Wyniki wyszukiwania - BazTech

1

An overview of classification methods from dermoscopy images in skin lesion diagnostic

Michalska Magdalena, Boyko Oksana

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2020

|

T. 10, nr 2

36--39

EN

The article contains a review of selected classification methods of dermatoscopic images with human skin lesions, taking into account various stages of dermatological disease. The described algorithms are widely used in the diagnosis of skin lesions, such as artificial neural networks (CNN, DCNN), random forests, SVM, kNN classifier, AdaBoost MC and their modifications. The effectiveness, specificity and accuracy of classifications based on the same data sets were also compared and analyzed.

PL

Artykuł zawiera przegląd wybranych metod klasyfikacji obrazów dermatoskopowych zmian skórnych człowieka z uwzględnieniem różnych etapów choroby dermatologicznej. Opisane algorytmy są szeroko wykorzystywane w diagnostyce zmian skórnych, takie jak sztuczne sieci neuronowe (CNN, DCNN), random forests, SVM, klasyfikator kNN, AdaBoost MC i ich modyfikacje. Porównana i przeanalizowana została również skuteczność, specyficznośc i dokładność klasyfikatów w oparciu o te same zestawy danych.

2

Filtracja i korelacja zdarzeń bezpieczeństwa – modele i metody

Szynkiewicz Paweł, Kozakiewicz Adam

Przegląd Elektrotechniczny

|

2019

|

R. 95, nr 3

143--150

PL

Praca dotyczy zagadnień filtracji i korelacji zdarzeń bezpieczeństwa w sieciach teleinformatycznych. Filtracja jest wykonywana względem pewnych zdefiniowanych atrybutów charakteryzujących zdarzenie. Korelacja jest rozumiana jako proces kojarzenia ze sobą informacji o możliwych incydentach naruszenia bezpieczeństwa i zagrożeniach w sieci pozyskanych z różnych źródeł. Kojarzone są ze sobą zdarzenia o podobnych wartościach wspomnianych wcześniej atrybutów. Oba problemy są zdefiniowane i omówione są różne podejścia, które można zastosować do ich rozwiązania. Szczególna uwaga jest zwrócona na techniki grupowania i klasyfikacji.

EN

The paper is concerned with the problem of filtration and correlation of security incidents - suspicious events in computer networks. Each event is specifiable by a set of attributes and whole dataset is filtered w.r.t. these attributes to identify the suspicious events. Correlation is accomplished by looking for and analyzing relationships between suspicious events and vulnerabilities from heterogeneous datasets. The aim is to group data with the similar values of attributes. A brief survey of a set of techniques to investigate event patterns and combine suspicious events into meaningful entities is provided. The attention is focused on classification and grouping techniques.

3

Komputerowa klasyfikacja cząstek mieszaniny polidyspersyjnej

Rząsa M., Łukasiewicz E.

Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej

|

2017

|

Nr 55

57--60

PL

Koagulacja jest jednym z procesów technologicznych wykorzystywanym podczas uzdatniania wody oraz oczyszczania ścieków. W trakcie tego procesu tworzą się kłaczki zawiesiny, charakteryzujące się zmiennym kształtem, rozmiarem i strukturą. Czynniki te mają duży wpływ na proces opadania zawiesiny kłaczkowatej, dlatego modelowanie opadania zawiesiny polidyspersyjnej jest bardzo skomplikowane. W niniejszej pracy zaprezentowano metodę klasyfikacji cząstek osadu pokoagulacyjnego, przy użyciu obliczonych współczynników k1, k2 i k3. Odpowiednie wartości tych współczynników pozwalają na zakwalifikowanie rozważanego kłaczka do danej grupy cząstek. Idea metody polega na obliczeniu powierzchni danej cząstki właściwej dla jej obrazu mikroskopowego. Następnie przy wykorzystaniu komputerowej analizy obrazu wyliczane są potrzebne parametry.

EN

The coagulation process is commonly used in water and wastewater treatment processes. The demand for high-quality drinking water is increasing because the number of uncontaminated water sources decreases. During coagulation flocs are formed, and are characterized by different shapes, structures and dimensions. Because of this, removing of this particles may produce some problems for researchers, cause the sedimentation way of this particles is disturbed. In this research is presented method of flocs classification where coefficients k1, k2 and k3 were calculated. An appropriate value of coefficient k allows to classify consider particle to a specific group. Idea of the classification method consists in calculating surface areas for particle image registered using microscope. After that, the images are analyzed (computer image processing). Analyzed images will be used for future studies, where the settling phenomenon will be describe. In order to apply this method to other suspensions must be experimentally determine the appropriate values of the coefficients k1, k2 and k3.

4

Vessel classification method based on vessel behavior in the port of Rotterdam

Zhou Y., Daamen W., Vellinga T., Hoogendoorn S.

Zeszyty Naukowe Akademii Morskiej w Szczecinie

|

2015

|

nr 42 (114)

86--92

EN

AIS (Automatic Identification System) data have proven to be a valuable source to investigate vessel behavior. The analysis of AIS data provides a possibility to recognize vessel behavior patterns in a waterway area. Furthermore, AIS data can be used to classify vessel behavior into several categories. The analysis results would help the port authority and other equivalent parties in port design and optimization or marine traffic management. For researchers, it provides a systematic way to understand, simulate and predict vessel behavior. This paper focuses on vessel classification in the Botlek area, Rotterdam from the perspective of vessel behavior. In this paper, the vessel properties, including vessel type, GT (Gross Tonnage), length and beam, have been analyzed to investigate the vessel behavior, which is described by four factors including heading, COG (Course over Ground), SOG (Speed over Ground), and position. In order to discover the behavior patterns in normal situations, several thresholds are set in order to filter the collected AIS data to define such situations. By plotting the AIS data, behavioral changes with the changes of properties have been observed. Hence, the correlations between vessel behavior and different vessel properties are investigated. The results reveal that a vessel’s sailing position and COG are both strongly determined by beam, while SOG is affected by GT. For the heading of a vessel, no obvious correlation with any vessel property is found. Each behavioral factor is clustered according to the correlated vessel property. This way, the criteria to classify the vessels are determined. The vessel classification results based on their behavior would likely to lead to more consistency in the analysis, simulation and prediction of the vessel behavior. The reason is that the development of such a simulation model is based on a systematic recognition of the vessel behavior patterns.