Distributed Hierarchical Classification Grid with FCOC Coefficient

• Autorzy: Wyczechowski M. , Wąs Ł , Wiak S.

Warianty tytułu

PL

Rozproszona sieć klasyfikacji hierarchicznej z użyciem współczynnika FCOC

• Języki publikacji: EN

Abstrakty

EN

In the article authors approach to the topic of classification as a process that can be solved using a distributed network classification. The functioning of the network is determined by a process of enumerating what actions will be subject to its components according to their abundance, technological capabilities, and the tasks they would be subjected. The main theme of the paper is the ability to remotely perform the tasks of classification based on a hierarchical classification model in an environment that allows to accelerate calculations.

PL

W artykule Autorzy podchodzą do tematu klasyfikacji jako procesu, który może zostać rozwiązany przy użyciu rozproszonej sieci klasyfikacyjnej. Funkcjonowanie tej sieci zdeterminowane jest poprzez proces wyliczający działania jakim zostaną poddane jej składowe w zależności od ich liczebności, technologicznych możliwości i zadań jakim zostaną poddane. Głównym tematem artykułu jest możliwość zdalnego wykonywania zadań klasyfikacyjnych opartych o hierarchiczny model klasyfikacji w środowisku umożliwiającym przyspieszenie obliczeń.

Słowa kluczowe

EN

distributed network classification; hierarchical classification model; calculation

PL

rozproszona sieć klasyfikacyjna; obliczenia; hierarchiczny model klasyfikacji

• Wydawca: Sieć Badawcza Łukasiewicz - Poznański Instytut Technologiczny
• Czasopismo: Logistyka
• Rocznik: 2014
• Tom: nr 4
• Strony: 5061--5068, CD6
• Opis fizyczny: Bibliogr. 15 poz., rys., tab., wz.

Twórcy

autor

Wyczechowski M.

• Lodz University of Technology, Faculty of Electrical, Electronic, Computer and Control Engineering, Institute of Mechatronics and Information Systems

autor

Wąs Ł

• Lodz University of Technology, Faculty of Electrical, Electronic, Computer and Control Engineering, Institute of Mechatronics and Information Systems

autor

Wiak S.

• Lodz University of Technology, Faculty of Electrical, Electronic, Computer and Control Engineering, Institute of Mechatronics and Information Systems

Bibliografia

• [1] Michie D., Spiegelhalter D.J., Taylor C.C.: Machine Learning, Neural and Statistical Classification.
• [2] Mather P., Tso B.: Classification Methods for Remotely Sensed Data.
• [3] Rohwer R., Morciniec M.: A Theoretical and Experimental Accountof n-tuple Classifier Perfor-mance, Neural Computation 657–670, 1996.
• [4] Hall P., Martin R.: “Incremental Eigenanalysis for Classification” Proc. British Vision Conference vol 1 pp . 286–295, 1998.
• [5] Harman H.H.: Modern Factor Analysis. University of Chicago Press. pp. 175, 176.
• [6] Larsen R., Warne R.T: (2010). Estimating confidence intervals for eigenvalues in exploratory factor analysis. Behavior Research Methods, 42, 871-876. doi:10.3758/BRM.42.3.871.
• [7] Suhr D.: (2009). Principal component analysis vs. exploratory factor analysis. SUGI 30 Proceedings. Retrieved 5 April 2012.
• [8] Ritter N.: (2012). A comparison of distribution-free and non-distribution free methods in factor analysis. Paper presented at Southwestern Educational Research Association (SERA) Conference 2012, New Orleans, LA (ED529153).
• [9] Jolliffe I.T.: Principal Component Analysis, Series: Springer Series in Statistics, 2nd ed., Springer, NY, 2002, XXIX, 487 p. 28 illus.
• [10] Hotelling H.: Analysis of a complex of statistical variables into principal components. Journal of Educational Psychology, 24, 417–441, and 498–520.
• [11] Tanenbaum A.: Systemy rozproszone. Zasady i paradygmaty.
• [12] Nawrocki W.: Rozproszone systemy pomiarowe Wydawnictwo: Komunikacji i Łączności , Luty 2006.
• [13] Stallings W.: Kryptografia i bezpieczeństwo sieci komputerowych. Koncepcje i metody bezpiecznej komunikacji
• [14] Coulouris G., Dollimore J., Kindberg T., Blair G.: Distributed Systems: Concepts and Design.
• [15] Lesser V., Ortiz Jr. C.L., Tambe M.: Distributed Sensor Networks: A Multiagent Perspective.