Ograniczanie wyników
Czasopisma help
Autorzy help
Lata help
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 631

Liczba wyników na stronie
first rewind previous Strona / 32 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  classification
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 32 next fast forward last
2
EN
The aim of the paper is to present how some of the data mining tasks can be solved using the R programming language. The full R scripts are provided for preparing data sets, solving the tasks and analyzing the results.
PL
Artykuł przedstawia zarys problemu antropogenicznych anomalii grawitacyjnych. W odróżnieniu od innych prac, koncentrujących się głównie na anomaliach pochodzenia górniczego, podjęto w nim próbę całościowego ujęcia tematu. W początkowej części artykułu zwrócono uwagę na problemy związane z wyznaczeniem przyspieszenia siły ciężkości oraz znaczenie tej wielkości dla konstrukcji geoidy i dokładności pomiarów geodezyjnych. Zdefiniowano antropogeniczną anomalię grawitacyjną i podano opracowaną przez autora systematyczną klasyfikację jej źródeł. Sformułowano uproszczone modele obliczeniowe dla charakterystycznych typów źródeł. Używając tych modeli, oszacowano wartości anomalii grawitacyjnych, powodowanych przez wymienione w klasyfikacji, reprezentatywne przykłady źródeł i przedyskutowano ich znaczenie.
EN
This article presents the outline of the anthropogenic gravity anomalies problem. In contrast to other papers concerning mining-related anomalies, here a holistic approach to the subject was attempted. In the introductory part of the article, the attention is given to the problems with determination of the gravity acceleration, and the importance of this estimation to the geoid construction and accuracy of measurements in land surveying. An anthropogenic gravity anomaly was defined and a systematic classification of its sources was developed and given by the author. Simplified computational models for the characteristic source types were formulated. Using those models, the values of gravity anomalies were estimated. The anomalies are caused by enumerated in the classification representative examples of sources and their significance was discussed.
4
Content available remote CNN application in face recognition
EN
The paper presents application of the convolutional neural network (CNN) in face recognition. The CNN is regarded nowadays as the most efficient tool in image analysis. This technique was applied to recognition of two databases of faces: the own base containing 68 classes of very different variants of face composition (grey images) and 244 classes of color face images represented as RGB images (MUCT data base). This paper will compare different solutions of classifiers applied in CNN, autoencoder and the traditional approach relying on classical feature generation methods and application of support vector machine classifier. The numerical results of experiments performed on the face image database will be presented and discussed.
PL
Praca przedstawia zastosowanie sieci CNN w rozpoznaniu obrazów twarzy. Twarze poddane eksperymentom pochodzą z dwu baz danych. Jedna z nich jest własną bazą zawierającą 68 klas reprezentowanych w postaci obrazów w skali szarości i drugą (MUCT) zawierającą 244 klasy reprezentujące obrazy kolorowe RGB. Zbadano i porównano różne metody rozpoznania obrazów. Jedna z nich polega na zastosowaniu konwolucyjnej sieci neuronowej CNN z dwoma różnymi klasyfikatorami końcowymi (softmax i SVM). Inne głębokie podejście stosuje autoenkoder do generacji cech i SVM jako klasyfikator. Wyniki porównano z klasycznym podejściem wykorzystującym transformację PCA w połączeniu z klasyfikatorem SVM.
EN
In the article, an approach based on clustering is proposed, according to which the influence of an individual model is inversely proportional to the volumes of aggregated groups. With this approach, the influence of an individual solution of the model, which differs from others, is significantly increased. Aggregation of groups is made in direct proportion to the correlation of decisions. Moreover, the aggregation of groups of models is performed according to the hierarchical structure of the ensemble. The solutions of strongly correlated groups of models are replaced by a single cluster solution. This solution at the next level can be grouped with other closest groups of models. Due to this architecture, the level of influence of a single solution of the model is increased. The main advantage of the proposed approach is the determination of the structure of the ensemble depending on the correlation of model decisions. Clusterization of decisions for features of similarity enhances the role of diversity and allows levelling out the error of an individual decision at a local level and to provide acceptable global indicators of cluster efficiency. Advantage of the proposed approach is the possibility of building an ensemble based on the properties of the correlation parameters.
PL
W artykule zaproponowano podejście oparte na grupowaniu, zgodnie z którym wpływ modelu indywidualnego jest odwrotnie proporcjonalny do wielkości grup zagregowanych. Dzięki takiemu podejściu wpływ indywidualnego rozwiązania modelu, różniącego się od innych, jest znacząco zwiększony. Agregacja grup jest dokonywana w sposób wprost proporcjonalny do korelacji decyzji. Ponadto agregacja grup modeli odbywa się zgodnie z hierarchiczną strukturą zespołu. Rozwiązania silnie skorelowanych grup modeli są zastępowane przez jedno rozwiązanie klastrowe. Rozwiązanie to na kolejnym poziomie może być grupowane z innymi najbliższymi grupami modeli. Ze względu na taką architekturę zwiększa się poziom wpływu pojedynczego rozwiązania modelu. Główną zaletą proponowanego podejścia jest określenie struktury zespołu w zależności od korelacji decyzji modelowych. Klasteryzacja decyzji dla cech podobieństwa zwiększa rolę różnorodności i pozwala na wyrównanie błędu pojedynczej decyzji na poziomie lokalnym oraz zapewnienie akceptowalnych globalnych wskaźników efektywności klastra. Zaletą proponowanego podejścia jest możliwość budowania zespołu w oparciu o właściwości parametrów korelacji.
EN
A ship moving over the surface of water generates disturbances that are perceived as noise, both in the air and under water. Due to its density, water is an excellent medium for transmitting acoustic waves over long distances. This article describes the impact of the settings of a ship’s machinery on the nature of the generated noise. Our analysis includes the frequency characteristics of the noise generated by the moving ship. Data were obtained using an underwater measurement system, and the measured objects were two ships moving on specific trajectories with certain machinery settings. The acquired data were analysed in the frequency domain to explore the possibilities of the acoustic classification of ships and diagnostics of source mechanisms.
EN
The microalga Dunaliella has been the focus of attention over recent decades owing to its high biotechnological potential for the production of β-carotene, biofuels and even as a good expression system for the production of recombinant proteins. Different species of this genus have unique features, biological characteristics and biotechnological potential. Therefore, it is necessary to have a clear and reliable taxonomic method to identify different species of Dunaliella. Although several taxonomic systems are available for Dunaliella based on morphological, physiological and molecular features, none of these methods are reliable enough and some controversies exist over different classification systems. In the current study, molecular techniques and bioinformatics tools have been used to re-assess the phylogenetic position of Dunaliella species based on 18S ribosomal DNA (18S rDNA), ITS and rbcL regions. The overall findings based on these markers provide a new and more reliable tool for phylogenetic analysis of Dunaliella species/strains.
EN
In addition to rock waste post-mining waste dump sites also contain coal grains justifying treating the dump sites as secondary mineral deposits. The article presents the results of laboratory tests aimed at determining the possibility of using suspending bed technology to separate a combustible substance from post-mining waste of a 4-0 mm grain size. The test results showed the possibility of obtaining good quality coal concentrates from coal waste of a grain size of 4-1 mm. The need for desludging and densifying the feed for the classifier with an autogenic suspending bed in the case of coal waste beneficiation in a wide 4-0 mm grain size justifies the use of a twochamber device or two separate classifiers for narrower grain size classes. Concepts of systems for the recovery of fine coal grains providing the use of the classifier with autogenous suspending bed for the density distribution of feeds with high ash content are presented. The concepts were developed for beneficiation of the material in a 4-0 mm grain class.
EN
Mammography based breast cancer screening is very popular because of its lower costing and readily availability. For automated classification of mammogram images as benign or malignant machine learning techniques are involved. In this paper, a novel image descriptor which is based on the idea of Radon and Wavelet transform is proposed. This method is quite efficient as it performs well without any clinical information. Performance of the method is evaluated using six different classifiers namely: Bayesian network (BN), Linear discriminant analysis (LDA), Logistic, Support vector machine (SVM), Multilayer perceptron (MLP) and Random Forest (RF) to choose the best performer. Considering the present experimental framework, we found, in terms of area under the ROC curve (AUC), the proposed image descriptor outperforms, upto some extent, previous reported experiments using histogram based hand‐crafted methods, namely Histogram of Oriented Gradient (HOG) and Histogram of Gradient Divergence (HGD) and also Convolution Neural Network (CNN). Our experimental results show the highest AUC value of 0.986, when using only the carniocaudal (CC) view compared to when using only the mediolateral oblique (MLO) (0.738) or combining both views (0.838). These results thus proves the effectiveness of CC view over MLO for better mammogram mass classification.
10
Content available remote Kleje żelowe – cechy szczególne
PL
Powołując się na normę PN-EN 12004-1, autor przedstawia klasyfikację klejów do płytek ceramicznych i okładzin kamiennych. Wyjaśnia specyfikę klejów żelowych, a także zwraca uwagę na konieczność przestrzegania zasad sztuki budowlanej podczas przyklejania płytek.
EN
Referring to the PN-EN 12004-1 standard, the author presents the classification of adhesives for ceramic tiles and stone cladding. He explains the specifics of gel adhesives, and he also draws attention to the need to follow the best construction practices when laying tiles.
EN
As the delivery of good quality software in time is a very important part of the software development process, it's a very important task to organize this process very accurately. For this, a new method of the searching associative rules were proposed. It is based on the classification of all tasks on three different groups, depending on their difficulty, and after this, searching associative rules among them, which will help to define the time necessary to perform a specific task by the specific developer.
EN
The aim of this article was to determine the effect of principal component analysis on the results of classification of spongy tissue images. Four hundred computed tomography images of the spine (L1 vertebra) were used for the analyses. The images were from fifty healthy patients and fifty patients diagnosed with osteoporosis. The obtained tissue image samples with a size of 50x50 pixels were subjected to texture analysis. As a result, feature descriptors based on a grey level histogram, gradient matrix, RL matrix, event matrix, autoregressive model and wavelet transform were obtained. The results obtained were ranked in importance from the most important to the least important. The first fifty features from the ranking were used for further experiments. The data were subjected to the principal component analysis, which resulted in a set of six new features. Subsequently, both sets (50 and 6 traits) were classified using five different methods: naive Bayesian classifier, multilayer perceptrons, Hoeffding Tree, 1-Nearest Neighbour and Random Forest. The best results were obtained for data on which principal components analysis was performed and classified using 1-Nearest Neighbour. Such an algorithm of procedure allowed to obtain a high value of TPR and PPV parameters, equal to 97.5%. In the case of other classifiers, the use of principal component analysis worsened the results by an average of 2%.
PL
Celem niniejszego artykułu było określenie wpływu analizy głównych składowych na wyniki klasyfikacji obrazów tkanki gąbczastej. Do analiz wykorzystano czterysta obrazów tomografii komputerowej kręgosłupa (kręg L1). Obrazy pochodziły od pięćdziesięciu zdrowych pacjentów oraz pięćdziesięciu pacjentów ze zdiagnozowaną osteoporozą. Uzyskane próbki obrazowe tkanki o wymiarze 50x50 pikseli poddano analizie tekstury. W wyniku tego otrzymano deskryptory cech oparte na histogramie poziomów szarości, macierzy gradientu, macierzy RL, macierzy zdarzeń, modelu autoregresji i transformacie falkowej. Otrzymane wyniki ustawiono w rankingu ważności od najistotniejszej do najmniej ważnej. Pięćdziesiąt pierwszych cech z rankingu wykorzystano do dalszych eksperymentów. Dane zostały poddane analizie głównych składowych wskutek czego uzyskano zbiór sześciu nowych cech. Następnie oba zbiory (50 i 6 cech) zostały poddane klasyfikacji przy użyciu pięciu różnych metod: naiwnego klasyfikatora Bayesa, wielowarstwowych perceptronów, Hoeffding Tree, 1-Nearest Neighbour and Random Forest. Najlepsze wyniki uzyskano dla danych, na których przeprowadzono analizę głównych składowych i poddano klasyfikacji za pomocą 1-Nearest Neighbour. Taki algorytm postępowania pozwolił na uzyskanie wysokiej wartości parametrów TPR oraz PPV, równych 97,5%. W przypadku pozostałych klasyfikatorów zastosowanie analizy głównych składowych pogorszyło wyniki średnio o 2%.
EN
The work combines methods of multidimensional polarization microscopy, statistical processing of data and inductive modeling with the purpose of constructing a methodology for creation of intelligent systems for multi-level forensic medical monitoring based on the example of the post-mortem diagnosis of coronary heart disease and acute coronary insufficiency. The task of classifying the results of the study of biological materials for obtaining a diagnosis was solved. To obtain informative features, a model of biological tissue of the myocardium was developed and the main diagnostic parameters were determined (statistical moments of 1–4 orders of coordinate distributions of the values of azimuths and the ellipticity of polarization and their autocorrelation functions, as well as wavelet coefficients of the corresponding distributions), which are dynamic due to its necrotic changes. The classification of these data was provided by constructing a deciding rule in the multi –raw algorithm of the GMDH. The effectiveness of the described methodology has been experimentally proved.
PL
Praca łączy metody wielowymiarowej mikroskopii polaryzacyjnej, statystycznego przetwarzania danych i modelowania indukcyjnegow celu skonstruowania metodologii tworzenia inteligentnych systemów wielopoziomowego monitorowania w medycyniesądowej na przykładzie pośmiertnej diagnozy choroby wieńcowej i ostrej niewydolności wieńcowej. Wykonano zadanie sklasyfikowania wyników badań materiałów biologicznych w celu uzyskania diagnozy. Aby uzyskać cechy informacyjne, opracowano model tkanki biologicznej mięśnia sercowego i określono główne parametry diagnostyczne (momenty statystyczne 1–4 rzędów współrzędnych rozkładów wartości azymutów i eliptyczności polaryzacji oraz ich funkcji autokorelacji,a także jako współczynniki falkowe odpowiadających im rozkładów), które są dynamiczne z powodu jego zmian nekrotycznych. Klasyfikacja tych danych została zapewniona przez skonstruowanie decydującej reguły w algorytmie multi-raw GMDH. Skuteczność opisanej metodologii została eksperymentalnie udowodniona.
14
EN
The dynamic development of digital technology allows for fast processing of geospatial information for military and civilian applications. Updating geospatial information is an important source of development for today’s economy, based on the freedom of access to databases, and obtaining data using images in different ranges of the electromagnetic spectrum is a comprehensive solution for spatial analysis. Dissemination of research on image acquisition and image processing allows placing sensors at different heights above the Earth’s surface [Dąbrowski et al. 2010]. Technological progress allows greater flexibility in the implementation of commissions that enable, over time, obtaining data in an increasingly economical way. An example of technological optimization is the UAV – the unmanned aerial vehicle – technique, which makes it possible to compete with traditional imaging tasks using aerial photographs [Bareth et al. 2015]. Remote sensing applications are becoming more and more common. This is due to the increase in the capacity of photosensitive matrices, which translates into an increase in image resolution. Due to the tendency towards improvement, better image quality, and increasingly sophisticated algorithms for multispectral image analysis, remote sensing applications will constitute an increasing range of services. The factor favouring the satellite technique is the occurrence of continuous shooting in a short time interval, which affects the popularization of this technique due to the gathering and updating of the collection. By using various techniques, a quantitative and qualitative analysis will be made, coupled with an assessment of the accuracy of the location of objects, costs and efficiency for each method. Remote sensing is based on the classification of objects. Classes represent the respective values from the intervals, in which different wavelengths interact with the object through reflection, absorption or transmission.
PL
Dynamiczne rozwijanie się techniki cyfrowej pozwala na szybkie przetwarzanie informacji geoprzestrzennej, pod kątem militarnego jak i cywilnego zastosowania. Aktualizowanie informacji geoprzestrzennych stanowi ważne źródło rozwoju dzisiejszej gospodarki, opartej na swobodzie dostępu do baz danych, a pozyskanie danych za pomocą obrazów w różnych zakresach spektrum elektromagnetycznego stanowi kompleksowe rozwiązanie do analiz przestrzennych. Rozpowszechnianie się badań naukowych na temat pozyskania i przetwarzania obrazów pozwala na umieszczania sensorów na różnych wysokościach nad powierzchnią Ziemi [Dąbrowski i inni, 2010]. Postęp technologiczny pozwala na większą elastyczność przy realizacji zamówień, które z biegiem czasu pozwalają na coraz korzystniejszą ekonomię pracy w pozyskiwaniu danych. Przykładem optymalizacji technologicznej staje się technika bezzałogowych statków powietrznych UAV, która pozwala konkurować z tradycyjnymi zadaniami wykonywania obrazów za pomocą zdjęć lotniczych [Bareth i inni, 2015]. Zastosowania teledetekcyjne stają się coraz bardziej powszechne. Wynika to ze wzrostu pojemności matryc światłoczułych, co przekłada się na wzrost rozdzielczości. Dzięki tendencji polepszania, jakości obrazów oraz algorytmów do analiz obrazów wielospektralnych, zastosowania teledetekcyjne będą stanowić coraz większy zakres usług. Czynnikiem sprzyjającym dla techniki satelitarnej jest występowanie ciągłości wykonywania zdjęć w niewielkim odstępie czasowym, co wpływa na popularyzowanie tej techniki ze względu na gromadzenie i uaktualnianie zbioru. Dzięki zastosowaniu różnych technik, zostanie dokonana analiza ilościowa i jakościowa, ocena dokładności położenia obiektów, kosztów i efektywności dla każdej z metod. Teledetekcja opiera się na klasyfikacji obiektów. Klasy reprezentują odpowiednie wartości z przedziałów, w których różne długości fal wchodzą w interakcje z danym obiektem poprzez odbicie, absorpcję lub transmisję.
PL
Od momentu wejścia Polski do Unii Europejskiej wprowadzona została europejska klasyfikacja kominów i systemów kominowych. Wprowadzone zostały podstawowe wymagania dla kominów jako wyrobów budowlanych, w tym m.in. wymagania dotyczące bezpieczeństwa konstrukcji, bezpieczeństwa pożarowego, odpowiedniej izolacyjności kominów. Wprowadzono również klasy temperaturowe i klasy ciśnieniowe kominów. W artykule przedstawiono klasyfikację oraz wymagania dla kominów i systemów kominowych jakie obowiązują na terenie Unii Europejskiej.
EN
Since Poland's accession to the European Union, a European classification of chimneys and chimney systems has been introduced. Basic requirements for chimneys as construction products have been introduced, including requirements for structural safety, fire safety, adequate insulation of chimneys. Chimney temperature and pressure classes were also introduced. The article presents the classification and requirements for chimneys and chimney systems that are in force in the European Union.
EN
The traditional education quality detection method is too single and unreasonable, which is not suitable to evaluate students' ability comprehensively. In this paper, the probabilistic neural network (PNN) algorithm is used to detect the education quality by considering the important impact between the various achievements of students. PNN algorithm originates from Bayesian decision rule, and it uses the non-linear Gaussian Parzen window as the probability density function. As PNN model has the virtues of strong nonlinear and anti-interfering ability, it is fit to detect the education quality by classifying the students' achievements. Besides, the influences of different evaluation models on classification accuracy and efficiency are also discussed in this paper. Furthermore, the effect of spread value on PNN model is also discussed. Finally, the actual data are used to detect the education quality. Experimental results show that the detection accuracy can reach 95%, and the detection time is only 0.0156s based on the proposed method. That is to say, the method is a very practical detection algorithm with high accuracy and efficiency. Moreover, it also provides a reference for how to further improve the teaching quality.
PL
W artykule sklasyfikowano źródła energii i metody konwersji odnawialnych źródeł energii. Przedstawiono oraz porównano wybrane z nich, takie jak: fotowoltaika, siłownie wiatrowe, pompy ciepła oraz biomasy.
EN
The article classifies energy sources and conversion methods for renewable energy sources. Selected of them, such as photovoltaics, wind farms, heat pumps and biomass were presented and compared.
EN
Electroencephalogram (EEG) signal of two healthy subjects that was available from literature, was studied using the methods of machine learning, namely, decision trees (DT), multilayer perceptron (MLP), K-nearest neighbours (kNN), and support vector machines (SVM). Since the data were imbalanced, the appropriate balancing was performed by Kmeans clustering algorithm. The original and balanced data were classified by means of the mentioned above 4 methods. It was found, that SVM showed the best result for the both datasets in terms of accuracy. MLP and kNN produce the comparable results which are almost the same. DT accuracies are the lowest for the given dataset, with 83.82% for the original data and 61.48% for the balanced data.
EN
Particulate matters (PMs) are considered as one of the air pollutants generally associated with poor air quality in both outdoor and indoor environments. The composition, distribution and size of these particles hazardously afect the human health causing cardiovascular health problems, lung dysfunction, respiratory problems, chronic obstructive pulmonary disease and lungs cancer. Classifcation models developed by analyzing mass concentration time series data of atmospheric particulate matter can be used for the prediction of air quality and for issuing warnings to protect the health of the public. In this study, mass concentration time series data of both outdoor and indoor particulates matters PM2.5 (aerodynamics size up to 2.5 μ) and PM10.0 (aerodynamics size up to 10.0 μ) were acquired using Haz-Dust EPAM-5000 from six diferent locations of the Muzafarabad city, Azad Kashmir. The linear and nonlinear approaches were used to extract mass concentration time series features of the indoor and outdoor atmospheric particulates. These features were given as an input to the robust machine learning classifers. The support vector machine (SVM) kernels, ensemble classifers, decision tree and K-nearest neighbors (KNN) are used to classify the indoor and outdoor particulate matter time series. The performance was estimated in terms of area under the curve (AUC), accuracy, true negative rate, true positive rate, negative predictive value and positive predictive value. The highest accuracy (95.8%) was obtained using cubic and coarse Gaussian SVM along with the cosine and cubic KNN, while the highest AUC, i.e., 1.00, is obtained using fne Gaussian and cubic SVM as well as with the cubic and weighted KNN.
EN
This article presents an analysis of the possibilities of using image processing methods for feature extraction that allows kNN classification based on a ship’s image delivered from an on-water video surveillance system. The subject of the analysis is the Hough transform which enables the detection of straight lines in an image. The recognized straight lines and the information about them serve as features in the classification process. Above all, this approach allows ships to be recognized, which can then be characterized by a specific representation and shape. Recreational units that are often seen on inland waters were classified correctly using this method. Each analyzed camera image was previously prepared – brought to the form where the ship was visible from the side and the background removed (they were monochromatic – white). The results obtained in this work will allow for the development of the final ship classification method based on camera images. This method is a significant part of the emerging system prototype, which is implemented as part of the Automatic Ship Recognition and Identification (SHREC) project.
first rewind previous Strona / 32 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.