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.authorБирюкова, Е.В.-
dc.contributor.authorПарингер, Р.А.-
dc.contributor.authorКуприянов, А.В.-
dc.date.accessioned2016-12-09 13:57:37-
dc.date.available2016-12-09 13:57:37-
dc.date.issued2016-
dc.identifierDspace\SGAU\20161209\60674ru
dc.identifier.citationМатериалы Международной конференции и молодёжной школы «Информационные технологии и нанотехнологии», с. 357-360ru
dc.identifier.isbn978-5-7883-1078-7-
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Razrabotka-tehnologii-postroeniya-effektivnogo-nabora-priznakov-dlya-razlicheniya-klassov-teksturnyh-izobrazhenii-60674-
dc.description.abstractВ 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.isorusru
dc.publisherИздательство СГАУru
dc.subjectтекстурные изображенияru
dc.subjectдискриминантный анализru
dc.subjectстатистические признакиru
dc.subjectматрица смежностиru
dc.titleРазработка технологии построения эффективного набора признаков для различения классов текстурных изображенийru
dc.typeArticleru
dc.textpartПолученный 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.pdfОсновная статья459.08 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.