806
2300-7036
Pojawia się w:
Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Secure Biometric Verification Station Based on Iris Recognition
Autorzy:
Czajka, A.
Piech, K.
Powiązania:
https://bibliotekanauki.pl/articles/309361.pdf
Data publikacji:
2012
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
feature selection
application of biometrics
iris recognition
Zak-Gabor-based iris coding
Opis:
This paper describes an application of the Zak-Gabor-based iris coding to build a secure biometric verification station (SBS), consisting of a professional iris capture camera, a processing unit with specially designed iris recognition and communication software, as well as a display (LCD). Specially designed protocol controls the access to the station and secures the communication between the station and the external world. Reliability of the Zak-Gabor-based coding, similarly to other wavelet-based methods, strongly depends on appropriate choice of the wavelets employed in image coding. This choice cannot be arbitrary and should be adequate to the employed iris image quality. Thus in this paper we propose an automatic iris feature selection mechanism employing, among others, the minimum redundancy, maximum relevance (mRMR) methodology as one, yet important, step to assess the optimal set of wavelets used in this iris recognition application. System reliability is assessed with approximately 1000 iris images collected by the station for 50 different eyes.
Źródło:
Journal of Telecommunications and Information Technology; 2012, 3; 40-49
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sleep Snoring Sound Recognition Based on Wavelet Packet Transform
Autorzy:
Ding, Li
Peng, Jianxin
Zhang, Xiaowen
Song, Lijuan
Powiązania:
https://bibliotekanauki.pl/articles/31339924.pdf
Data publikacji:
2023
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
snoring recognition
wavelet packet transform
feature selection
machine learning
Opis:
Snoring is a typical and intuitive symptom of the obstructive sleep apnea hypopnea syndrome (OSAHS), which is a kind of sleep-related respiratory disorder having adverse effects on people’s lives. Detecting snoring sounds from the whole night recorded sounds is the first but the most important step for the snoring analysis of OSAHS. An automatic snoring detection system based on the wavelet packet transform (WPT) with an eXtreme Gradient Boosting (XGBoost) classifier is proposed in the paper, which recognizes snoring sounds from the enhanced episodes by the generalization subspace noise reduction algorithm. The feature selection technology based on correlation analysis is applied to select the most discriminative WPT features. The selected features yield a high sensitivity of 97.27% and a precision of 96.48% on the test set. The recognition performance demonstrates that WPT is effective in the analysis of snoring and non-snoring sounds, and the difference is exhibited much more comprehensively by sub-bands with smaller frequency ranges. The distribution of snoring sound is mainly on the middle and low frequency parts, there is also evident difference between snoring and non-snoring sounds on the high frequency part.
Źródło:
Archives of Acoustics; 2023, 48, 1; 3-12
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A new hand-movement-based authentication method using feature importance selection with the hotelling’s statistic
Autorzy:
Doroz, Rafal
Wrobel, Krzysztof
Porwik, Piotr
Orczyk, Tomasz
Powiązania:
https://bibliotekanauki.pl/articles/2147116.pdf
Data publikacji:
2022
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
biometrics
person authentication
feature selection
Hotelling’s statistic
Opis:
The growing amount of collected and processed data means that there is a need to control access to these resources. Very often, this type of control is carried out on the basis of biometric analysis. The article proposes a new user authentication method based on a spatial analysis of the movement of the finger’s position. This movement creates a sequence of data that is registered by a motion recording device. The presented approach combines spatial analysis of the position of all fingers at the time. The proposed method is able to use the specific, often different movements of fingers of each user. The experimental results confirm the effectiveness of the method in biometric applications. In this paper, we also introduce an effective method of feature selection, based on the Hotelling T2 statistic. This approach allows selecting the best distinctive features of each object from a set of all objects in the database. It is possible thanks to the appropriate preparation of the input data.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2022, 12, 1; 41--59
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 99

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