Dynamic classification: a novel approach to selection of complex objects

• Autorzy: Łukawska B.

Warianty tytułu

PL

Dynamiczna klasyfikacja: nowe podejście do problemu selekcji skomplikowanych obiektów

• Języki publikacji: EN

Abstrakty

EN

The problem of selecting the best objects may be solved with the help of classification tools. There are many software tools helpful in data exploration, and in the classification, but all of them have some restrictions. Selection algorithms used in these tools are of no use for data burdened with errors and noise, or if the information should be dynamically processed during the experiment. The problem is analyzed using selection of candidates for mobile robot (mobot) operators as an example. The paper includes comparison of basic classification methods (classification trees, rough sets and fuzzy sets), too. Moreover, a new software tool, effective in candidate selection, is presented. The tool is especially useful for candidates for difficult tasks and jobs requiring special predispositions. Presented classifier works with data burdened with noise, and also if the data is gathering dynamically, after the classification has started. In may be used practically, ensuring high reliability.

PL

Problem selekcji najlepszych obiektów może być rozwiązany z pomocą narzędzi wspomagających klasyfikację. Istnieje wiele narzędzi programowych przeznaczonych do eksploracji danych, w tym do klasyfikacji, ale każde z nich posiada pewne ograniczenia. Stosowane w nich metody selekcji nie sprawdzają się dla danych obciążonych błędami lub szumem, dla których istotna informacja powinna być dynamicznie pozyskiwana w trakcie trwania eksperymentu. Problem jest analizowany na przykładzie selekcji kandydatów na operatorów mobilnego robota (mobota). Praca zawiera porównanie podstawowych metod klasyfikacji (drzew klasyfikacyjnych, zbiorów przybliżonych oraz zbiorów rozmytych). Ponadto przedstawione jest nowe narzędzie programowe, skuteczne w selekcji kandydatów do wykonania trudnych zadań lub zawodów wymagających specyficznych predyspozycji. Prezentowany klasyfikator jest użyteczny zarówno w wypadku danych obciążonych szumami, jak i danych napływających dynamicznie, po rozpoczęciu procesu selekcji. Może być on wykorzystany w praktyce zapewniając dużą wiarygodność wyników.

Słowa kluczowe

EN

classification; fuzzy sets; mobile robots; rough sets; selection

PL

klasyfikacja; roboty mobilne; selekcja; zbiory przybliżone; zbiory rozmyte

• Wydawca: Wydawnictwo Politechniki Krakowskiej im. Tadeusza Kościuszki
• Czasopismo: Czasopismo Techniczne. Informatyka
• Rocznik: 2011
• Tom: R. 108, z. 1-I
• Strony: 21--31
• Opis fizyczny: Bibliogr. 38 poz.,

Twórcy

autor

Łukawska B.

• Katedra Informatyki, Wydział Elektrotechniki, Automatyki i Informatyki, Politechnika Świętokrzyska

Bibliografia

• [1] Dobre Programy (dobreprogramy.pl).
• [2] ICM Centrum Obliczeniowe (www.icm.edu.pl/kdm/Numeryka:_Statystyka).
• [3] The R Project for Statistical Computing (www.r-project.org).
• [4] SPSS (www.spss.com/spss).
• [5] StatSoft Polska – Statistica (www.statsoft.pl).
• [6] The University of Waikato – WEKA (www.cs.waikato.ac.nz/ml/weka).
• [7] Cichosz P., Systemy uczące się, WNT, 2000.
• [8] Koronacki J., Ćwik J., Statystyczne systemy uczące się, WNT, 2005.
• [9] International Rough Set Society (roughsets.home.pl/www).
• [10] Rough Set Database System (rsds.univ.rzeszow.pl).
• [11] Rutkowski L., Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN, 2006.
• [12] Zadeh L.A., Home page (www.cs.berkeley.edu/~zadeh).
• [13] Pawlak Z., Rough classification, International Journal of Human-Computer Studies, Volume 51, Issue 2, 1999.
• [14] Polkowski L., Tsumoto S., Lin T.Y., Rough Set Methods and Applications, Physica-Verlag, Heidelberg, Germany 2000.
• [15] Tsumoto S., Modelling medical diagnostic rules based on rough sets, RSCTC, LNCS (LNAI), Vol. 1424, Springer, Heidelberg, 1998, 475-482.
• [16] ROSETTA: A Rough Set Toolkit for Analysis of Data (rosetta.lcb.uu.se/general/features.htm).
• [17] Rough Set Exploration System (logic.mimuw.edu.pl/~rses).
• [18] Kuncheva L.I., Fuzzy Classifier Design, Springer-Verlag, Heidelberg 2000.
• [19] Free Fuzzy Logic Library (ffll.sourceforge.net).
• [20] FuzzyLogic: Open Source Fuzzy Logic (jfuzzylogic.sourceforge.net).
• [21] Fuzzy Logic in Integrated Reasoning (www.iit.nrc.ca/IR_public/fuzzy).
• [22] Simulink – Simulation and Model-Based Design (www.mathworks.com/products/simulink).
• [23] FuzzyTECH Home Page (www.fuzzytech.com).
• [24] Sapiecha K., Bedla M., Łukawska B., Paduch P., Computer-based system for training and selecting mobile robot operators – evolving software tools, Informatyka – badania i zastosowania (IBIZA), Kazimierz Dolny 2007.
• [25] Sapiecha K., Łukawska B., Bedla M., Computer-based system for training and selecting mobile robot operators – selection procedure, Informatyka – badania i zastosowania (IBIZA), Kazimierz Dolny 2007.
• [26] Bedla M., Łukawska B., Sapiecha K., Software architecture for a system of remote training mobot operators, Proceedings of the 3-rd International Conference: ACSN 2007, Lwów 2007.
• [27] Łukawska B., Paduch P., Sapiecha K., An application of virtual reality for training and ranking operators of mobile robot, Annales UMCS – Informatica AI 5, Lublin 2006, 393-399.
• [28] International Military Testing Assocation (www.internationalmta.org/2003/index.htm).
• [29] Duch W., Sztuczna Inteligencja w Medycynie (www.fizyka.umk.pl/~duch/ref/PL/_9ai-med/ai-med2.html#przyklad).
• [30] FuzzyFluid (www.nickels.fi/likvor/likvor.htm).
• [31] Weka Docs, An online help for free data-mining software (wekadocs.com).
• [32] Weka API Help (weka.sourceforge.net/doc).
• [33] Weka-related Projects (www.cs.waikato.ac.nz/~ml/weka/index_related.html).
• [34] Balachandran A., Rabuya L.C., Shinde S., Takalkar A., Introduction to modeling and simulation systems: Historical perspectives (www.uh.edu/~lcr3600/simulation/historical.html).
• [35] Alexander A.L., Bruny’e T., Sidman J., Weil S.A., From gaming to training: A review of studies on fidelity, immersion, presence, and buy-in and their effects on transfer in pc-based simulations and games, 2005.
• [36] Sapiecha K., Łukawska B., Paduch P., Experimental Data Driven Robot for Pattern Classification, Annales UMCS Informatica AI 3, Lublin 2005, Vol. III, 263-271.
• [37] Sapiecha K., Łukawska B., Bedla M., A procedure of verification of comprehensive tests for selection of candidates for operators of mobile robot, Annales UMCS Informatica AI VIII, 2 Lublin 2008, 97-106.
• [38] Łukawska B., Łukawski G., Sapiecha K., Experimental evaluation of two touring simulators for training operators of mobot, Czasopismo Techniczne, z. 1-I/2008, Wydawnictwo PK, Kraków 2008.