Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 3

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  przygotowanie danych
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
EN
The paper outlines the effects of data preparation for Accessibility Model for Evaluation of Transport Infrastructure Policy (AMETIP). A balanced and brief description of the main modes of national transport network (road, rail and air transport) in Poland along with their maps was presented. The quantified details of weighted graph (for AMETIP technical purpose) are ready at the level of a commune including a "road system" layer of 2479 vertices and 19 664 edges (134 "highways", 86 "express roads", 681 "roads", 18 763 "local roads"), a "railway system" layer of 1813 vertices and 364 edges, and an "airline system" layer of 15 vertices and 25 edges (including 11 "EGSS" edges). AMETIP multimodal accessibility in Poland can be calculated for the defined period. Simulation of national infrastructure improvements or novel modes of travel require creating another graph that takes into account all official plans for improvements of all modes of travel. The EU scale of analysis is not possible with this data as it would require to identify data sources for inputs to model all European Union Member States, to redefine and recalculate the graph, to estimate impact of the European Commission TEN-T plan execution on the AMETIP accessibility.
PL
Artykuł przedstawia wyniki przygotowania danych do opisanego w poprzedniej publikacji modelu AMETIP (Model Dostępności Transportowej do Testowania Założeń Polityki). Zaprezentowano zrównoważony i krótki opis głównych środków transportu krajowej sieci transportowej (drogowy, kolejowy i lotniczy) w Polsce wraz z ich mapami. Wyrażone liczbowo elementy grafu ważonego (na potrzeby modelowania AMETIP) są gotowe na poziomie szczegółowości gminy w skali kraju i zawierają warstwę 2479 wierzchołków i 19 664 krawędzi (134 "autostradowych", 86 "dróg ekspresowych", 681 "drogowych", 18 763 "dróg lokalnych"), warstwę „systemu kolejowego" składającą się z 1813 wierzchołków i 364 krawędzi oraz warstwę „systemu linii lotniczych" składającą się z 15 wierzchołków i 25 krawędzi (włączając w to 11 krawędzi „EGSS"). Zaproponowano zasymulować multimodalną dostępność transportową AMETIP w Polsce, zidentyfikować źródła danych do przygotowania wkładu dla wszystkich krajów członkowskich Unii Europejskiej, oszacować wpływ realizacji planów Komisji Europejskiej TEN-T na dostępność transportową AMETIP, a także zasymulować wpływ wprowadzenia potencjalnych, nowych środków podróży (takich jak European Personalized Air Transport System, EPATS) na dostępność transportową AMETIP w Unii Europejskiej.
2
Content available remote Algorithm for creating panoramic images based on Mean Square Error
PL
W artykule autorzy przedstawili metodę dopasowania cyfrowych obrazów pozyskanych za pomocą aparatu cyfrowego. Metoda dopasowania opiera swoją zasadę działania na analizie porównawczej dwóch obrazów za pomocą popularnej miary jakości oceny obrazów cyfrowych jaką jest błąd średniokwadratowy. Zastosowany algorytm dopasowania obejmuje synchronizację obrazów zarówno w płaszczyźnie X i Y oraz dopasowanie związane z kątem obrotu między obrazami. Zaproponowany algorytm dopasowania można zastosować do wykonywania zdjęć panoramicznych.
EN
In this paper the authors present a method of matching digital images recorded with a digital camera. The functioning principle of the proposed method is based on the comparison analysis of two images using a popular measure of digital image quality assessment, i.e. mean square error. The applied algorithm includes synchronization of images both in the X and Y planes as well as adjustment related to the angle of rotation between the images. The proposed matching algorithm can be used to create panoramic images.
EN
This paper presents a comparison of different normalization methods applied to the set of feature vectors of music pieces. Test results show the influence of min-max and Zero-Mean normalization methods, employing different distance functions (Euclidean, Manhattan, Chebyshev, Minkowski) as a pre-processing for genre classification, on k-Nearest Neighbor (kNN) algorithm classification results.
PL
Artykuł przedstawia porównanie różnych metod normalizacji zastosowanych do zbioru wektorów cech utworów muzycznych. Wyniki testów prezentują wpływ zastosowania metod normalizacji min-max oraz Zero-Mean z użyciem różnych funkcji odległości (Euklidesowej, Manhattan, Czebyszewa, Minkowskiego) w procesie wstępnego przetwarzania w klasyfikacji gatunków muzycznych z wykorzystaniem algorytmu klasyfikacji k-Najbliższych Sąsiadów (kNN).
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.