Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

1 2004

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: identification alloys

Sortuj według:

Ogranicz wyniki do:

Rozpoznawanie stopów miedź-pallad z zastosowaniem metod klasyfikacji

Jóźwik A., Lesiak B., Biliński A.

Automatyka / Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

2004

T. 8, z. 3

441-448

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.

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.