Локалізація векторів-образів в задачах параметричної класифікації з метою підвищення її точності

Автор(и)

  • Mourad Aouati Центральне Управління Поліції м. Костянтина Алі Менджелі UV 01 Ilot 03 Bt H n ° 123 м. Константин Алжир, Алжир

DOI:

https://doi.org/10.15587/1729-4061.2016.76171

Ключові слова:

параметрична класифікація, коваріаційна матриця, розпізнавання образів, точність класифікації об’єктів, вектор-образ, кластер

Анотація

Розглянуто проблему точності класифікації, яка визначається часткою правильно класифікованих об’єктів при використанні параметричних методів. Показано, що нерівність коваріаційних матриць класів приводить до зміщення поверхні, яка їх розділяє, однак це може не суттєво впливати на точність класифікації. Показано, що локалізація векторів-образів на основі планів повного факторного експерименту забезпечує можливість підвищення точності класифікації.

Біографія автора

Mourad Aouati, Центральне Управління Поліції м. Костянтина Алі Менджелі UV 01 Ilot 03 Bt H n ° 123 м. Константин Алжир

Головний Комісар Поліції

Посилання

  1. Nemrodov, D., Niemeier, M., Mok, J. N. Y., Nestor, A. (2016). The time course of individual face recognition: A pattern analysis of ERP signals. NeuroImage, 132, 469–476. doi: 10.1016/j.neuroimage.2016.03.006
  2. Liu, L., Fieguth, P., Zhao, G., Pietikäinen, M., Hu, D. (2016). Extended local binary patterns for face recognition. Information Sciences, 358-359, 56–72. doi: 10.1016/j.ins.2016.04.021
  3. Florindo, J. B., Bruno, O. M. (2016). Local fractal dimension and binary patterns in texture recognition. Pattern Recognition Letters, 78, 22–27. doi: 10.1016/j.patrec.2016.03.025
  4. Barajas-García, C., Solorza-Calderón, S., Álvarez-Borrego, J. (2016). Classification of fragments of objects by the Fourier masks pattern recognition system. Optics Communications, 367, 335–345. doi: 10.1016/j.optcom.2016.01.059
  5. Kushnirenko, O. A., Cadchenko, A. V., Troyanskiy, A. V. (2013). Correlation algorithm of recognition of character information with low-complexity of technical implementation. Eastern-European Journal of Enterprise Technologies, 3 (9 (63)), 42–45. Available at: http://journals.uran.ua/eejet/article/view/14848/12650
  6. Kasian, K., Bratchykov, V., Shkarupylo, V. (2015). Development of modified method for text recognition in standardized picture. Eastern-European Journal of Enterprise Technologies, 3 (2 (75)), 11–17. doi: 10.15587/1729-4061.2015.43047
  7. Fraze-Frazenko, A. (2012). Method for the regularization of ill-posed problems of recognition in CCTV. Technology audit and production reserves, 6 (4 (8)), 19–20. Available at: http://journals.uran.ua/tarp/article/view/5638/5080
  8. Anokhin, M. (2014). Moving objects recognition method by their video images. Eastern-European Journal of Enterprise Technologies, 4 (9 (70)), 33–37. doi: 10.15587/1729-4061.2014.26275
  9. Voloshyn, N. (2012). Identification of iris sign in automated systems of iridology based on Petri Nets. Technology audit and production reserves, 4 (1 (6)), 5–6. Available at: http://journals.uran.ua/tarp/article/view/4767/4418
  10. Alfaro-Ponce, M., Argüelles, A., Chairez, I. (2016). Pattern recognition for electroencephalographic signals based on continuous neural networks. Neural Networks, 79, 88–96. doi: 10.1016/j.neunet.2016.03.004
  11. Nesterenko, S. A., Stanovskiy, A. O., Oborotova, O. O. (2015). The wireless computer networks state recognition over the three-dimensional field of directions. Technology audit and production reserves, 6 (2 (26)), 28–35. doi: 10.15587/2312-8372.2015.56825
  12. Unglert, K., Radić, V., Jellinek, A. M. (2016). Principal component analysis vs. self-organizing maps combined with hierarchical clustering for pattern recognition in volcano seismic spectra. Journal of Volcanology and Geothermal Research, 320, 58–74. doi: 10.1016/j.jvolgeores.2016.04.014
  13. Stuper, A. J., Brugger, W. E., Jurs, P. C. (1979). Computer Assisted Studies of Chemical Structure and Biological Function. Published by John Wiley & Sons.
  14. Hartmann, K., Lezki, E., Schafer, V. (1974). Statistische Versuchsplanung und auswertung in der Stoffwirtschaft. Leipzig.
  15. Pavlenko, V. D., Fomin, A. A. (2001). Povyishenie tochnosti postroeniya reshayuschego pravila v metodah statisticheskoy klassifikatsii. Elektronnoe modelirovanie, 23 (4), 61–68.
  16. Vasenko, Y. (2012). Technology for improved wear iron. Technology audit and production reserves, 1 (1 (3)), 17–21. Available at: http://journals.uran.ua/tarp/article/view/4870/4521
  17. Ponomarenko, O. I., Trenev, N. S. (2013). Computer modeling of crystallization processes as a reserve of improving the quality of pistons of ICE. Technology audit and production reserves, 6 (2 (14)), 36–40. Available at: http://journals.uran.ua/tarp/article/view/19529/17205
  18. Ignaszaka, Z., Popielarskia, P., Krawiecb, K. (2007). Contribute to quantitative identification of casting defects based on computer analysis of X-ray images. Archives of foundry engineering, 7 (4 (18/4)), 89–94.
  19. Lin, Z., Lyu, M. R., King, I. (2011). MatchSim: a novel similarity measure based on maximum neighborhood matching. Knowledge and Information Systems, 32 (1), 141–166. doi: 10.1007/s10115-011-0427-z
  20. Arsirii, Е., Manikaeva, О., Vasilevskaja, O. (2015). Development of the decision support subsystem in the systems of neural network pattern recognition by statistical information. Eastern-European Journal of Enterprise Technologies, 6 (4 (78)), 4–12. doi: 10.15587/1729-4061.2015.56429
  21. Fraze-Frazenko, A. (2012). Algorithm of study neural network for image recognition. Technology audit and production reserves, 4 (1 (6)), 33–34. Available at: http://journals.uran.ua/tarp/article/view/4781/4432
  22. Fertsev, A. A. (2012). Uskorenie obucheniya neyronnoy seti dlya raspoznavaniya izobrazheniy s pomoschyu tehnologii NVidia Cuda. Vestnik Samarskogo gosudarstvennogo tehnicheskogo universiteta, 1 (26), 183–191.
  23. Unglert, K., Radić, V., Jellinek, A. M. (2016). Principal component analysis vs. self-organizing maps combined with hierarchical clustering for pattern recognition in volcano seismic spectra. Journal of Volcanology and Geothermal Research, 320, 58–74. doi: 10.1016/j.jvolgeores.2016.04.014
  24. Fakhar, K., El Aroussi, M., Saidi, M. N., Aboutajdine, D. (2016). Fuzzy pattern recognition-based approach to biometric score fusion problem. Fuzzy Sets and Systems. doi: 10.1016/j.fss.2016.05.005
  25. Perova, I. G. (2014). Adaptive treatment of these mediсo-biological researches by methods of computational intelligence. Eastern-European Journal of Enterprise Technologies, 1 (4 (67)), 24–28. doi: 10.15587/1729-4061.2014.21202
  26. Demin, D. A., Pelikh, V. F., Ponomarenko, O. I. (1998). Complex alloying of grey cast iron. Litejnoe Proizvodstvo, 10, 18–19.
  27. Demin, D. A. (1998). Change in cast iron's chemical composition in inoculation with a Si-V-Mn master alloy. Litejnoe Proizvodstvo, 6, 35.

##submission.downloads##

Опубліковано

2016-08-30

Як цитувати

Aouati, M. (2016). Локалізація векторів-образів в задачах параметричної класифікації з метою підвищення її точності. Eastern-European Journal of Enterprise Technologies, 4(4(82), 10–20. https://doi.org/10.15587/1729-4061.2016.76171

Номер

Том 4 № 4(82) (2016): Математика та кібернетика - прикладні аспекти

Розділ

Математика та кібернетика - прикладні аспекти

Ліцензія

Авторське право (c) 2016 Aouati Mourad

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.