Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-bcfbb946-6a84-4790-b180-1825777da06f

Czasopismo

Logistyka

Tytuł artykułu

Estymacja wariancji składnika losowego w szeregach czasowych przy pomocy cyfrowych filtrów wygładzających

Autorzy Pęksiński, J.  Mikołajczak, G.  Kowalski, J. 
Treść / Zawartość http://www.czasopismologistyka.pl/
Warianty tytułu
EN Estimation of the variance of the random component in the time series with digital smoothing filters
Języki publikacji PL
Abstrakty
PL W pracy przedstawiono metodę estymacji poziomu zakłócenia opartą o filtrację medianową i założenie, że w procesie wygładzania tłumiony jest tylko szum. Znajomość współczynnika redukcji szumu dla filtracji medianowej, pozwala wyznaczyć wartość estymowanej wielkości.
EN This paper presents a method of estimating the level of disturbance, based on median filtration and the assumption that the smoothing process applies to noise, exclusively. The knowledge of a noise reduction coefficient enables the determining of an estimated quantity.
Słowa kluczowe
PL szereg czasowy   cyfrowy filtr wygładzający   metody estymacji   filtracja medianowa  
EN time series   digital smoothing filter   estimation methods   median filtering  
Wydawca Instytut Logistyki i Magazynowania
Czasopismo Logistyka
Rocznik 2014
Tom nr 3
Strony 5047--5052
Opis fizyczny Bibliogr. 10 poz., tab., wykr., CD1
Twórcy
autor Pęksiński, J.
  • Zachodniopomorski Uniwersytet Technologiczny, Katedra Telekomunikacji i Fotoniki, ul. 26 Kwietnia 10, 71-126 Szczecin, jpeksinski@zut.edu.pl
autor Mikołajczak, G.
autor Kowalski, J.
  • Pomorski Uniwersytet Medyczny, Samodzielna Pracownia Informatyki Medycznej i Badań Jakości Kształcenia, ul. Rybacka 1, 70-204 Szczecin, janus@pum.edu.pl
Bibliografia
1. L. Ljung, System identification theory for User. Prentice-Hall, Englewood CliPs, NJ, 1987.
2. H. Poor, An Introduction to Signal Detection and Estimation. New York: Springer-Verlag, 1985.
3. P.G. Ferrario, Local Variance Estimation for Uncensored and Censored Observations, Springer Vieweg, 2013
4. S.K. Mitra, J.F.Kaiser, Handbook Digital Signal Processing, John Willey 1993
5. A. Jones, “New tools in non-linear modelling and prediction", Computational Management Science, vol. 1, no. 2, pp. 109–149, Jul. 2004
6. M. Neumann, “Fully data-driven nonparametric variance estimators” Statistics, vol. 25, pp. 189-212, 1994.
7. J. Kowalski,J. Peksinski, G. Mikolajczak, “Detection of noise in digital images by using the averaging filter name COV“ Intelligent Information and Database Systems 5th Asian Conference, ACIIDS 2013, Proceedings, Pt. 2 eds.: Ali Selamat, Ngoc Thanh Nguyen, Habibollah Haron Berlin [i in.] : Springer, pp. 1-8 2013
8. H. Pi and C. Peterson, “Finding the embedding dimension and variable dependencies in time series, Neural Computation, vol. 6, no. 3, pp.509–520, 1994.
9. E. Eirola, E. Liiti¨ainen, A. Lendasse, F. Corona, and M. Verleysen, “Using the delta test for variable selection,” in ESANN 2008, European Symposium on Artificial Neural Networks, Bruges (Belgium), pp. 25–30 2008
10. J. Peksinski, M. Stefanowski, G. Mikolajczak, Estimating the level of noise in digital images Intelligent multimedia technologies for networking applications: techniques and tools ed. Dimitris N. Kanellopoulos Information Science Reference, pp. 409-433, 2013
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-bcfbb946-6a84-4790-b180-1825777da06f
Identyfikatory