Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "statistical homogeneity" wg kryterium: Temat


Wyświetlanie 1-2 z 2
Tytuł:
Wielkość próbki a reprezentatywność geometryczna mikrostruktury kompozytów losowych
Sample size and representativity of microstructure geometry of random composities
Autorzy:
Łydżba, D.
Różański, A.
Powiązania:
https://bibliotekanauki.pl/articles/348961.pdf
Data publikacji:
2010
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
ośrodki losowe
statystyczna jednorodność
minimalny wymiar próbki
prawdopodobieństwo dwupunktowe
random media
statistical homogeneity
minimal sample size
2-point probability function
Opis:
W pracy analizowana jest reprezentatywność geometryczna próbek losowo wybranych ze statystycznie jednorodnego dwuskładnikowego kompozytu. Jako miarę geometrycznej reprezentatywności przyjęto dokładność odwzorowania funkcji korelacji zwanej prawdopodobieństwem 2-punktowym. Wykazano, że istnieje minimalny wymiar próbki, poniżej którego nie jest możliwa satysfakcjonująca replika prawdopodobieństwa 2-punktowego. Sformułowano warunek minimalnej wielkości próbki. Przedstawiono wyniki symulacji numerycznych wykonanych dla trzech typów mikrostruktur potwierdzające efektywność sformułowanego w pracy warunku.
The paper analyses geometrical representativity of samples randomly chosen from statistically homogeneous two-component composite. Quality of 2-point probability function replica is used as a measure of geometrical representativity of the sample. It is pointed out that there exists a minimal sample size beyond which a satisfactory replica of 2-point probability function could not be obtained. The condition for minimal sample size is formulated in the paper. Numerical simulation conducted for three different kinds of microstructure confirm effectiveness of the condition proposed.
Źródło:
Górnictwo i Geoinżynieria; 2010, 34, 2; 443-450
1732-6702
Pojawia się w:
Górnictwo i Geoinżynieria
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Statistical testing of segment homogeneity in classification of piecewise-regular objects
Autorzy:
Savchenko, A. V.
Belova, N. S.
Powiązania:
https://bibliotekanauki.pl/articles/330652.pdf
Data publikacji:
2015
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
statistical pattern recognition
testing of segment homogeneity
probabilistic neural network
rozpoznawanie obrazu
jednorodność segmentu
probabilistyczna sieć neuronowa
Opis:
The paper is focused on the problem of multi-class classification of composite (piecewise-regular) objects (e.g., speech signals, complex images, etc.). We propose a mathematical model of composite object representation as a sequence of independent segments. Each segment is represented as a random sample of independent identically distributed feature vectors. Based on this model and a statistical approach, we reduce the task to a problem of composite hypothesis testing of segment homogeneity. Several nearest-neighbor criteria are implemented, and for some of them the well-known special cases (e.g., the Kullback–Leibler minimum information discrimination principle, the probabilistic neural network) are highlighted. It is experimentally shown that the proposed approach improves the accuracy when compared with contemporary classifiers.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2015, 25, 4; 915-925
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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