Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Metoda największej wiarygodności

Sortuj według:

Ogranicz wyniki do:

An Accuracy Analysis Comparison of Supervised Classification Methods for Mapping Land Cover Using Sentinel 2 Images in the Al-Hawizeh Marsh Area, Southern Iraq

100%

Alwan I. A. , Aziz N. A.

nr nr 15/1

5-21

Land cover mapping of marshland areas from satellite images data is not a simple process, due to the similarity of the spectral characteristics of the land cover. This leads to challenges being encountered with some land covers classes, especially in wetlands classes. In this study, satellite images from the Sentinel 2B by ESA (European Space Agency) were used to classify the land cover of Al-Hawizeh marsh/Iraq-Iran border. Three classification methods were used aimed at comparing their accuracy, using multispectral satellite images with a spatial resolution of 10 m. The classification process was performed using three different algorithms, namely: Maximum Likelihood Classification (MLC), Artificial Neural Networks (ANN), and Support Vector Machine (SVM). The classification algorithms were carried out using ENVI 5.1 software to detect six land cover classes: deep water marsh, shallow water marsh, marsh vegetation (aquatic vegetation), urban area (built-up area), agriculture area, and barren soil. The results showed that the MLC method applied to Sentinel 2B images provides a higher overall accuracy and the kappa coefficient compared to the ANN and SVM methods. Overall accuracy values for MLC, ANN, and SVM methods were 85.32%, 70.64%, and 77.01% respectively. (original abstract)

Estymacja parametrów rozkładów w mieszance dwóch rozkładów Poissona

63%

Kuźmiński Ł. , Nikodem A.

nr nr 1180 Zastosowania metod ilościowych

75-84

W artykule przedstawione zostaną estymatory parametrów rozkładów Poissona oraz estymatory parametrów mieszających przy użyciu metody największej wiarygodności i metody momentów. (fragment tekstu)

For a heterogeneous portfolio we assume that the number of claims has the Poisson distribution with a variable parameter λ. The claim intensity is the outcome of a mixing variable ʌ. Then the claim number distribution is the mixed Poisson distribution with a mixing parameter ʌ. Two estimation methods for the case of the mixture of two Poisson distributions will be com-pared in this paper: the maximum likelihood and the method of moments. (original abstract)

On Prediction of Domain Total Based on Balanced Panel Data

63%

Żądło T.

2010

tom 235 Multivariate Statistical Analysis

63-72

W pracy rozważa się predyktory wartości globalnej wykorzystujące do predykcji wartość: globalnej w pewnym (obecnym, przeszłym a nawet przyszłym) okresie dane z innych okresów. Model nadpopulacji jest szczególnym przypadkiem ogólnego liniowego modelu mieszanego - jest to model z specyficznymi dla elementów populacji składnikami losowymi możliwy dc zastosowania dla danych wielookresowych. Postać predyktora typu BLU wyprowadzono v oparciu o twierdzenie Royalla (1976) - szeroko stosowane w literaturze podejście Hendersons (1950) nie jest możliwe do zastosowania dla rozważanego modelu nadpopulacji. W rozważanym przypadku wyprowadzono postać MSE w oparciu o twierdzenie Royalla i zaproponowano jego estymatory wykorzystując rezultaty uzyskane przez Żądło (2007). W przypadku estymacji MSE rozważano dwie metody estymacji wariancji składników losowych - metodę największej wiarygodności oraz metodę największej wiarygodności z ograniczeniami. W analizie symulacyjnej uwzględniono problem dokładności predyktora oraz obciążeń estymatorów MSE dla różnych rozkładów składników losowych. (abstrakt oryginalny)

In the paper we analyze the accuracy of the best linear unbiased predictor (BLUP) of the domain total (see Royall, 1976) assuming a model for longitudinal data with subject specific (element specific) random components (i.e. Verbeke, Molenberghs (2000), Hedeker, Gibbons (2006)) which is a special case of the general linear model (GLM) and the general linear mixed model (GLMM). To estimate the mean square error (MSE) of the BLUP we use the results obtained by Datta and Lahiri (2000) for the predictor proposed by Henderson (1950) and adopt them for the predictor proposed by Royall (1976) what was shown in some general case by Żądło (2007). Considerations are supported by simulation study including some problem of model misspecification in the case of predicting future domain totals. (original abstract)