Rozpoznawanie stopów miedź-pallad z zastosowaniem metod klasyfikacji

• Autorzy: Jóźwik A. , Lesiak B. , Biliński A.

Warianty tytułu

EN

Identification of the CuPd alloys with the use of pattern classification methods

• Języki publikacji: PL

Abstrakty

PL

W artykule zaproponowana została metoda selekcji cech wykorzystująca równoważność klasyfikatora typu najbliższy sąsiad z klasyfikatorem określanym jako maszyna liniowa. Wylicza ona wartości tylu liniowych funkcji dyskryminacyjnych, ile wynosi liczebność zbioru odniesienia. Funkcja dyskryminacyjna, przyjmująca największą wartość dla rozpoznawanego obiektu, wskazuje jego klasę. Wartości odchyleń standardowych wag tych funkcji odpowiadających tym samym cechom wykorzystane zostały jako kryterium selekcji cech. Zbiór uczący dotyczył stopów miedź-pallad i charakteryzował się liczbą cech krzywej spektralnej, znacznie przekraczającą jego liczebność. Standardowe kryteria selekcji cech oparte na znajomości klas obiektów zbioru uczącego odznaczają się w takich przypadkach mniejszą wiarygodnością.

EN

A new feature selection approach based on an equivalence of the standard nearest neighbor rule and the classifier called as a linear machine is proposed. The linear machine consists in computation the values of the discriminant functions. Their number is equal to the numerical force of the training set. A classified object is assigned to the class that corresponds to the linear discriminant function with the maximum value. The standard deviations of the discriminant functions weights associated with the same features are used as a feature selection criterion. A training set concerned the copper-pallad alloys and contained a number of features, obtained from a spectrometer, significantly greater than its numerical force. The standard feature selection criteria are based on the class membership knowledge are not sufficiently confident in such cases.

Słowa kluczowe

PL

rozpoznawanie stopów; stopy miedź-pallad; metody klasyfikacji

EN

identification alloys; copper-pallad alloys; pattern classification methods

• Wydawca: Wydawnictwa AGH
• Czasopismo: Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie
• Rocznik: 2004
• Tom: T. 8, z. 3
• Strony: 441--448
• Opis fizyczny: Bibliogr. 6 poz., rys., tab., wykr.

Twórcy

autor

Jóźwik A.

• Instytut Biocybernetyki i Inżynierii Biomedycznej PAN, Warszawa
• Katedra Informatyki Stosowanej, Politechnika Łódzka

autor

Lesiak B.

• Instytut Chemii Fizycznej PAN, Warszawa

autor

Biliński A.

• Instytut Chemii Fizycznej PAN, Warszawa

Bibliografia

• [1] Fix E., Hodges J.L.: Discriminatory Analysis: Nonparametric Discrimination Small Sample Performance, from project 21-49-004, Report Number 11, USAF School of Aviation Medicine, Randolph Field, Texas, 1952, 280-322
• [2] Jabłoński A., Lesiak B., Zommer L., Ebel M.F., Ebel H., Fukuda Y., Suzuki Y, Tougaard S.: Surf. InterfaceAnal.21, 1994,724
• [3] Jóźwik A., Lesiak B.: Analiza ilościowa stopów AuPd na podstawie kształtu widm fotoelektronów z zastosowaniem rozmytej reguły sąsiadów. Półrocznik Automatyka, t. 7, z. 3, 2003, 337-342
• [4] Moulder J.F., Stickle W.F., Soból P.E., Bomben K.D.: Handbook of X-ray Photoeiectron Spectroscopy. A Reference Book of Standard Spectrafor Identification and Interpretation of XPS Data. ChastainJ. eds. Perkin-Elmer Corporation. Physical Electronics Division. Minnesota, 1992
• [5] Nilsson N.J.: Learning Machines. Foundation of trainable pattern classifying systems. New York. McGraw-Hill Company, 1965, chapter 2
• [6] Yamamura Y, Tawara H.: Energy Dependence of ion-induced sputtering yields from monoatomic solids at normal incidence. Atomic Data and Nuclear Data Tables. 1996, 149, 199,218