Rozpoznawanie wzorców : projektowanie, ewaluacja zastosowania

• Autorzy: Rybak Łukasz , Dudczyk Janusz

Identyfikatory

DOI

10.15199/13.2021.11.3

Warianty tytułu

EN

Pattern recognition : design, evaluation, applications

• Języki publikacji: PL

Abstrakty

PL

Artykuł stanowi przegląd literatury dotyczącej procesu rozpoznawania wzorców. We wstępie pracy zdefiniowano terminy istotne w kontekście rozważań opisanych w kolejnych sekcjach artykułu oraz określono cel, którym było dokonanie przeglądu istotnych zagadnień ściśle związanych z procesem rozpoznawania wzorców. Następnie scharakteryzowano poszczególne etapy wspomnianego procesu podkreślając zależności pomiędzy nimi. W kolejnej sekcji artykułu opisano istotne problemy występujące na etapie ewaluacji systemu rozpoznawania wzorców. Szczegółowo przedstawiono popularną metodę stosowaną do ich rozwiązywania. Następnie przywołano szereg prac, w których autorzy stosowali proces rozpoznawani wzorców do wielu rzeczywistych problemów.

EN

The article contains a literature review concerning the pattern recognition process. The terms, important in the context of the considerations described in the following sections of the article, were defined in the introduction. Moreover the purpose of the article was stated. The aim was to review significant issues closely related to the pattern recognition process. Then, the each stage of the above-mentioned process were characterized, emphasizing the relationships between them. The next section of the article describes the significant problems that occur at the stage of pattern recognition system evaluation. The popular method used to solve them was presented in detail. Subsequently, a series of papers were referenced in which the authors applied the pattern recognition process to many real-world problems.

Słowa kluczowe

PL

rozpoznawanie wzorców; ewaluacja; klasyfikacja; k-najbliższych sąsiadów; k-krotna walidacja krzyżowa

EN

pattern recognition; evaluation process; classification; k-nearest neighbours; k-fold cross validation

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2021
• Tom: Vol. 62, nr 11
• Strony: 12--15
• Opis fizyczny: Bibliogr. 18 poz., rys.

Twórcy

autor

Rybak Łukasz

• Państwowa Uczelnia im. Stefana Batorego, Instytut Nauk Informatyczno-Technicznych, Skierniewice

autor

Dudczyk Janusz

• Państwowa Uczelnia im. Stefana Batorego, Instytut Nauk Informatyczno-Technicznych, Skierniewice

Bibliografia

• [1] J. Dudczyk, Ł. Rybak, Adaptive Decision Support System in Network Centric Warfare Process. Elektronika (konstrukcje, technologie, zastosowanie) 2018, Vol. 59, No. 7, pp. 39-42, ISSN: 0033-2089, DOI: 10.15199/13.2018.7.10
• [2] R.O. Duda, P.E. Hart, D.G. Stork, Pattern Classification, 2nd ed.; Wiley-Interscience: New York, NY, USA, 2000; pp. 1-19
• [3] W. Sobczak, W. Malina, Metody selekcji i redukcji informacji. Wydawnictwa Naukowo-Techniczne, Warszawa, 1985
• [4] L.M. Candanedo, V. Feldheim, Accurate occupancy detection of an office room from light, temperature, humidity and CO2 measurements using statistical learning models. Energy Build. 2016, Vol. 112, pp. 28-39, DOI: 10.1016/j.enbuild.2015.11.071
• [5] S. Theodoridis, K. Kountroumbas, Pattern Recognition, ELSEVIER, wyd. IV, 2009
• [6] J.P. Marques de Sa, Pattern Recognition: Concepts, Methods and Applications, Springer, 2001
• [7] J. Chae, Y.J. Kang, Y. Noh, A deep-learning approach for foot-type classification using heterogeneous pressure data. Sensors 2020, Vol. 20, No. 16, DOI: 10.3390/s20164481
• [8] Ł. Rybak, J. Dudczyk, Variant of Data Particle Geometrical Divide for Imbalanced Data Sets Classification by the Example of Occupancy Detection. Applied Sciences 2021, Vol. 11, No. 11, DOI: 10.3390/app11114970
• [9] I.-Ch. Yeh, Ch. Lien, The comparisons of data mining techniques for the predictive accuracy of probability of default of credit card clients. “Expert Systems with Applications” 2009, Vol. 36, No. 2, pp. 2473-2480, DOI: 10.1016/j.eswa.2007.12.020
• [10] S. De Vito, E. Massera, M. Piga, L. Martinotto, G. Di Francia, On field calibration of an electronic nose for benzene estimation in an urban pollution monitoring scenario. “Sensors and Actuators B: Chemical” 2008, Vol. 129, No. 2, pp. 750-757, DOI: 10.1016/j. snb.2007.09.060
• [11] D. Mage, Urban air pollution in megacities of the world, “Atmospheric Environment” 1996, Vol. 30, No. 5, pp. 681-686, DOI: 10.1016/1352-2310(95)00219-7
• [12] D.W. Dockery, C.A. Pope 3rd, X. Xu, J.D. Spengler, J.H. Ware, M.E. Fay, B.G. Ferris Jr, F.E. Speizer, An association between air pollution and mortality in six U.S. cities. “The New England Journal of Medicine” 1993, Vol. 329, No. 24, pp. 1753-1759, DOI: 10.1056/NEJM199312093292401
• [13] P. Cortez, A. Morais, A Data Mining Approach to Predict Forest Fires using Meteorological Data. New Trends in Artificial Intelligence, Proceedings of the 13th EPIA 2007 - Portuguese Conference on Artificial Intelligence, 2007, pp. 512-523, ISBN- 13 978-989-95618-0-9
• [14] A. Armoni, Use of neural networks in medical diagnosis. M.D. Computing : Computers in Medical Practice 1998, Vol. 15, No. 2, pp. 100-104
• [15] A. Quteishat, C.P. Lim, Application of the Fuzzy Min-Max Neural Networks to Medical Diagnosis. Knowledge-Based Intelligent Information and Engineering Systems 2008, Vol 5179, pp. 548-555
• [16] S.M. Kamruzzaman, Md. Monirul Islam, An Algorithm to Extract Rules from Artificial Neural Networks for Medical Diagnosis Problems. International Journal of Information Technology 2006, Vol 12, No. 8, pp. 41-59
• [17] C.Y. Li, D. Konomis, G. Neubig, P. Xie, C. Cheng, E. Xing, Convolutional Neural Networks for Medical Diagnosis from Admission Notes. ArXiv, abs/1712.02768, 2017
• [18] R.M. Mohammad, F. Thabtah, L. McCluskey, Intelligent Rule based Phishing Websites Classification. “IET Information Security” 2014, Vol. 8, No. 3, pp. 153-160, ISSN: 1751-8709