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 "klasyfikator SVM" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Classification of animals to determine the migration potential at the construction of new infrastructure
    Autorzy:
    Matuska, S.
    Hudec, R.
    Benco, M.
    Zachariasova, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/393291.pdf
    Data publikacji:
    2013
    Wydawca:
    Polskie Stowarzyszenie Telematyki Transportu
    Tematy:
    SIFT
    SURF descriptor
    SVM classifier
    animal classification
    deskryptor SURF
    klasyfikator SVM
    klasyfikacja zwierząt
    Opis:
    At the planning and construction of new infrastructures, the information about migration potential of animals in a target area is needed. This information will be used to design of migration corridors for wild animals. To determine the migration potential of animals based on distributed video camera system, new methods for object recognition and classification are developed. In general, an object recognition system consists of three steps, namely, the image feature extraction from the training database, training the classifier and evaluation of query image of object/animal. In this paper, an extraction of local key point by SIFT or SURF descriptors, bags of key points method in combination with SVM classifier and two hybrid key points detection methods are proposed in detail.
    Źródło:
    Archives of Transport System Telematics; 2013, 6, 4; 26-30
    1899-8208
    Pojawia się w:
    Archives of Transport System Telematics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dobór cech diagnostycznych dla klasyfikatora SVM w zadaniu klasyfikacji stanu przetoki tętniczo-żylnej na podstawie sygnału akustycznego
    The selection of features for the SVM classifier in the arteriovenous fistula state estimation on the basis of acoustic signal
    Autorzy:
    Grochowina, M.
    Leniowska, L.
    Powiązania:
    https://bibliotekanauki.pl/articles/261149.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
    Tematy:
    klasyfikator SVM
    przetoka tętniczo-żylna
    selekcja cech
    SVM classifier
    arteriovenous fistula
    features selection
    Opis:
    W artykule przedstawiono proces selekcji cech diagnostycznych dla klasyfikatora SVM. Badania przeprowadzone zostały z użyciem zbioru danych zawierającego próbki sygnału dźwiękowego emitowanego przez przetokę tętniczo-żylną. Celem prac było stworzenie rozwiązania klasyfikacji wieloklasowej w oparciu o klasyfikator z rodziny SVM pozwalającego na skuteczną i wiarygodną ocenę stanu przetoki tętniczo-żylnej.
    The paper presents the process of selection diagnostic features for SVM classifier. The study was conducted with using a data set containing samples of the sound signal emitted by the arteriovenous fistula. The objective was to create a solution multi-class classification based on SVM classifier family allowing for an effective and reliable evaluation of the arteriovenous fistula state.
    Źródło:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2016, 22, 4; 207-212
    1234-5563
    Pojawia się w:
    Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Analysis of the possibility of mechanical devices supervision based on the measurement of the vibration level and SVM classifiers
    Autorzy:
    Schossler, Ryszard
    Grochowina, Marcin
    Leniowska, Lucyna
    Powiązania:
    https://bibliotekanauki.pl/articles/24202009.pdf
    Data publikacji:
    2022
    Wydawca:
    Politechnika Poznańska. Instytut Mechaniki Stosowanej
    Tematy:
    SVM classifier
    vibration pattern
    gyroscope
    accelerometer
    one-class classifier
    two-class classifier
    klasyfikator SVM
    wzór drgań
    żyroskop
    akcelerometr
    klasyfikator jednoklasowy
    klasyfikator dwuklasowy
    Opis:
    This paper presents the concept of diagnosing the technical condition of mechanical devices. The test is based on a non-invasive vibration analysis technique combined with the use of artificial intelligence method. The object of the research is an electric motor for which vibrations were recorded by a vibration sensor based on four 3-axis digital accelerometers and MPU-6050 gyroscopes. The effectiveness of classification methods using the two-class and one-class classification was compared. It has been shown that the use of an incomplete pattern of the vibration model and a single-class classifier allows for effective detection of anomalies in the operation of an induction motor. Satisfactory classification efficiency was achieved, despite the limitation of the teaching set only to the information obtained during the correct operation of the device. The described method is universal and can be used to diagnose the technical condition of many different types of technical devices.
    Źródło:
    Vibrations in Physical Systems; 2022, 33, 3; art. no. 2022316
    0860-6897
    Pojawia się w:
    Vibrations in Physical Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Classification of cognitive states using clustering-split time series framework
    Autorzy:
    Ramakrishna, J. Siva
    Ramasangu, Hariharan
    Powiązania:
    https://bibliotekanauki.pl/articles/38708362.pdf
    Data publikacji:
    2024
    Wydawca:
    Instytut Podstawowych Problemów Techniki PAN
    Tematy:
    functional MRI data
    classification
    consensus clustering
    SVM classifier
    GNB classifier
    XGBoost
    funkcjonalne dane MRI
    klasyfikacja
    grupowanie konsensusu
    klasyfikator SVM
    klasyfikator GNB
    Opis:
    Over the last two decades, functional Magnetic Resonance Imaging (fMRI) has provided immense data about the dynamics of the brain. Ongoing developments in machine learning suggest improvements in the performance of fMRI data analysis. Clustering is one of the critical techniques in machine learning. Unsupervised clustering techniques are utilized to partition the data objects into different groups. Supervised classification techniques applied to fMRI data facilitate the decoding of cognitive states while a subject is engaged in a cognitive task. Due to the high dimensional, sparse, and noisy nature of fMRI data, designing a classifier model for estimating cognitive states becomes challenging. Feature selection and feature extraction techniques are critical aspects of fMRI data analysis. In this work, we present one such synergy, a combination of Hierarchical Consensus Clustering (HCC) and the Statistics of Split Timeseries (SST) framework to estimate cognitive states. The proposed HCC-SST model’s performance has been verified on StarPlus fMRI data. The obtained experimental results show that the proposed classifier model achieves 99% classification accuracy with a smaller number of voxels and lower computational cost.
    Źródło:
    Computer Assisted Methods in Engineering and Science; 2024, 31, 2; 241-260
    2299-3649
    Pojawia się w:
    Computer Assisted Methods in Engineering and Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      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