Wykorzystanie pakietowego przekształcenia falkowego do redukcji i selekcji danych w procesie klasyfikacji sygnałów z sonaru

• Autorzy: Przyłucki S. , Pawelski W.

Warianty tytułu

EN

Utilization of the wavelet packet transform for the data reduction and selection in the classification process

• Języki publikacji: PL

Abstrakty

PL

Praca dotyczy zagadnień redukcji i selekcji informacji w danych podawanych na wejście układu klasyfikatora. Artykuł zawiera omówienie zagadnień związanych z wykorzystaniem funkcji bazowych jako narzędzia wstępnej analizy danych. Przedstawiono skrótowe omówienia własności transformacji falkowej WT oraz jej uogólnionej wersji w postaci pakietowego przekształcenia falkowego WPT. Wskazano na wady i zalety transformacji wykorzystujących funkcje bazowe z punktu widzenia zagadnienia klasyfikacji danych pomiarowych. Wnioski z tej analizy pozwoliły na zaproponowanie nowego algorytmu wstępnej analizy danych nazwanego algorytmem LDBFS. Jest to rozwiązanie hybrydowe, które posiada własności metod wydobywania cech (zagadnienie analizy informacji zawartej w zbiorze danych pomiarowych) jak i metod selekcji cech (zagadnienie redukcji wymiaru wektora cech). Algorytm LDBFS pozwala na dowolne definiowanie cech nowych zbiorów danych powstających przez przekształcenie pierwotnych zbiorów cech. Dobierając odpowiednią dla danego zagadnienia funkcję matkę w transformacji falkowej oraz funkcję wyróżniania informacji można uzyskać efekt uwypuklenia wyłącznie danych istotnych z punktu widzenia dalszej analizy. Praca zawiera szczegółowy opis algorytmu LDBFS. Własności nowego algorytmu zostały zweryfikowane poprzez porównanie wyników klasyfikacji danych pochodzących z sonaru. Wykorzystano w tym celu dwie metody klasyczne, tj. algorytm M1NERR (selekcja cech), algorytm PCA (wyszukiwanie cech), oraz opracowany przez autorów algorytm LDBFS.

EN

The primary goal of the paper is to present the new data preprocessing method which allows the improvement of the classification process. That method, which we called LDBFS (Local Discriminant Bases with Feature Selection) is based on the wavelet packet transform. The LDBFS algorithm is a hybrid approach which consists of two main parts: feature extraction block and feature selection block. It reduces the dimensionality of data sets and maximizes a class separability for classification problems. Thanks to possibility to define the information discriminant function related to the data characteristics, the most significant features can be easily separated while the others, less important from the classification point of view, can be rejected. We tested our method using sonar dataset. That example show the superiority of our approach over classical methods (M1NERR and PCA). The comparison, presented in the paper, proves that LDBFS algorithm provide us with better insight of relationships between the essential features of inputs signals and corresponding outputs what tends to enhances the performance of any classifier.

Słowa kluczowe

PL

przekształcenie falkowe; algorytm LDBFS; algorytm MINERR; algorytm PCA; redukcja danych; selekcja danych; sonar

EN

wavelet transform; LDBFS algorithm; MINERR algorithm; PCA algorithm; data reduction; data selection; sonar

• Wydawca: Politechnika Łódzka, Instytut Elektroniki
• Czasopismo: Elektronika : prace naukowe
• Rocznik: 2000
• Tom: nr 5
• Strony: 51--79
• Opis fizyczny: Bibliogr. 31 poz.

Twórcy

autor

Przyłucki S.

autor

Pawelski W.

• Dept. of Electronics, Lublin University of Technology,