Отрывок: Полученный набор является искомым. 4. Из исходной выборки исключаем неинформативные признаки, которые не попали в набор, полученный в пункте 3. 5. Применяем алгоритм дискриминантного анализа для формирования набора новых признаков. 6. Рассчитываем индивидуальные критерии разделимости для каждого нового при- знака из сформированного набора. 7. Исключаем из набора признаки с низким значением критерия разделимости. Т...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Бирюкова, Е.В. | - |
dc.contributor.author | Парингер, Р.А. | - |
dc.contributor.author | Куприянов, А.В. | - |
dc.date.accessioned | 2016-12-09 13:57:37 | - |
dc.date.available | 2016-12-09 13:57:37 | - |
dc.date.issued | 2016 | - |
dc.identifier | Dspace\SGAU\20161209\60674 | ru |
dc.identifier.citation | Материалы Международной конференции и молодёжной школы «Информационные технологии и нанотехнологии», с. 357-360 | ru |
dc.identifier.isbn | 978-5-7883-1078-7 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Razrabotka-tehnologii-postroeniya-effektivnogo-nabora-priznakov-dlya-razlicheniya-klassov-teksturnyh-izobrazhenii-60674 | - |
dc.description.abstract | В работе предлагается способ линейной трансформации пространства признаков, основанный на использовании алгоритма дискриминантного анализа. Для исследуемого набора изображений использование полученного таким образом пространства признаков вместо исходного позволило снизить ошибку кластеризации с 30% до 10%. | ru |
dc.language.iso | rus | ru |
dc.publisher | Издательство СГАУ | ru |
dc.subject | текстурные изображения | ru |
dc.subject | дискриминантный анализ | ru |
dc.subject | статистические признаки | ru |
dc.subject | матрица смежности | ru |
dc.title | Разработка технологии построения эффективного набора признаков для различения классов текстурных изображений | ru |
dc.type | Article | ru |
dc.textpart | Полученный набор является искомым. 4. Из исходной выборки исключаем неинформативные признаки, которые не попали в набор, полученный в пункте 3. 5. Применяем алгоритм дискриминантного анализа для формирования набора новых признаков. 6. Рассчитываем индивидуальные критерии разделимости для каждого нового при- знака из сформированного набора. 7. Исключаем из набора признаки с низким значением критерия разделимости. Т... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
357-360.pdf | Основная статья | 459.08 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.