Отрывок: Рис. 2. Графическое представление для пары {x1, x3} Табл. 2. Точность классификации без использования алгоритма выявления аномалий (p, q) X l X k1 X k2 (1, 3) 98,854 97,998 99,349 (2, 3) 94,768 97,898 98,205 (3, 4) 91,759 97,935 94,770 (3, 5) 93,908 97,110 95,365 Полученный результат может быть улучшен с по- мощью разработанного алгоритма выявления анома- лий (табл. 3). Табл. 3. Точность классификации с использованием алгоритма выявления аномалий (p, q) X l X k1 X k2 (1,...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Куликовских, И.М. | - |
dc.date.accessioned | 2017-11-21 11:39:15 | - |
dc.date.available | 2017-11-21 11:39:15 | - |
dc.date.issued | 2017-02 | - |
dc.identifier | Dspace\SGAU\20171101\65878 | ru |
dc.identifier.citation | Куликовских, И.М. Выявление аномалий в пространстве экологических признаков для повышения точности обнаружения живых объектов в здании / И.М. Куликовских // Компьютерная оптика. – 2017. – Т. 41, № 1. – С. 126-133 | ru |
dc.identifier.uri | https://dx.doi.org/10.18287/2412-6179-2017-41-1-126-133 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Zhurnal-Komputernaya-optika/Vyyavlenie-anomalii-v-prostranstve-ekologicheskih-priznakov-dlya-povysheniya-tochnosti-obnaruzheniya-zhivyh-obektov-v-zdanii-65878 | - |
dc.description.abstract | В данной работе рассматривается задача повышения точности обнаружения живых объектов в здании, описываемых пространством экологических факторов. Для решения поставленной задачи реализована модель логистической регрессии при условии неустойчивости оценок параметров для почти линейно разделимых классов. Создан алгоритм выявления аномалий, разрешающий компромисс между наличием выбросов и точностью распознавания. Эффективность предложенного алгоритма и целостность теоретических обоснований получили подтверждение при проведении вычислительных экспериментов. | ru |
dc.description.sponsorship | Работа выполнена при государственной поддержке Министерства образования и науки РФ (грант № 074-U01). Автор выражает благодарность д.т.н., профессору С.А. Прохорову и к.ф.-м.н., профессору Л.П. Усольцеву, а также рецензентам за ценные замечания и рекомендации, способствующие повышению качества представления результатов исследований. | ru |
dc.language.iso | rus | ru |
dc.publisher | Самарский университет | ru |
dc.relation.ispartofseries | 41;1 | - |
dc.subject | выявление аномалий | ru |
dc.subject | логистическая регрессия | ru |
dc.subject | машинное обучение | ru |
dc.subject | преобразование Кокса–Бокса | ru |
dc.subject | система обнаружения | ru |
dc.subject | экологический фактор | ru |
dc.title | Выявление аномалий в пространстве экологических признаков для повышения точности обнаружения живых объектов в здании | ru |
dc.title.alternative | Anomaly detection in an ecological feature space to improve the accuracy of human activity identification in buildings | ru |
dc.type | Article | ru |
dc.textpart | Рис. 2. Графическое представление для пары {x1, x3} Табл. 2. Точность классификации без использования алгоритма выявления аномалий (p, q) X l X k1 X k2 (1, 3) 98,854 97,998 99,349 (2, 3) 94,768 97,898 98,205 (3, 4) 91,759 97,935 94,770 (3, 5) 93,908 97,110 95,365 Полученный результат может быть улучшен с по- мощью разработанного алгоритма выявления анома- лий (табл. 3). Табл. 3. Точность классификации с использованием алгоритма выявления аномалий (p, q) X l X k1 X k2 (1,... | - |
dc.classindex.scsti | 28.23.20 | - |
dc.classindex.scsti | 28.23.25 | - |
Располагается в коллекциях: | Журнал "Компьютерная оптика" |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
410115.pdf | 840.59 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.