Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 7

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available Songs Recognition Using Audio Information Fusion
EN
The article presents information fusion approach for song classification with use of acoustic signal. Many acoustic features can contribute to correct identification of a song. Taking into consideration only one set of features may result in omission of relevant information. It is possible to improve the accuracy of identification process by means of the information fusion technique, in which various aspects of acoustic fingerprint are taken into consideration. Two sets of signal features were distinguished: one were based on frequency analysis (harmonic elements) and the other were based on multidimensional correlation ratios. An identification of a commercial was made with use of SVM and k-NN classifiers. The music audio signal database was used for assessing the effectiveness of the proposed solution. Results show an improved effectiveness of identification in relation to applying only one set of song features.
PL
W artykule przedstawiono skuteczny sposób klasyfikacji pojazdów oparty na teorii informacji połączonej, wykorzystujący sygnał akustyczny generowany przez pojazdy. Wiele akustycznych czynników może przyczyniać się do trafnego rozpoznania pojazdu. Poleganie na jednym zbiorze cech może pomijać istotne informacje. Dokładność klasyfikacji można poprawić dzięki technice informacji połączonej, gdzie różne aspekty akustycznego ‘podpisu’ pojazdu brane są pod uwagę. Wyodrębniono dwa zbiory cech sygnału: oparte na analizie częstotliwościowej (elementy harmoniczne) oraz oparte na wielowymiarowych zależnościach korelacyjnych. Na ich podstawie używając klasyfikatorów SVM oraz k-NN dokonywana jest identyfikacja danej klasy pojazdów. Do oceny skuteczności rozwiązania wykorzystano bazę sygnałów audio pojazdów różnych klas. Rezultaty pokazują poprawę skuteczności rozpoznania w stosunku do zastosowania tylko jednej grupy cech charakterystycznych pojazdu.
EN
In the article an information fusion approach for vehicles classification using acoustic signal was presented. Many acoustic features can contribute to a right diagnosis of the vehicle. Consisting only one set of features can omit the relevant information. It is possible to improve the accuracy of classification thanks to the technique of information fusion, where various aspects of acoustic 'fingerprint' are being taken into consideration. Two sets of features of the signal were distinguished: based on frequency analysis (harmonic elements) and based on multidimensional correlation relations. Using SVM and k-NN classifiers identification of the given class of vehicles is being made. A vehicle different classes audio signal database was used for the assessment of effectiveness of the proposed solution. Results are showing the improvement the effectiveness of recognizing towards applying only of one features set of the vehicle.
PL
W pracy zaprezentowano wnioskowania bayesowskie oraz algorytm Dempstera - Shafera do syntezy informacji. Przedstawiono podstawy i cele syntezy informacji. Omówiono syntezę danych z kilku źródeł wiedzy oraz wskazano na reguły decyzyjne niezbędne do realizacji wnioskowania. Omówiono algorytm Dempstera - Shafera, który pozwala na realizację syntezy informacji metodami statystycznymi.
EN
Application of Bayes’ rule in data synthesis systems is very promising on account of the possibility of including a’priori information gathered in the course of designing the system in data classification outcome. This information, which is of statistical character, allows for obtaining good classification outcomes provided that its selection is proper. The Dempster-Shafer theory enables efficient realization of data synthesis in the process of modern recognition conducted within multi-sensor system. The knowledge of probabilities with which each sensor is able to assign the object observed to one of probable classes is nevertheless indispensable. Maximum efficiency of the system is basically dependent on proper selection of classification in particular conversion chains generating, if possible, declarations which do not exclude each other with possibly high probability.
EN
This paper concerns a new approach to intelligent data analysis based on information flow distribution study in a flow graph. Branches of a flow graph are interpreted as decision rules, whereas a flow graph is supposed to describe a decision algorithm. We propose to model decision processes as flow graphs and analyze decisions in terms of flow spreading in a graph.
PL
W pracy omówiono zastosowanie wnioskowania bayesowskiego do syntezy informacji. Zaprezentowane zostały podstawy i cele syntezy informacji oraz twierdzenie Bayesa w swej formie podstawowej. Omówiono sposób zastosowania tego twierdzenia do syntezy danych z kilku źródeł wiedzy oraz wskazano regułę decyzyjną niezbędną do realizacji wnioskowania. Podano przykład ilustrujący zastosowanie podanej metody do klasyfikacji danych i realizacji automatycznego wnioskowania.
EN
The paper has been intended to discuss the Bayes inference method as applied to information synthesis. What have been presented are fundamentals and objectives of information synthesis as well as the Bayes theorem in its most fundamental form. The way of applying this theorem to synthesise data from several sources of knowledge has been indicated as well as the rule of the decision taking, indispensable to perform the process of inferring. An example to iIIustrate how this method could be applied to classify data and execute the automatic inference process has also been given.
6
Content available Data analysis and flow graphs
EN
In this paper we present a new approach to data analysis based on flow distribution study in a flow network. Branches of the flow graph are interpreted as decision rules, whereas the flow graph is supposed to describe a decision algorithm. We propose to model decision processes as flow graphs and analyze decisions in terms of flow spreading in the graph.
EN
The work deals with a recognition problem using a probabilistic-fuzzy model and multistage decision logic. A case where a loss function is described using fuzzy numbers has been considered. The globally optimal Bayes strategy has been calculated for this case with stage-dependent and dependent on the node of the decision tree fuzzy loss function. The obtained result is illustrated by a calculation example in which some methods for ranking fuzzy numbers were used.
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.