Wyniki wyszukiwania - Biblioteka Nauki

1

Zastosowanie kwantyzacji wektorowej LVQ w wyborze cech i klasyfikacji mikrozwapnień

100%

Boniński P. , Kazubek M. , Przelaskowski A.

|

2003

|

tom Vol. 23, nr 3

11-15

PL

Niniejsza praca dotyczy wykorzystania algorytmów Learning Vector Quantization w procesie automatycznego wyboru cech i klasyfikachi mikrozwapnień w obrazach mammograficznych oraz porównania efektów klasyfikacji tym algorytmem z powszechnie stosowaną siecią neuronową z propagacja wsteczną. Zaproponowano nową, bazującą na LVQ i kryterium dyskryminacyjnym Fishera metodę selekcji cech. Zweryfikowano przydatność wyselekcjonowanych cech do klasyfikacji.

EN

This paper refers to the applying of Learning Vector Quantization algorithms in automatic feature selection and classification of microcalcification in mammographic images and comparison classification efficiency of LVQ to common applicable backpropagation neural network. The new feature selection method, based on the LVQ and Fisher discriminant criterion, was suggested. The usefulness of the selected features for classification was verified.

2

A note on genetic algorithm search for robust index assignment in vector quantization

63%

Ostrowski T.

|

1999

|

tom Vol. 45, nr 3-4

309-313

EN

A genetic algorithm is applied to search for a robust index assignment in vector quantization. To drive the evolutionary search the relative quality of an index assignment is assessed by using a heuristics. The proposed method is compared with the linearity increasing swap algorithm.

PL

Przedstawiono sposób indeksowania wektorów słownika kwantyzera wektorowego za pomocą algorytmu genetycznego. Do oceny indeksowania wektorów słownika stosowane jest heurystyczne kryterium jakości indeksowania. Proponowana metoda porównana jest eksperymentalnie z algorytmem zwiększania liniowości słownika kwantyzera wektorowego.

3

Speaker recognition based on telephone quality short Polish sequences with removed silence

63%

Marciniak. T. , Krzykowska A. , Weychan R.

|

tom R. 88, nr 6

42-46

EN

This paper presents the effectiveness of speaker identification based on short Polish sequences. An impact of automatic removal of silence on the speaker recognition accuracy is considered. Several methods to detect the beginnings and ends of the voice signal have been used. Experimental research was carried out in Matlab environment with the use of a specially prepared database of short speech sequences in Polish. The construction of speaker models was realized with two techniques: Vector Quantization (VQ) and Gaussian Mixture Models (GMM). We also tested the influence of the sampling rate reduction on the speaker recognition performance.

PL

Artykuł przedstawia badania efektywności rozpoznawania mówcy opartego na krótkich wypowiedziach w języku polskim. Sprawdzono wpływ automatycznego wykrywania i usuwania ciszy na jakość rozpoznawania mówcy. Przebadano kilka różnych metod wykrywania początku i końca fragmentów mowy w wypowiadanych sekwencjach. Eksperymenty zostały przeprowadzone z użyciem środowiska Matlab i specjalnie utworzonej bazy krótkich wypowiedzi w języku polskim. Do budowy modeli mówców wykorzystano kwantyzacja wektorowa (VQ) oraz Gaussian Mixture Models (GMM). Podczas badań sprawdzono także wpływ obniżenia szybkości próbkowania na skuteczność identyfikacji mówcy.

4

Wavelet based speaker recognition

63%

Jakuczun W.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

|

2003

|

tom Nr 959

1-7

EN

In this article we are presenting wavelet-based method for designing speaker recognition features. The proposed method is compared to linear prediction method. As a classificator we used LBG algorithm, which is one of the vector quantization (VG) algorithms.

PL

W artykule prezentujemy metodę szukania cech opartych na falkach dla problemu rozpoznawania mówców. Aby lepiej ocenić zaproponowaną metodą porównano ją do liniowej predykcji. Jako klasyfikatora użyliśmy algorytmu wektorowej kwantyzacji. Słowa kluczowe: rozpoznawanie mówców, falki, liniowa predykacja, kwantyfikacja wektorowa.

5

Vector quantized pattern learning for neural network-based image restoration

63%

Bao P. , Nim-Tze L.

|

tom Vol. 6, no 3-4

61-73

EN

This paper presents a hybrid scheme for image restoration with edge-preserving regularization and artificial neural network based on vector quantized pattern learning. The edge information is extracted from the source image as a priori knowledge to recover the details and reduce the ringing artifact of the subband-coded image. The spatially independent vector patterns are generated from source images using vector quantization to de-correlate the image patterns for more effective and efficient pattern learning and to minimize the number of training patterns while retaining the representativeness of the training patterns. The vector-quantized patterns are then used to train the multilayer perceptron model for the restoration process. To evaluate the performance of the proposed scheme, a comparative study with the set partitioning in hierarchical tree (SPIHT) and the full pattern trained NN has been conducted using a set of gray-scale digital images.The experimental results have drown that the proposed scheme could result in better performances compared with SPIHT on both objective and subjective quality for lower compression ratio subband coded image.