Wyniki wyszukiwania - BazTech

1

Application of hyperspectral imaging for cultivar discrimination of malting barley grains

Zapotoczny P., Ropelewska E

Agricultural Engineering

|

2016

|

Vol. 20, No. 3

207--217

EN

The aim of this study was to perform and evaluate the accuracy of classification of grains of different cultivars of malting barley. The grains of eight cultivars: Blask, Bor do, Con chita, Kormoran, Mercada, Serwal, Signora, Victoriana, with three moisture content: 12, 14, 16% were examined. The selected parameters of the surface texture of grain mass obtained from images taken using the techniques of hyperspectral imaging were determined. The accuracy of grains discrimination carried out using different methods of selection and classification of data was compared. The pairwise comparison and comparison of three, four and eight cultivars of malting barley were carried out. The most accurate discrimination was determined in the case of the pairwise comparison. Victoriana cultivar was the most different from the others. The most similar texture of grain mass was found in the comparison of cultivars: Blask and Mercada. In the case of eight examined cultivars of malting barley, the most accurate discrimination (classification error – 55%) was obtained for images taken at the moisture content of 14% and at a wavelength of 750 nm, for the attributes selection performed with the use of probability of error and average correlation coefficient (POE+ACC) method and the discrimination carried out using the linear discriminant analysis (LDA).

PL

Celem pracy było przeprowadzenie i ocena poprawności klasyfikacji ziaren należących do różnych odmian jęczmienia browarnego. Przebadano ziarna 8 odmian: Blask, Bordo, Conchita, Kormoran, Mercada, Serwal, Signora, Victoriana, o trzech poziomach wilgotności: 12, 14, 16%. Oznaczono wybrane parametry tekstury powierzchni ziarna w masie uzyskane ze zdjęć wykonanych przy użyciu technik obrazowania hiperspektralnego. Porównano dokładność dyskryminacji ziaren przeprowadzonej przy użyciu różnych metod selekcji i klasyfikacji danych. Dokonano porównania parami oraz porównania trzech, czterech i ośmiu odmian jęczmienia browarnego. Najbardziej dokładną dyskryminację stwierdzono w przypadku porównania parami. Odmiana Victoriana najbardziej odróżniała się od innych. Najbardziej podobną teksturę ziaren w masie stwierdzono w przypadku porównania odmian: Blask i Mercada. W przypadku ośmiu badanych odmian jęczmienia browarnego, najdokładniejszą dyskryminację (błąd klasyfikacji ‒ 55%) uzyskano dla obrazów wykonanych przy wilgotności 14% i długości fali 750 nm, dla selekcji atrybutów wykonanej z wykorzystaniem prawdopodobieństwa błędu klasyfikacji z uśrednionym współczynnikiem korelacji (POE + ACC) oraz dyskryminacji przeprowadzonej za pomocą liniowej analizy dyskryminacyjnej (LDA).

2

Wyznaczanie podzbioru atrybutów w procesie eksploracji danych

Romański P., Rosiak J., Mulawka J. J.

Elektronika : konstrukcje, technologie, zastosowania

|

2009

|

Vol. 50, nr 8

271-275

PL

Celem niniejszej pracy jest selekcja najlepszego podzbioru atrybutów wykorzystywanego dalej do klasyfikacji i aproksymacji w procesie eksploracji danych dokonanej przez filtrowanie atrybutów z wykorzystaniem różnych funkcji oceny przydatności. W szczególności dokonane zostanie porównanie jakości klasyfikatorów i aproksymatorów budowanych przed i po selekcji. Jako badane zbiory danych wykorzystane będą klasyczne bazy dostępne w repozytorium UCI. Do przeprowadzania oceny jakości proponowanych rozwiązań zostaną użyte klasyfikatory i aproksymatory znajdujące się w gotowych pakietach języka R.

EN

The aim of this publication is to select the best feature subsets applied further to the classification and approximation problems as part of the knowledge discovery process via filtering the attributes using different evaluation functions. In particular. a comparison of the classifiers as well as approximators' quality before and after selection will be provided. In order to test the effectiveness of the presented approaches, classic data sets available at the UCI repository will be used. The algorithms existing in the R packages will be applied to measure the quality of the proposed solutions.

3

Identification of submersible pump temperature changes model using KDD methods

Wachla D.

Diagnostyka

|

2006

|

nr 2(38)

41-44

EN

This paper deals with the problem of the autoregressive model identification using KDD methods. In the considered problem, the autoregressive models are applied to describe dynamics processes of various technical systems. In particular, a method of functional dependencies discovering was presented. The method was designed for exploring data sets gathered by industrial SCADA systems. For the problem of the identification of pump temperature changes model, the method was verified. For this particular reason, a set of data was used which was gathered by submersible pumping station SCADA system. The assumptions, the exemplary results of the conducted research and conclusions were presented, as well.

PL

W artykule poruszono problem identyfikacji modeli autoregresyjnych opisujących dynamikę obserwowanych procesów. W szczególności przedstawiono metodę odkrywania zależności funkcyjnych w zbiorach danych gromadzonych przez przemysłowe systemy SCADA. Opracowaną metodę zweryfikowano dla problemu identyfikacji modelu zmian temperatury pompy głębinowej. W tym celu zastosowano fragment danych zgromadzony przez system rejestracji danych współpracujący pompownią głębinową. Przedstawiono przyjęte założenia, fragmenty uzyskanych wyników oraz wnioski z przeprowadzonych badań.

4

Zastosowanie algorytmów mrówkowych do selekcji in formacji diagnostycznej

Ciupke K.

Pomiary Automatyka Kontrola

|

2005

|

R. 51, nr 9 bis

134--135

PL

Pozyskiwanie wiedzy diagnostycznej metodami uczenia maszynowego na podstawie danych z eksperymentów i obserwacji diagnostycznych, wymaga wstępnego przetworzenia tych danych. Przetwarzanie to obejmuje między innymi selekcję podzbioru cech spośród licznego zbioru cech. W breferacie przedstawiono wyniki badań dotyczących wyboru cech istotnych z uwagi na możliwość oceny stanu lub oceny rodzaju powstałej niesprawności diagnozowanego obiektu. Do selekcji cech zastosowano metodę z wykorzystaniem algorytmu uczenia maszynowego oraz algorytmu mrówkowego.

EN

Data used in a knowledge acquisition process should be preprocessed. One of the preprocessing stage is selection of attributes, called also selection of information. In the paper there are presented results of a research concerning diagnosis of a technical object - rotation machine. In the research the selection of attributes was earned out using the ant colony optimization approach combined with the wrapper approach.