Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: robust estimator

Sortuj według:

Ogranicz wyniki do:

The Huber's functions and their application to a classification problem

Gacki Henryk, Kulawik Agnieszka

Mathematica Applicanda

2020

Vol. 48, no. 2

99--114

In the following paper a classification problem with two multivariate normally distributed classes is considered. The problem is solved in a case of an empirical real situation (a motors data) using the Karhunen-Loeve transform and classifying functions based on estimators for unknown parameters of a multivariate normal distribution. We consider the maximum likelihood estimator and a robust one. The robust estimator bases on the Huber's functions. The corresponding classifying functions (classifiers) are compared using the Leave-One-Out metod.

W artykule rozważany jest problem klasyfikacji w przypadku dwóch klas o wielowymiarowym rozkładzie normalnym. Problem ten jest rozwiązywany na podstawie przykładu empirycznego (dane dotyczące silników) z wykorzystaniem transformacji Karhunena-Loevego oraz funkcji klasyfikujących bazujących na wybranych estymatorach nieznanych parametrów wielowymiarowego rozkładu normalnego. Rozważany jest zarówno klasyczny estymator - estymator największej wiarogodności, jak również estymator odporny, który opiera się o funkcje Hubera. Uzyskane klasyfikatory są porównywane za pomocą sprawdzianu krzyżowego - metoda Leave-One-Out.

Estimation of pose parameters from a set of least square objective functions

Hati S.

Machine Graphics and Vision

2008

Vol. 17, No. 3

299-312

In this paper, we have attempted to solve the pose estimation problem for a 3-dimensional object by independently estimating the pose parameters through the minimization of a set of objective, functions, using Gauss approximation techniques for least squares optimization. In our implementation, the 3-D object is assumed to have three degrees of freedom on a flat surface, which is typical of automated visual inspection applications. However, the solution can be also extended to greater degrees of freedom. We have is shown that the pose can be estimated by only considering the x-coordinates of the known vertices in the projected space, but the same is not true if we consider the y-coordinates alone. We propose a set of modified objective functions from which it is possible to find the pose parameters. The parameters have been determined in noisy conditions under 20-dB and 40-dB SNR values and the robustness of the estimators is confirmed.