PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 9

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Wykrywanie defektów z wykorzystaniem termografii aktywnej i algorytmu k-średnich
Dudzik Sebastian
Pomiary Automatyka Robotyka
|
2019
|
R. 23, nr 3
11--15
PL
W pracy przedstawiono nową metodę wykrywania defektów materiałowych z wykorzystaniem termografii aktywnej. W celu zwiększenia kontrastu cieplnego dokonano przetwarzania wstępnego zarejestrowanej sekwencji termogramów metodami morfologii matematycznej. Do wykrywania defektów zastosowano algorytm k-średnich. W pracy zbadano wpływ miary odległości używanej w opisywanym algorytmie oraz doboru danych wejściowych na efektywność opisywanej metody. Eksperyment przeprowadzono dla próbki wykonanej z kompozytu zbrojonego włóknem węglowym (CFRP). W badaniach stwierdzono, że najmniejsze błędy wykrywania defektów za pomocą opisywanej metody uzyskuje się dla kwadratowej odległości euklidesowej.
EN
The paper presents a new method of detecting material defects using active thermography. In order to increase the thermal contrast, preprocessing of the recorded sequence of thermograms was carried out using mathematical morphology methods. The k-means algorithm was used to detect defects. The work examined the impact of distance measure used in the described algorithm and the selection of input data on the effectiveness of the described method. The experiment was carried out for a sample made of carbon fiber reinforced composite (CFRP). Studies have shown that the smallest errors in defect detection using the described method are obtained for the square Euclidean distance.
2
Content available remote Combination of hand-crafted and unsupervised learned features for ischemic stroke lesion detection from Magnetic Resonance Images
Bharathi Praveen Gurunath, Agrawal Anita, Sundaram Ponraj, Sardesai Sanjay
Biocybernetics and Biomedical Engineering
|
2019
|
Vol. 39, no. 2
410--425
EN
Detection of ischemic stroke lesions plays a vital role in the assessment of stroke treatments such as thrombolytic therapy and embolectomy. Manual detection and quantification of stroke lesions is a time-consuming and cumbersome process. In this paper, we present a novel automatic method to detect acute ischemic stroke lesions from Magnetic Resonance Image (MRI) volumes using textural and unsupervised learned features. The proposed method proficiently exploits the 3D contextual evidence using a patch-based approach, which extracts patches randomly from the input MR volumes. Textural feature extraction (TFE) using Gray Level Co-occurrence Matrix (GLCM) and unsupervised feature learning (UFL) based on k-means clustering approaches are employed independently to extract features from the input patches. These features obtained from the two feature extractors are then given as input to the Random Forest (RF) classifier to discriminate between normal and lesion classes. A hybrid approach based on the combination of TFE using GLCM and UFL based on the k-means clustering is proposed in this work. Hybrid combination approach results in more discriminative feature set compared with the traditional approaches. The proposed method has been evaluated on the Ischemic Stroke Lesion Segmentation (ISLES) 2015 training dataset. The proposed method achieved an overall dice coefficient (DC) of 0.886, precision of 0.979, recall of 0.831 and accuracy of 0.8201. Quantitative measures show that the proposed approach is 28.4%, 27.14%, and 5.19% higher than the existing methods in terms of DC, precision, and recall, respectively.
3
Content available remote Dynamic Measurement of Foam-Sized Yarn Properties from Yarn Sequence Images
Zhu B., Li Z., Cao X., Liu J., Gao W.
Autex Research Journal
|
2018
|
Vol. 18, no. 3
314--322
EN
Unlike the normal sizing method, the foam sizing had been proven to be a low-add-on technology. To investigate the effect of foam sizing, film thickness, sized-yarn evenness, and size penetration rate were necessary to evaluate the performances of foam-sized yarns. However, the conventional image analysis of sized-yarn cross sections primarily relied on artificial testing with a low efficiency. This paper proposed a novel dynamic method to measure the sized-yarn properties including film thickness, sized-yarn evenness, and size penetration rate based on yarn sequence images captured from a moving yarn. A method of dynamic threshold module was adopted to obtain threshold for segmenting yarns in the sequence images. K-means clustering algorithm was applied to segment pixels of the images into yarn and background. To further remove burrs and noise in the images, two judgment templates were carried out to extract the information of yarn core. The film thickness, sized-yarn evenness, and size penetration rate were measured based on the yarn core of each frame in sequence images. In order to compare with the experimental results of the dynamic method, the yarn properties of the same samples were tested by static and artificial testing. Results revealed that the proposed method could efficiently and accurately detect the film thickness, sized-yarn evenness, and size penetration rate.
4
Content available remote The usefulness of cluster analysis in the analysis of data obtained in the monitoring of the water environment
Kubala M.
Technical Transactions
|
2017
|
Vol. 12(114)
181--186
EN
Data obtained through the monitoring of the water environment often includes a number of indicators, and is frequently collected from a large area or over a long period of time. Analysis of such data can be problematic. The division of elements which have a certain degree of similarity into subgroups may facilitate data analysis and provide indications as to the direction of the analysis. One tool for the separation of such groups of similar elements is cluster analysis. This paper describes the two most commonly used cluster analysis algorithms and summarises the results of several applications of cluster analysis in water monitoring.
PL
Dane monitoringu środowiska wodnego zawierają często pomiary wielu wskaźników, a także bywają zbierane z dużego obszaru czy w długim okresie. Analiza takich danych może być utrudniona. Podział ich na podgrupy, których elementy wykazują pewne podobieństwo, może przyczynić się do łatwiejszej analizy oraz dostarczyć przesłanek co do jej kierunku. Jednym z narzędzi wydzielania takich grup podobieństwa jest analiza skupień. Praca przedstawia opis dwóch najczęściej stosowanych algorytmów analizy skupień oraz streszcza rezultaty kilku zastosowań analizy skupień w monitoringu środowiska wodnego.
5
Content available remote Mini-model method based on k-means clustering
Pietrzykowski M., Pluciński M.
Przegląd Elektrotechniczny
|
2017
|
R. 93, nr 1
73--76
EN
Mini-model method (MM-method) is an instance-based learning algorithm similarly as the k-nearest neighbor method, GRNN network or RBF network but its idea is different. MM operates only on data from the local neighborhood of a query. The paper presents new version of the MM-method which is based on k-means clustering algorithm. The domain of the model is calculated using k-means algorithm. Clustering method makes the learning procedure simpler.
PL
Metoda mini-modeli (metoda MM) jest algorytmem bazującym na próbkach podobnie jak metoda k-najbliższych sąsiadów, sieć RBF czy sieć GRNN ale jej zasada działania jest inna. MM operuje tylko na danych z najbliższego otoczenia punktu zapytania. Artykuł prezentuje nową wersję metody MM, która bazuje na algorytmie k-średnich. Domena MM jest obliczana przy pomocy algorytmu k-średnich. Użycie algorytmu klasteryzacji uprościło procedurę uczenia.
6
Content available Porównanie wydajności algorytmu k-means zaimplementowanego w języku X10 i środowisku C++/MPI
Wyrzykowski R., Karoń T.
Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki
|
2016
|
nr 14
7--35
PL
W pracy opisano algorytm k-średnich oraz sposób jego implementacji w języku X10. Dokonano porównania tego rozwiązania z implementacją w języku C++11 z wykorzystaniem standardu MPI. Stwierdzono, że implementacja w języku X10 jest szybsza przy większej liczbie procesorów realizujących obliczenia niż implementacja w środowisku C++/MPI. Kod zapisany w języku X10 jest o 59% krótszy od kodu dla kombinacji C++/MPI.
EN
In this work the k-means algorithm and the way of its implementation in the X10 programming language are described. The achieved results are compared with the implementation of the same algorithm in the C++11 programming language using the MPI standard. It was confirmed that the implementation in the X10 programming language is faster on a large number of processors than the implementation in the C++/MPI environment. Additionally, the X10 code is about 59% shorter than the code for the C++/MPI combination.
7
Content available remote Analysis of thermographic images of thin metal layers using grouping algorithms
Korzeniewska E., Duraj A., Krawczyk A., Murawski P.
Przegląd Elektrotechniczny
|
2016
|
R. 92, nr 12
73--76
EN
In this paper the authors attempt to perform the analysis of the thermographic images of thin metal layers obtained in PVD (physical vapor deposition) process as the part of the working textronic system. The authors also briefly characterize algorithms applied in data classification: algorithm k medium, COBWEB algorithm and the grouping algorithm. The identification of defects of thin film structures using image recognition algorithms are presented.
PL
W artykule autorzy dokonują analizy obrazów termograficznych cienkich warstw metalicznych wykonanych w procesie PVD (physical vapor deposition) jako części roboczej systemu tekstronicznego. Scharakteryzowano również krótko algorytmy zastosowane przy klasyfikacji danych: algorytm k średnich, algorytm COBWEB oraz algorytm grupujący. Wykorzystując zaprezentowane algorytmy rozpoznawania obrazów dokonano identyfikacji defektów struktur cienkowarstwowych.
8
Content available remote Identification of technogenic emergency situations in railway transport using cluster analysis
Savchuk T., Petrishyn S., Sugurova L., Smolarz A.
Przegląd Elektrotechniczny
|
2014
|
R. 90, nr 11
177--184
EN
The antropogenic load on natural environment is continuously growing. One of important issues is the influence of transport of goods, especially when the cargo is hazardous. Railroad transport in Ukraine shares about 60% of all means of transport so identification of potential emergency situations in this area is an important issue. The article discusses some methodology approaches and describes cluster analysis as a tool for Identification of technogenic emergency situations in railway transport.
PL
Antropogeniczne obciążenie środowiska naturalnego stale rośnie. Jedną z istotnych kwestii jest wpływ transportu towarów, zwłaszcza gdy ładunek jest niebezpieczny. Transport kolejowy na Ukrainie ma około 60% udziału wszystkich środków transportu, więc identyfikacja potencjalnych sytuacji awaryjnych w tej dziedzinie jest ważnym zagadnieniem. W artykule przedstawiono wybrane podejścia metodyczne i opisano analizę skupień jako narzędzie do identyfikacji technogennych sytuacji awaryjnych w transporcie kolejowym.
9
Content available remote Finding outliers for large medical datasets
Duraj A., Krawczyk A.
Przegląd Elektrotechniczny
|
2010
|
R. 86, nr 12
188-191
EN
The paper deals with data mining which is a process of extracting valid, previous unknown, and ultimately comprehensible information for large datasets. One of very interesting problems appearing in scientific investigations are detection of mistakes in files of data, or the detection outlier. Finding the rare instance or the outliers is important in many disciplines and KDD (Knowledge Discovery and Data-Mining) applications.
PL
Artykuł dotyczy metody wykrywania wyjątków w zbiorach danych dostrzegane jako różnego rodzaju anomalie, powstałe np. z powodu mechanicznego uszkodzenia, zmiany w zachowaniu systemu, czy choćby poprzez naturalny błąd człowieka. Jak się jednak wydaje, powyżej sformułowany problem badawczy jest bardzo istotny i nadal aktualny, szczególnie w przypadku medycznych zbiorów danych. Wykrycie wyjątków może zidentyfikować defekty, usunąć zanieczyszczenia danych a przede wszystkim stanowi podstawę w procesach podejmowania decyzji.
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.