Отрывок: ассов и три компонен- ты для третьего) со следующими параметрами: (1) (2) (3) ( ) ( ) (1) (2) (3) ( ) ( , ) ( , ) ( ) 0,5,0,5 , 0,5,0,5 , 0,33,0,33,0,34 , rand 0,d , 0, 1, 2, , , i i s k ti s i s i i s kt kt s p p p M u С c c r где rand(0, d) – равномерно распределенная случай- ная величина в указанном диапазоне; d – параметр, определяющий степень рассредоточенности (пересе- чения) компонентов смесей каждого класса; ( ) min ...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Сирота, А.А. | - |
dc.contributor.author | Донских, А.О. | - |
dc.contributor.author | Акимов, А.В. | - |
dc.contributor.author | Минаков, Д.А. | - |
dc.date.accessioned | 2019-10-15 10:04:50 | - |
dc.date.available | 2019-10-15 10:04:50 | - |
dc.date.issued | 2019-08 | - |
dc.identifier | Dspace\SGAU\20190924\78799 | ru |
dc.identifier.citation | Сирота, А.А. Cмешанные ядерные оценки многомерных распределений и их применение в задачах машинного обучения для классификации биологических объектов на основе спектральных измерений / А.А. Сирота, А.О. Донских, А.В. Акимов, Д.А. Минаков // Компьютерная оптика. – 2019. – Т. 43, № 4. – С. 677-691. – DOI: 10.18287/2412-6179-2019-43-4-677-691. | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-2019-43-4-677-691 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Smeshannye-yadernye-ocenki-mnogomernyh-raspredelenii-i-ih-primenenie-v-zadachah-mashinnogo-obucheniya-dlya-klassifikacii-biologicheskih-obektov-na-osnove-spektralnyh-izmerenii-78799 | - |
dc.description.abstract | Рассматривается задача непараметрического восстановления многомерных плотностей распределения вероятностей в системах машинного обучения для классификации и аугментации данных. Предлагается метод получения смешанной ядерной непараметрической оценки плотности распределения как свертки ядерной оценки неизвестной плотности распределения вектора информативных признаков и известной или независимо оцениваемой плотности распределения вектора помеховой составляющей, сопровождающей процесс измерений. Анализируются свойства получаемых таким образом смешанных оценок. Приводятся результаты их сравнения с традиционной ядерной оценкой Парзена, применяемой непосредственно к общей выборке обучающих данных. Теоретически и экспериментально показывается, что использование смешанной оценки эквивалентно реализации процедуры аугментации – искусственного размножения обучающих данных в соответствии с известной или оцененной статистической моделью помеховой составляющей. Рассматриваются возможности применения смешанных оценок для обучения алгоритмов классификации биологических объектов (элементов зерновых смесей) на основе обработки измерений спектров пропускания в видимом и ближнем ИК-диапазонах длин волн. | ru |
dc.description.sponsorship | Результаты работы получены в рамках выполнения государственного задания Минобрнауки России по проекту № 8.3844.2017/4.6 «Разработка средств экспресс-анализа и классификации элементов неоднородного потока зерновых смесей с патологиями на основе интеграции методов спектрального анализа и машинного обучения». | ru |
dc.language.iso | rus | ru |
dc.publisher | Новая техника | ru |
dc.relation.ispartofseries | 43;4 | - |
dc.subject | машинное обучение | ru |
dc.subject | классификация образов | ru |
dc.subject | аугментация данных | ru |
dc.subject | ядерная оценка плотности распределения | ru |
dc.subject | спектральные измерения | ru |
dc.title | Смешанные ядерные оценки многомерных распределений и их применение в задачах машинного обучения для классификации биологических объектов на основе спектральных измерений | ru |
dc.title.alternative | Multivariate mixed kernel density estimators and their application in machine learning for classification of biological objects based on spectral measurements | ru |
dc.type | Article | ru |
dc.textpart | ассов и три компонен- ты для третьего) со следующими параметрами: (1) (2) (3) ( ) ( ) (1) (2) (3) ( ) ( , ) ( , ) ( ) 0,5,0,5 , 0,5,0,5 , 0,33,0,33,0,34 , rand 0,d , 0, 1, 2, , , i i s k ti s i s i i s kt kt s p p p M u С c c r где rand(0, d) – равномерно распределенная случай- ная величина в указанном диапазоне; d – параметр, определяющий степень рассредоточенности (пересе- чения) компонентов смесей каждого класса; ( ) min ... | - |
dc.classindex.scsti | 27.43.51 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
430421.pdf | Основная статья | 1.17 MB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.