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 "system klasyfikujący" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    The proposal of calculation classifier weights for an assembly of classifiers
    Autorzy:
    Burduk, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/333595.pdf
    Data publikacji:
    2014
    Wydawca:
    Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
    Tematy:
    classifier fusion
    static classifiers selection
    multiple classifier system
    fuzja informacji
    fuzja klasyfikatorów
    selekcja klasyfikatorów
    system klasyfikujący wielokrotny
    Opis:
    The selection of classifiers is one of the important problems in the creation of ensemble of classifiers. The paper presents the static selection in which a new method of calculating the weights of individual classifiers is used. The obtained weights can be interpreted in the context of the interval logic. It means that the particular weights will not be provided precisely but their lower and upper values will be used. A number of experiments have been carried out on several medical data sets.
    Źródło:
    Journal of Medical Informatics & Technologies; 2014, 23; 181-186
    1642-6037
    Pojawia się w:
    Journal of Medical Informatics & Technologies
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Self-adaptation of parameters in a learning classifier system ensemble machine
    Autorzy:
    Troć, M.
    Unold, O.
    Powiązania:
    https://bibliotekanauki.pl/articles/907767.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    komputerowe uczenie się
    system klasyfikujący
    sterowanie adaptacyjne
    sterowanie parametryczne
    machine learning
    extended classifier system
    self-adaptation
    adaptive parameter control
    Opis:
    Self-adaptation is a key feature of evolutionary algorithms (EAs). Although EAs have been used successfully to solve a wide variety of problems, the performance of this technique depends heavily on the selection of the EA parameters. Moreover, the process of setting such parameters is considered a time-consuming task. Several research works have tried to deal with this problem; however, the construction of algorithms letting the parameters adapt themselves to the problem is a critical and open problem of EAs. This work proposes a novel ensemble machine learning method that is able to learn rules, solve problems in a parallel way and adapt parameters used by its components. A self-adaptive ensemble machine consists of simultaneously working extended classifier systems (XCSs). The proposed ensemble machine may be treated as a meta classifier system. A new self-adaptive XCS-based ensemble machine was compared with two other XCS-based ensembles in relation to one-step binary problems: Multiplexer, One Counts, Hidden Parity, and randomly generated Boolean functions, in a noisy version as well. Results of the experiments have shown the ability of the model to adapt the mutation rate and the tournament size. The results are analyzed in detail.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2010, 20, 1; 157-174
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Combined classifier based on feature space partitioning
    Autorzy:
    Woźniak, M.
    Krawczyk, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/331294.pdf
    Data publikacji:
    2012
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    rozpoznawanie wzorców
    system klasyfikujący wielokrotny
    algorytm grupowania
    algorytm selekcji
    algorytm ewolucyjny
    pattern recognition
    combined classifier
    multiple classifier system
    clustering algorithm
    selection algorithm
    evolutionary algorithm
    Opis:
    This paper presents a significant modification to the AdaSS (Adaptive Splitting and Selection) algorithm, which was developed several years ago. The method is based on the simultaneous partitioning of the feature space and an assignment of a compound classifier to each of the subsets. The original version of the algorithm uses a classifier committee and a majority voting rule to arrive at a decision. The proposed modification replaces the fairly simple fusion method with a combined classifier, which makes a decision based on a weighted combination of the discriminant functions of the individual classifiers selected for the committee. The weights mentioned above are dependent not only on the classifier identifier, but also on the class number. The proposed approach is based on the results of previous works, where it was proven that such a combined classifier method could achieve significantly better results than simple voting systems. The proposed modification was evaluated through computer experiments, carried out on diverse benchmark datasets. The results are very promising in that they show that, for most of the datasets, the proposed method outperforms similar techniques based on the clustering and selection approach.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2012, 22, 4; 855-866
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Macierzowy model ewolucji składu ziarnowego materiału w dowolnym układzie mieląco-klasyfikującym
    Matrix model for transformation of particle size distribution of material in arbitrary milling-classify system
    Autorzy:
    Zbroński, D.
    Powiązania:
    https://bibliotekanauki.pl/articles/216582.pdf
    Data publikacji:
    2011
    Wydawca:
    Polska Akademia Nauk. Instytut Gospodarki Surowcami Mineralnymi i Energią PAN
    Tematy:
    modelowanie
    macierz blokowa
    macierz przejścia
    macierz klasyfikacji
    skład ziarnowy
    młyn
    klasyfikator
    obieg złożony
    układ mieląco-klasyfikujący
    modeling
    block matrix
    transition matrix
    classification matrix
    particIe size distribution
    mill
    classifier
    complex circuit
    milling-classify system
    Opis:
    W pracy szczegółowo omówiono sposób tworzenia macierzowego modelu ewolucji składu ziarnowego materiału w dowolnym układzie mieląco-klasyfikującym. Proponowany model oparty na równaniu bilansu masowego populacji ziaren składa się z trzech macierzy blokowych: macierzy całego układu M, macierzy wejść (nadawy bądź produktu) stopni układu F i macierzy nadawy całego układu F0. Poszczególne elementy macierzy blokowej M opisują ewolucję składu ziarnowego w całym układzie. W macierzy tej zawsze występuje macierz jednostkowa I i macierz zerowa 0, a w zależności od złożoności schematu układu pojawiają się w niej także macierz przejścia P i macierz klasyfikacji C, której elementy można wyznaczyć eksperymentalnie. Występujące w modelu elementy macierzy blokowej F opisują wszystkie gęstości składu ziarnowego wchodzące do danego stopnia układu mieląco-klasyfikującego, zaś elementy macierzy blokowej F0 ujmują gęstość składu ziarnowego nadawy ze źródeł zewnętrznych podawanej do wszystkich stopni układu. W pracy przedstawiono algorytm i trzy przykłady tworzenia macierzy blokowych dla wybranych schematów układu. Zaproponowany model może być wykorzystany w prognozowaniu uziarnienia produktu opuszczającego wybrany stopień układu oraz w modelowaniu procesów przeróbczych.
    Complex circuit of milling-classify systems are used in different branches of industry, because the required particle size distribution of product can seldom be reached in a single-stage grinding on the same device. The multistage processes of comminution and classification make possible suitable selection of parameters process for variables graining of fed material, mainly through sectioning of devices or change of their size and the types. Grinding material usually contains size fractions, which meet the requirements relating finished product. Then profitable is preliminary distributing material on a few size fractions, so to deal out with them demanded fraction of product, whereas remaining to direct alone or together with fed material to the same or different device. If the number of mills and classifiers in a circuit is large enough, building the model of particle size distribution transformation becomes rather complicated even for the circuit of a given structure. The situation becomes much more complicated, if we want to compare characteristics of all possible circuits, that can be constructed from these mills and classifiers, because the number of possible circuits increases greatly with the increase of number of devices being in the milling-classify system. The method creating matrix model for transformation of particle size distribution in a circuit of arbitrary structure of milling-classify system is presented in the article. The proposed model contains the mass population balance of particle equation, in which are block matrices: the matrix of circuit M, the matrix of inputs F and the matrix of feed F0. The matrix M contains blocks with the transition matrix P, the classification matrix C, the identity matrix I and the zero matrix 0 or elements describing the transformation of particle size distribution in the circuit. The matrix F is the block column matrix, which elements describing all particle size distributions at inputs to the circuit elements. The matrix F0 is the block column matrix, which elements describing particle size distributions in all feeds to the circuit. In paper was discussed this model in details, showed algorithm and three examples formatrix construction for the closed circuit ofmilling-classify systems. In conclusion was affirmed, that presented model makes possible to forecasting particle size distribution of grinding product, which leaving chosen the unit of system. The matrix model can be applied to improving modeling of mineral processing in the different grinding devices.
    Źródło:
    Gospodarka Surowcami Mineralnymi; 2011, 27, 3; 69-80
    0860-0953
    Pojawia się w:
    Gospodarka Surowcami Mineralnymi
    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