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 "k-nearest neighbor" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-13 z 13
    Tytuł:
    Data-driven temporal-spatial model for the prediction of AQI in Nanjin
    Autorzy:
    Zhao, Xuan
    Song, Meichen
    Liu, Anqi
    Wang, Yiming
    Wang, Tong
    Cao, Jinde
    Powiązania:
    https://bibliotekanauki.pl/articles/1837414.pdf
    Data publikacji:
    2020
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    air quality prediction
    k-Nearest Neighbor
    BP neural network
    non-monitoring stations
    Opis:
    Air quality data prediction in urban area is of great significance to control air pollution and protect the public health. The prediction of the air quality in the monitoring station is well studied in existing researches. However, air-quality-monitor stations are insufficient in most cities and the air quality varies from one place to another dramatically due to complex factors. A novel model is established in this paper to estimate and predict the Air Quality Index (AQI) of the areas without monitoring stations in Nanjing. The proposed model predicts AQI in a non-monitoring area both in temporal dimension and in spatial dimension respectively. The temporal dimension model is presented at first based on the enhanced k-Nearest Neighbor (KNN) algorithm to predict the AQI values among monitoring stations, the acceptability of the results achieves 92% for one-hour prediction. Meanwhile, in order to forecast the evolution of air quality in the spatial dimension, the method is utilized with the help of Back Propagation neural network (BP), which considers geographical distance. Furthermore, to improve the accuracy and adaptability of the spatial model, the similarity of topological structure is introduced. Especially, the temporal-spatial model is built and its adaptability is tested on a specific non-monitoring site, Jiulonghu Campus of Southeast University. The result demonstrates that the acceptability achieves 73.8% on average. The current paper provides strong evidence suggesting that the proposed non-parametric and data-driven approach for air quality forecasting provides promising results.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2020, 10, 4; 255-270
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie funduszy unijnych w powiatach województwa śląskiego
    The use of EU funds in the districts of the Silesian province
    Autorzy:
    Wójcik, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/593398.pdf
    Data publikacji:
    2017
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Diagram Czekanowskiego
    Fundusze unijne
    Metoda k-średnich
    Metoda najbliższego sąsiada
    Powiaty
    Counties
    Czekanowski’s diagram
    EU funds
    K-means method
    Nearest neighbor method
    Opis:
    W artykule przedstawiono wykorzystanie funduszy unijnych w powiatach województwa śląskiego w latach 2004-2006 oraz w latach 2007-2013. Ponieważ powiaty w województwie śląskim są bardzo zróżnicowane pod względem zurbanizowania oraz ukształtowania terenu, to ich potrzeby są różne, a więc cele inwestycji też są różne. Postawiono hipotezę, że w powiatach o podobnym położeniu geograficznym i podobnej specyfice struktura projektów współfinansowanych z funduszy unijnych powinna być podobna. Do weryfikacji postawionej hipotezy wykorzystano diagram Czekanowskiego, metodę najbliższego sąsiada oraz metodę k-średnich. Otrzymane wyniki częściowo potwierdziły postawioną hipotezę.
    This paper presents the use of EU funds in the districts of the Silesian province in the years 2004-2006 and 2007-2013. Since the counties in the Silesian province are very diverse in terms of urbanization and terrain that their needs are different, and therefore investment purposes are also different. It was hypothesized that in counties with a similar geographical location and similar specificity structure projects co-financed from EU funds should be similar. To verify the hypothesis used Czekanowski diagram, nearest neighbor method and k-means method. The results confirmed the hypothesis part.
    Źródło:
    Studia Ekonomiczne; 2017, 318; 108-124
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On a book Algorithms for data science by Brian Steele, John Chandler and Swarn Reddy
    Autorzy:
    Szajowski, Krzysztof J.
    Powiązania:
    https://bibliotekanauki.pl/articles/747695.pdf
    Data publikacji:
    2017
    Wydawca:
    Polskie Towarzystwo Matematyczne
    Tematy:
    histogram
    algorytm centroidów
    Algorithms
    Associative Statistics
    Computation
    Computing Similarity
    Cluster Analysis
    Correlation
    Data Reduction
    Data Mapping
    Data Dictionary
    Data Visualization
    Forecasting
    Hadoop
    Histogram
    k-Means Algorithm
    k-Nearest Neighbor Prediction
    Algorytmy
    miary zależności
    obliczenia
    analiza skupień
    korelacja
    redukcja danych
    transformacja danych
    wizualizacja danych
    prognozowanie
    algorytm k-średnich
    algorytm k najbliższych sąsiadów
    Opis:
    Przedstawiona tutaj pozycja wydawnicza jest obszernym wprowadzeniem do najważniejszych podstawowych zasad, algorytmów i danych wraz zestrukturami, do których te zasady i algorytmy się odnoszą. Przedstawione zaganienia są wstępem do rozważań w dziedzinie informatyki. Jednakże, to algorytmy są podstawą analityki danych i punktem skupienia tego podręcznika. Pozyskiwanie wiedzy z danych wymaga wykorzystania metod i rezultatów z co najmniej trzech dziedzin: matematyki, statystyki i informatyki. Książka zawiera jasne i intuicyjne objaśnienia matematyczne i statystyczne poszczególnych zagadnień, przez co algorytmy są naturalne i przejrzyste. Praktyka analizy danych wymaga jednak więcej niż tylko dobrych podstaw naukowych, ścisłości matematycznej i spojrzenia od strony metodologii statystycznej. Zagadnienia generujące dane są ogromnie zmienne, a dopasowanie metod pozyskiwania wiedzy może być przeprowadzone tylko w najbardziej podstawowych algorytmach. Niezbędna jest płynność programowania i doświadczenie z rzeczywistymi problemami. Czytelnik jest prowadzony przez zagadnienia algorytmiczne z wykorzystaniem Pythona i R na bazie rzeczywistych problemów i  analiz danych generowanych przez te zagadnienia. Znaczną część materiału zawartego w książce mogą przyswoić również osoby bez znajomości zaawansowanej metodologii. To powoduje, że książka może być przewodnikiem w jedno lub dwusemestralnym kursie analityki danych dla studentów wyższych lat studiów matematyki, statystyki i informatyki. Ponieważ wymagana wiedza wstępna nie jest zbyt obszerna,  studenci po kursie z probabilistyki lub statystyki, ze znajomością podstaw algebry i analizy matematycznej oraz po kurs programowania nie będą mieć problemów, tekst doskonale nadaje się także do samodzielnego studiowania przez absolwentów kierunków ścisłych. Podstawowy materiał jest dobrze ilustrowany obszernymi zagadnieniami zaczerpniętymi z rzeczywistych problemów. Skojarzona z książką strona internetowa wspiera czytelnika danymi wykorzystanymi w książce, a także prezentacją wybranych fragmentów wykładu. Jestem przekonany, że tematem książki jest nowa dziedzina nauki. 
    The book under review gives a comprehensive presentation of data science algorithms, which means on practical data analytics unites fundamental principles, algorithms, and data. Algorithms are the keystone of data analytics and the focal point of this textbook. The data science, as the authors claim, is the discipline since 2001. However, informally it worked before that date (cf. Cleveland(2001)). The crucial role had the graphic presentation of the data as the visualization of the knowledge hidden in the data.  It is the discipline which covers the data mining as the tool or important topic. The escalating demand for insights into big data requires a fundamentally new approach to architecture, tools, and practices. It is why the term data science is useful. It underscores the centrality of data in the investigation because they store of potential value in the field of action. The label science invokes certain very real concepts within it, like the notion of public knowledge and peer review. This point of view makes that the data science is not a new idea. It is part of a continuum of serious thinking dates back hundreds of years. The good example of results of data science is the Benford law (see Arno Berger and Theodore P. Hill(2015, 2017). In an effort to identifying some of the best-known algorithms that have been widely used in the data mining community, the IEEE International Conference on Data Mining (ICDM) has identified the top 10 algorithms in data mining for presentation at ICDM '06 in Hong Kong. This panel will announce the top 10 algorithms and discuss the impact and further research of each of these 10 algorithms in 2006. In the present book, there are clear and intuitive explanations of the mathematical and statistical foundations make the algorithms transparent. Most of the algorithms announced by IEEE in 2006 are included. But practical data analytics requires more than just the foundations. Problems and data are enormously variable and only the most elementary of algorithms can be used without modification. Programming fluency and experience with real and challenging data are indispensable and so the reader is immersed in Python and R and real data analysis. By the end of the book, the reader will have gained the ability to adapt algorithms to new problems and carry out innovative analysis.
    Źródło:
    Mathematica Applicanda; 2017, 45, 2
    1730-2668
    2299-4009
    Pojawia się w:
    Mathematica Applicanda
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Optimized jk-nearest neighbor based online signature verification and evaluation of main parameters
    Autorzy:
    Saleem, Muhammad
    Kovari, Bence
    Powiązania:
    https://bibliotekanauki.pl/articles/2097967.pdf
    Data publikacji:
    2021
    Wydawca:
    Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
    Tematy:
    k-nearest neighbor
    online signature verification
    classification
    Opis:
    In this paper, we propose an enhanced jk-nearest neighbor (jk-NN) algorithm for online signature verification. The effect of its main parameters is evaluated and used to build an optimized system. The results show that the jk-NN classifier improves the verification accuracy by 0.73–10% as compared to a traditional one-class k-NN classifier. The algorithm achieved reasonable accuracy for different databases: a 3.93% average error rate when using the SVC2004, 2.6% for the MCYT-100, 1.75% for the SigComp’11, and 6% for the SigComp’15 databases. These results followed a state-of-the-art accuracy evaluation where both forged and genuine signatures were used in the training phase. Another scenario is also presented in this paper by using an optimized jk-NN algorithm that uses specifically chosen parameters and a procedure to pick the optimal value for k using only the signer’s reference signatures to build a practical verification system for real-life scenarios where only these signatures are available. By applying the proposed algorithm, the average error rates that were achieved were 8% for SVC2004, 3.26% for MCYT-100, 13% for SigComp’15, and 2.22% for SigComp’11.
    Źródło:
    Computer Science; 2021, 22 (4); 539--551
    1508-2806
    2300-7036
    Pojawia się w:
    Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Machine learning-based analysis of English lateral allophones
    Autorzy:
    Piotrowska, Magdalena
    Korvel, Gražina
    Kostek, Bożena
    Ciszewski, Tomasz
    Czyżewski, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/908115.pdf
    Data publikacji:
    2019
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    allophone
    audio features
    artificial neural network
    k-nearest neighbor
    self organizing map
    alofon
    cechy akustyczne
    sztuczna sieć neuronowa
    metoda najbliższych sąsiadów
    mapa samoorganizująca
    Opis:
    Automatic classification methods, such as artificial neural networks (ANNs), the k-nearest neighbor (kNN) and self-organizing maps (SOMs), are applied to allophone analysis based on recorded speech. A list of 650 words was created for that purpose, containing positionally and/or contextually conditioned allophones. For each word, a group of 16 native and non-native speakers were audio-video recorded, from which seven native speakers’ and phonology experts’ speech was selected for analyses. For the purpose of the present study, a sub-list of 103 words containing the English alveolar lateral phoneme /l/ was compiled. The list includes ‘dark’ (velarized) allophonic realizations (which occur before a consonant or at the end of the word before silence) and 52 ‘clear’ allophonic realizations (which occur before a vowel), as well as voicing variants. The recorded signals were segmented into allophones and parametrized using a set of descriptors, originating from the MPEG 7 standard, plus dedicated time-based parameters as well as modified MFCC features proposed by the authors. Classification methods such as ANNs, the kNN and the SOM were employed to automatically detect the two types of allophones. Various sets of features were tested to achieve the best performance of the automatic methods. In the final experiment, a selected set of features was used for automatic evaluation of the pronunciation of dark /l/ by non-native speakers.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2019, 29, 2; 393-405
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie metody mini-modeli opartej na hipersześcianie w procesie modelowania danych wielowymiarowych
    Application of mini-models method based on hypercube in the modeling process of multidimensional data
    Autorzy:
    Pietrzykowski, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/1367439.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Szczeciński. Wydawnictwo Naukowe Uniwersytetu Szczecińskiego
    Tematy:
    mini-model
    local regression
    k-nearest neighbor
    mathematical modeling
    instance based learning
    modelowania matematyczne
    algorytm najbliższych sąsiadów
    lokalna regresja
    metody bazujące na próbkach
    Opis:
    W artykule zaprezentowano metodę samo-uczenia mini-modeli (metodę MM) opartą na hiperbryłach w przestrzeni wielowymiarowej. Jest to metoda nowa i rozwojowa, będąca w trakcie intensywnych badań. Bazuje ona na próbkach pobieranych jedynie z lokalnego otoczenia punktu zapytania, a nie z obszarów odległych od tego punktu. Grupa punktów, używana w procesie uczenia mini-modelu jest ograniczona obszarem hiperbryły. Na tak zdefiniowanym lokalnym otoczeniu punktu zapytania metoda MM w procesie uczenia oraz obliczania odpowiedzi można użyć dowolnej metody aproksymacji. W artykule przedstawiono algorytm uczenia i działania metody w przestrzeni wielowymiarowej bazujący na hipersferycznym układzie współrzędnych. Metodę przebadano na zbiorach danych wielowymiarowych, a wyniki porównano z innymi metodami bazującymi na próbkach.
    The article presents self-learning method of mini-models (MM-method) based on polytopes in multidimensional space. The method is new and is an object of intensive research. MM method is the instance based learning method and uses data samples only from the local neighborhood of the query point. Group of points which are used in the model-learning process is constrained by a polytope area. The MM-method can on a defined local area use any approximation algorithm to compute mini-model answer for the query point. The article describes a learning technique based on hyper-spherical coordinate system. The method was used in the modeling task with multidimensional datasets. The results of numerical experiments were compared with other instance based methods.
    Źródło:
    Zeszyty Naukowe. Studia Informatica; 2015, 38; 91-103
    0867-1753
    Pojawia się w:
    Zeszyty Naukowe. Studia Informatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Non-Invasive Hemoglobin Monitoring Device Using K-Nearest Neighbor and Artificial Neural Network Back Propagation Algorithms
    Autorzy:
    Munadi, R.
    Sussi, S.
    Fitriyanti, N.
    Ramadan, D. N.
    Powiązania:
    https://bibliotekanauki.pl/articles/2055237.pdf
    Data publikacji:
    2022
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    invasive
    non-invasive
    k-nearest neighbor
    artificial neural network
    back propagation
    Opis:
    The invasive method of medically checking hemoglobin level in human body by taking the blood sample of the patient requiring a long time and injuring the patient is seen impractical. A non-invasive method of measuring hemoglobin levels, therefore, is made by applying the K-Nearest Neighbor (KNN) algorithm and the Artificial Neural Network Back Propagation (ANN-BP) algorithm with the Internet of Things-based HTTP protocol to achieve the high accuracy and the low end-to-end delay. Based on tests conducted on a Noninvasive Hemoglobin measuring device connected to Cloud Things Speak, the prediction process using algorithm by means of Python programming based on Android application could work well. The result of this study showed that the accuracy of the K-Nearest Neighbor algorithm was 94.01%; higher than that of the Artificial Neural Network Back Propagation algorithm by 92.45%. Meanwhile, the end-to-end delay was at 6.09 seconds when using the KNN algorithm and at 6.84 seconds when using Artificial Neural Network Back Propagation Algorithm.
    Źródło:
    International Journal of Electronics and Telecommunications; 2022, 68, 1; 13--18
    2300-1933
    Pojawia się w:
    International Journal of Electronics and Telecommunications
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multi-view learning for software defect prediction
    Autorzy:
    Kiyak, Elife Ozturk
    Birant, Derya
    Birant, Kokten Ulas
    Powiązania:
    https://bibliotekanauki.pl/articles/2060905.pdf
    Data publikacji:
    2021
    Wydawca:
    Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
    Tematy:
    software defect prediction
    multi-view learning
    machine learning
    k-nearest neighbor
    Opis:
    Background: Traditionally, machine learning algorithms have been simply applied for software defect prediction by considering single-view data, meaning the input data contains a single feature vector. Nevertheless, different software engineering data sources may include multiple and partially independent information, which makes the standard single-view approaches ineffective. Objective: In order to overcome the single-view limitation in the current studies, this article proposes the usage of a multi-view learning method for software defect classification problems. Method: The Multi-View k-Nearest Neighbors (MVKNN) method was used in the software engineering field. In this method, first, base classifiers are constructed to learn from each view, and then classifiers are combined to create a robust multi-view model. Results: In the experimental studies, our algorithm (MVKNN) is compared with the standard k-nearest neighbors (KNN) algorithm on 50 datasets obtained from different software bug repositories. The experimental results demonstrate that the MVKNN method outperformed KNN on most of the datasets in terms of accuracy. The average accuracy values of MVKNN are 86.59%, 88.09%, and 83.10% for the NASA MDP, Softlab, and OSSP datasets, respectively. Conclusion: The results show that using multiple views (MVKNN) can usually improve classification accuracy compared to a single-view strategy (KNN) for software defect prediction.
    Źródło:
    e-Informatica Software Engineering Journal; 2021, 15, 1; 163--184
    1897-7979
    Pojawia się w:
    e-Informatica Software Engineering Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Fast attack detection method for imbalanced data in industrial cyber-physical systems
    Autorzy:
    Huang, Meng
    Li, Tao
    Li, Beibei
    Zhang, Nian
    Huang, Hanyuan
    Powiązania:
    https://bibliotekanauki.pl/articles/23944834.pdf
    Data publikacji:
    2023
    Wydawca:
    Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
    Tematy:
    intrusion detection system
    industrial cyber-physical Systems
    imbalanced data
    all k-nearest neighbor
    LightGBM
    Opis:
    Integrating industrial cyber-physical systems (ICPSs) with modern information technologies (5G, artificial intelligence, and big data analytics) has led to the development of industrial intelligence. Still, it has increased the vulnerability of such systems regarding cybersecurity. Traditional network intrusion detection methods for ICPSs are limited in identifying minority attack categories and suffer from high time complexity. To address these issues, this paper proposes a network intrusion detection scheme, which includes an information-theoretic hybrid feature selection method to reduce data dimensionality and the ALLKNN-LightGBM intrusion detection framework. Experimental results on three industrial datasets demonstrate that the proposed method outperforms four mainstream machine learning methods and other advanced intrusion detection techniques regarding accuracy, F-score, and run time complexity.
    Źródło:
    Journal of Artificial Intelligence and Soft Computing Research; 2023, 13, 4; 229--245
    2083-2567
    2449-6499
    Pojawia się w:
    Journal of Artificial Intelligence and Soft Computing Research
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A practical application of kernel-based fuzzy discriminant analysis
    Autorzy:
    Gao, J. Q.
    Fan, L. Y.
    Li, L.
    Xu, L. Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/908344.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    analiza dyskryminacyjna
    algorytm najbliższego sąsiada
    SVD
    kernel fuzzy discriminant analysis
    fuzzy k-nearest neighbor
    QR decomposition
    singular value decomposition (SVD)
    fuzzy membership matrix
    t-test
    Opis:
    A novel method for feature extraction and recognition called Kernel Fuzzy Discriminant Analysis (KFDA) is proposed in this paper to deal with recognition problems, e.g., for images. The KFDA method is obtained by combining the advantages of fuzzy methods and a kernel trick. Based on the orthogonal-triangular decomposition of a matrix and Singular Value Decomposition (SVD), two different variants, KFDA/QR and KFDA/SVD, of KFDA are obtained. In the proposed method, the membership degree is incorporated into the definition of between-class and within-class scatter matrices to get fuzzy between-class and within-class scatter matrices. The membership degree is obtained by combining the measures of features of samples data. In addition, the effects of employing different measures is investigated from a pure mathematical point of view, and the t-test statistical method is used for comparing the robustness of the learning algorithm. Experimental results on ORL and FERET face databases show that KFDA/QR and KFDA/SVD are more effective and feasible than Fuzzy Discriminant Analysis (FDA) and Kernel Discriminant Analysis (KDA) in terms of the mean correct recognition rate.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2013, 23, 4; 887-903
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Pattern recognition of sacroileitis with the use of multistage logic with a fuzzy loss function
    Autorzy:
    Burduk, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/1965805.pdf
    Data publikacji:
    2004
    Wydawca:
    Politechnika Gdańska
    Tematy:
    multistage classifier
    sacroiletis
    fuzzy loss function
    k-nearest neighbor method
    Opis:
    The article describes the problem of pattern recognition of sacroileitis. Classification is based on a scheme of multistage recognition with a fuzzy loss function dependent on the node of the decision tree. Decision rules are based on k-nearest neighbors at particular internal nodes of the decision-tree. Paper presents influence of comparison fuzzy numbers on classifications results.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2004, 8, 2; 217-221
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Categorization of Similar Objects Using Bag of Visual Words and k - Nearest Neighbour Classifier
    Autorzy:
    Artiemjew, P.
    Górecki, P.
    Sopyła, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/298103.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Warmińsko-Mazurski w Olsztynie
    Tematy:
    kategoryzacja obrazu
    metoda k najbliższych sąsiadów
    zbiór słów wizualnych
    Image categorization
    k-Nearest Neighbor Classifier
    Bag of Visual Words
    Opis:
    Image categorization is one of the fundamental tasks in computer vision, it has wide application in methods of artificial intelligence, robotic vision and many others. There are a lot of difficulties in computer vision to overcome, one of them appears during image recognition and classification. The difficulty arises from an image variance, which may be caused by scaling, rotation, changes in a perspective, illumination levels, or partial occlusions. Due to these reasons, the main task is to represent represent images in such way that would allow recognizing them even if they have been modified. Bag of Visual Words (BoVW) approach, which allows for describing local characteristic features of images, has recently gained much attention in the computer vision community. In this article we have presented the results of image classification with the use of BoVW and k - Nearest Neighbor classifier with different kinds of metrics and similarity measures. Additionally, the results of k - NN classification are compared with the ones obtained from a Support Vector Machine classifier.
    Źródło:
    Technical Sciences / University of Warmia and Mazury in Olsztyn; 2012, 15(2); 293-305
    1505-4675
    2083-4527
    Pojawia się w:
    Technical Sciences / University of Warmia and Mazury in Olsztyn
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Face Recognition Comparative Analysis Using Different Machine Learning Approaches
    Autorzy:
    Ahmed, Nisar
    Khan, Farhan Ajmal
    Ullah, Zain
    Ahmed, Hasnain
    Shahzad, Taimur
    Ali, Nableela
    Powiązania:
    https://bibliotekanauki.pl/articles/2024199.pdf
    Data publikacji:
    2021
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    linear discriminant analysis
    k-nearest neighbor
    support vector machine
    principal component analysis
    liniowa analiza dyskryminacyjna
    maszyna wektorów podporowych
    analiza głównych składowych
    Opis:
    The problem of a facial biometrics system was discussed in this research, in which different classifiers were used within the framework of face recognition. Different similarity measures exist to solve the performance of facial recognition problems. Here, four machine learning approaches were considered, namely, K-nearest neighbor (KNN), Linear Discriminant Analysis (LDA), Support Vector Machine (SVM), and Principal Component Analysis (PCA). The usefulness of multiple classification systems was also seen and evaluated in terms of their ability to correctly classify a face. A combination of multiple algorithms such as PCA+1NN, LDA+1NN, PCA+ LDA+1NN, SVM, and SVM+PCA was used. All of them performed with exceptional values of above 90% but PCA+LDA+1N scored the highest average accuracy, i.e. 98%.
    Źródło:
    Advances in Science and Technology. Research Journal; 2021, 15, 1; 265-272
    2299-8624
    Pojawia się w:
    Advances in Science and Technology. Research Journal
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-13 z 13

      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