Temat: support vector machine

Skocz do pozycji: 1.

Tytuł:: Binarna klasyfikacja danych z wykorzystaniem metody wektorów nośnych
Binary data classification using Support Vector Machine
Autorzy:: Postaremczak, Angelika
Opis:: W pracy opisano metodę klasyfikacji danych, zwaną maszyną wektorów nośnych (ang. Support Vector Machine), używaną w obszarze uczenia maszynowego. Rozpoczęto od przytoczenia rzeczywistego problemu klasyfikacyjnego – czy na podstawie samego zdjęcia medycznego jesteśmy w stanie określić, czy pacjent choruje na nowotwór złośliwy, czy łagodny? Jako przykładową próbę wzięto zbiór pomiarów guzów piersi Diagnostic Wisconsin Breast Cancer Database. W Rozdziale 1 omówiona została idea tej metody klasyfikacji danych, wprowadzono również jej podstawowe pojęcia. Rozdział 2 skupia się na programowaniu nieliniowym oraz teorii dualności, w tym warunkach Karusha-Kuhna-Tuckera. Sprawdzono również, jak liniowy model SVM poradzi sobie z postawieniem wstępnej diagnozy pacjentom z Wisconsin. W ostatnim rozdziale wspomniano o modyfikacji metody wektorów nośnych, pozwalającej na pracę z danymi nierozdzielnymi liniowo. Wszystkie obliczenia numeryczne zostały wykonane w języku programowania Python, a kod źródłowy opisujący trening klasyfikatora zamieszczono w Dodatku A.
This thesis describes an algorithm for binary data classification - Support Vector Machine, used in machine learning.It starts with a real life classification problem - given only a medical photography of a tumour, could be possibly decide whether it is malignant, or benign? The sample data used comes from Diagnostic Wisconsin Breast Cancer Database.Chapter 1 summarizes the basic notions of this classification method. Chapter 2 elaborates on non-linear programming and the theory of dual problems, including KKT conditions. Finally, the effectiveness of a linear SVM classifier was tested on the Wisconsin data sample. The last chapter mentions a modification to this strategy, namely a kernel trick, which allows us to investigate linearly nonseparable cases.All the numeric calculations were conducted with Python and the source code is included in Appendix A.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 2.

Tytuł:: How To Construct Support Vector Machines Without Breaching Privacy
Autorzy:: Zhan, J.
Chang, L.
Matwin, S.
Tematy:: privacy
security
support vector machine (SVM); Pokaż więcej
Wydawca:: Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Powiązania:: https://bibliotekanauki.pl/articles/92993.pdf Link otwiera się w nowym oknie
Opis:: This paper addresses the problem of data sharing among multiple parties in the following scenario: without disclosing their private data to each other, multiple parties, each having a private data set, want to collaboratively construct support vector machines using a linear, polynomial or sigmoid kernel function. To tackle this problem, we develop a secure protocol for multiple parties to conduct the desired computation. In our solution, multiple parties use homomorphic encryption and digital envelope techniques to exchange the data while keeping it private. All the parties are treated symmetrically: they all participate in the encryption and in the computation involved in learning support vector machines.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 3.

Tytuł:: GRB redshift classifier to follow up high-redshift GRBs using supervised machine learning
Autorzy:: McGee, Monnie
Lamichhane, Nishan
Pollo, Agnieszka
Sarkar, Milind
Ange, Joshua
Nagataki, Shigehiro
Dainotti, Maria
Bhardwaj, Shubham
Bogdan, Malgorzata
Nadolsky, Pavel
Cook, Christopher
Opis:: Gamma-ray bursts (GRBs) are intense, short-lived bursts of gamma-ray radiation observed up to a high redshift (z $\sim$ 10) due to their luminosities. Thus, they can serve as cosmological tools to probe the early Universe. However, we need a large sample of high-z GRBs, currently limited due to the difficulty in securing time at the large aperture telescopes. Thus, it is painstaking to determine quickly whether a GRB is high-z or low-z, which hampers the possibility of performing rapid follow-up observations. Previous efforts to distinguish between high- and low-z GRBs using GRB properties and machine learning (ML) have resulted in limited sensitivity. In this study, we aim to improve this classification by employing an ensemble ML method on 251 GRBs with measured redshifts and plateaus observed by the Neil Gehrels Swift Observatory. Incorporating the plateau phase with the prompt emission, we have employed an ensemble of classification methods to unprecedentedly enhance the sensitivity. Additionally, we investigate the effectiveness of various classification methods using different redshift thresholds, z$_{threshold}$ = z$_{t}$ at z$_{t}$ = 2.0, 2.5, 3.0, and 3.5. We achieve a sensitivity of 87% and 89% with a balanced sampling for both z$_{t}$ = 3.0 and z$_{t}$ = 3.5, respectively, representing a 9% and 11% increase in the sensitivity over random forest used alone. Overall, the best results are at z$_{t}$ = 3.5, where the difference between the sensitivity of the training set and the test set is the smallest. This enhancement of the proposed method paves the way for new and intriguing follow-up observations of high-z GRBs.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Artykuł

na półce

Skocz do pozycji: 4.

Tytuł:: Modeling and optimization of activated carbon carbonization process based on support vector machine
Autorzy:: Liu, Gangyang
Zhang, Chunlong
Dou, Dongyang
Wei, Yinghua
Tematy:: carbonization process
optimization
modeling
support vector machine; Pokaż więcej
Wydawca:: Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Powiązania:: https://bibliotekanauki.pl/articles/1448262.pdf Link otwiera się w nowym oknie
Opis:: Product prediction and process parameter optimization in the production process of activated carbon are very important for production. It can stabilize product quality and improve the economic efficiency of enterprises. In this paper, three process parameters of a carbonization furnace, namely feeding rate, rotation speed, and carbonization temperature, were adopted to build a quality optimization model for carbonized materials. First, an orthogonal test was designed to obtain the preliminary relationship between the process parameters and the quality indicators of a carbonized material and prepare data for modeling. Then, an improved SVR model was developed to establish the relationship between product quality indicators and process parameters. Finally, through the singlefactor experiments and the Monte Carlo method, the process parameters affecting the quality of a carbonized material were determined and optimized. This showed that a high-quality carbonized material could be obtained with a smaller feeding rate, larger rotation speed, and higher carbonization furnace temperature. The quality of activated carbon reached its maximum when the feeding rate was 1.0 t/h, the rotation speed was 90 r/h, and the temperature was 836°C. It can effectively improve the quality of carbonized materials.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 5.

Tytuł:: Evaluation of electromagnetic filtration efficiency using least squares support vector model
Autorzy:: Yuceer, M.
Yildiz, Z.
Abbasov, T.
Tematy:: electromagnetic filtration
disperse systems
support vector machine (SVM); Pokaż więcej
Wydawca:: Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Powiązania:: https://bibliotekanauki.pl/articles/110758.pdf Link otwiera się w nowym oknie
Opis:: The present study aims to apply a least squares support vector model (LS–SVM) for predicting cleaning efficiency of an electromagnetic filtration process, also called quality factor, in order to remove corrosion particles (rust) of low concentrations from water media. For this purpose, three statistical parameters: correlation coefficient, root mean squared error and mean absolute percentage error were calculated for evaluating the performance of the LS–SVM model. It was found that the developed LS–SVM can be used to predict the effectiveness of electromagnetic filtration process.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 6.

Tytuł:: SVM - comparison with other methods of classification in machine learning
SVM - porównanie z innymi metodami klasyfikacji w nauczaniu maszynowym
Autorzy:: Muszalski, Marcin
Opis:: W pracy zawarty jest opis klasyfikatora SVM oraz jego porównanie z innymi metodami klasyfikacji w nauczaniu maszynowym.
This thesis contains a description of the SVM classifier and its comparison with other methods of classification in machine learning.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 7.

Tytuł:: Issledovanie ispolʹzovaniâ fuzii peremennyh v processe primeneniâ metoda opornyh vektorov v diagnostic
Autorzy:: Jegorowa, Albina
Górski, Jarosław
Kurek, Jarosław
Tematy:: diagnostics
tool wear
support vector machine
chipboard
drill; Pokaż więcej
Wydawca:: Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Powiązania:: https://bibliotekanauki.pl/articles/2200172.pdf Link otwiera się w nowym oknie
Opis:: Исследование использования фузии переменных в процессе применения метода опорных векторов в диагностике сверл во время обработки древесностружечной плиты. Целью работы было определение возможности слияния т.е. фузии переменных, определенных для диагностики режущего инструмента используемого во время сверления древесностружечной ламинированной плиты, в основе которого лежит метод опорных векторов. В результате применения данного метода удалось редуцировать набор переменных на 92,75 % к первоначальному, что позволило улучшить показатель точности классификации во время мониторинга за состоянием режущего инструмента, сократить время на тренировку системы и улучшить показатели генерализации. Проведенные исследования показали, что данный метод работает и значительно улучшает качество классификации неинвазивного метода диагностики сверл. Точность классификации составила 85,10%. Система не допускает ошибок между крайними классами. Количество ошибок между соседними классами незначительно.
Badanie wykorzystania fuzji cech diagnostycznych stosowanych podczas diagnostyki stopnia zużycia wierteł w trakcie obróbki płyt wiórowych laminowanych, z wykorzystaniem algorytmu maszyny wektorów wspierających. Celem pracy było określenie możliwości zastosowania fuzji zmiennych zdefiniowanych do diagnostyki narzędzia skrawającego stosowanego w trakcie wiercenia płyt wiórowych laminowanych, w oparciu o algorytm maszyny wektorów wspierających (SVM). W wyniku zastosowania tej metody możliwe było zmniejszenie zbioru zmiennych o 92,75%, do zbioru pierwotnego, co pozwoliło na poprawę dokładności klasyfikacji podczas monitorowania stanu narzędzi skrawających, skrócenie czasu uczenia oraz poprawę generalizacji. Badania wykazały, że metoda ta jest skuteczna, znacząco poprawiająca jakość klasyfikacji nieinwazyjnej diagnostyki wierteł. Dokładność klasyfikacji wyniosła 85,10%, a ponadto system nie dopuszcza do błędów pomiędzy klasami ekstremalnymi. Liczba błędów pomiędzy sąsiednimi klasami jest nieistotna.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 8.

Tytuł:: Klasyfikacja palaczy na podstawie dużego zbioru MRI, używając metod uczenia maszynowego
Classifying smokers in a large MRI dataset using methods of Machine Learning
Autorzy:: Prochoroff, Zofia
Opis:: In the context of researching effects of smoking on brain anatomy, machine learning provides an alternative way to analyze neuroimaging data. In the present study, a machine learning framework is used to classify smokers based on cortical and sub-cortical brain features. A total of 12 unique classification pipelines were run on a large dataset of 487 Magnetic Resonance Imaging (MRI) scans, segmented into 77 cortical regions of interest, to classify smokers (n=183) vs non-smokers (n=304). An additional analysis was conducted on a more rigorous class-membership definition which included only subjects who engage in smoking regularly (n=87). The general structure included data preprocessing, feature selection, cross-validation training and testing on an independent test set. Contrary to expectation, classification performance was generally not statistically significant when assessed with permutation testing. Several potential reasons for this are discussed, with emphasis on the need to conduct further research in the area of neuroimaging classification.
Uczenie maszynowe stanowi alternatywny sposób analizy danych neuroobrazowania dla badań wpływu palenia na anatomię mózgu. W niniejszym badaniu uczenie maszynowe jest używane do klasyfikowania palaczy w oparciu o korowe i podkorowe cechy mózgu. W sumie przeprowadzono 12 unikalnych schematów klasyfikacyjnych na dużym zbiorze danych obejmującym 487 skanów rezonansu magnetycznego (MRI), podzielonych na 77 obszarów korowych będących przedmiotem zainteresowania, w celu sklasyfikowania palaczy (n = 183) w porównaniu z osobami niepalącymi (n = 304). Przeprowadzono dodatkową analizę używając bardziej rygorystycznej definicji członkostwa w klasie, która obejmowała tylko osoby regularnie palące (n = 87). Ogólna struktura klasyfikacji obejmowała wstępne przetwarzanie danych, wybór funkcji, trenowanie poprzez cross-validation i testowanie na niezależnym zbiorze testowym. W przeciwieństwie do oczekiwań, wyniki klasyfikacji na ogół nie były statystycznie istotne. Omówiono kilka potencjalnych przyczyn tego zjawiska, i zasugerowano potrzebę przeprowadzenia dalszych badań w tematyce klasyfikacji neuroobrazowania.
Dostawca treści:: Repozytorium Uniwersytetu Jagiellońskiego

Inne

na półce

Skocz do pozycji: 9.

Tytuł:: Analysis of new method of initialisation of neuro - fuzzy systems with support vector machines
Analiza nowej metody inicjalizacji systemów neuronowo – rozmytych z wykorzystaniem maszyn wektorów wspierających
Autorzy:: Simiński, K.
Tematy:: support vector machine (SVM)
neuro-fuzzy systems
classification
regression; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Powiązania:: https://bibliotekanauki.pl/articles/375675.pdf Link otwiera się w nowym oknie
Opis:: The correspondence between support vector machines and neuro-fuzzy systems is very interesting. The full equivalence for classification and partial for regression has been formally shown. The equivalence has very interesting implication. It is a base for a new method of initialization of neurofuzzy systems, ie. for creating of fuzzy rule base. The commonly used methods are based on reversion of item: the premises of fuzzy rules split input domain into region, thus premises of fuzzy rules can be elaborated by partition of input domain. This leads to three main classes of partition of input domain. The above mentioned equivalence results in new way of creating the rule base. Now the input domain is not partitioned, but the premises of fuzzy rules are extracted from support vector. The objective of the paper is to examine the advantages and disadvantages of this new method for creation of fuzzy rule bases for neuro-fuzzy systems.
Związek pomiedzy maszynami wektorów podpierajacych i systemami neuronoworozmytymi jest bardzo interesujący. Została wykazana pełna odpowiedniość między tymi systemami dla klasyfikacji i częściowa dla regresji. Odpowiedność ta ma bardzo ważną konsekwencję. Jest podstawa do opracowania nowego sposobu tworzenia bazy reguł dla systemu neuronowo-rozmytego. Dotychczasowe metody opieraja się na podziale przestrzeni wejściowej, a następnie przekształcenia tak powstałych regionów w przesłanki rozmytych reguł. Tutaj możliwe jest przekształcanie wektorów wspierających na przesłanki reguł rozmytych. Celem artykułu jest przebadanie możliwości stosowania takiego podejścia do inicjalizacji systemów neuronowo-rozmytych. Eksperymenty wykazują dosć istotną wadę tego podejścia. W jego wyniku powstają bardzo liczne zbiory reguł rozmytych, co zupełnie przeczy idei interpretowalności wiedzy w systemach neuronowo-rozmytych. Manipulacja pewnymi parametrami umożliwia zmiejszenie liczby reguł, jednak manipulacja ta jest trudna i wymaga wielu prób. Drugą dość istotna wadą jest wyraźnie wyższy błąd wypracowywany przez systemy inicjalizowane przez SVM w porównaniu do systemów, których bazy reguł tworzone sa˛ poprzez podział przestrzeni wejściowej.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Skocz do pozycji: 10.

Tytuł:: A Classification Method Related to Respiratory Disorder Events Based on Acoustical Analysis of Snoring
Autorzy:: Wang, Can
Peng, Jianxin
Zhang, Xiaowen
Tematy:: acoustical analysis
feature extraction
support vector machine
snoring sound; Pokaż więcej
Wydawca:: Polska Akademia Nauk. Czasopisma i Monografie PAN
Powiązania:: https://bibliotekanauki.pl/articles/176601.pdf Link otwiera się w nowym oknie
Opis:: Acoustical analysis of snoring provides a new approach for the diagnosis of obstructive sleep apnea hypopnea syndrome (OSAHS). A classification method is presented based on respiratory disorder events to predict the apnea-hypopnea index (AHI) of OSAHS patients. The acoustical features of snoring were extracted from a full night’s recording of 6 OSAHS patients, and regular snoring sounds and snoring sounds related to respiratory disorder events were classified using a support vector machine (SVM) method. The mean recognition rate for simple snoring sounds and snoring sounds related to respiratory disorder events is more than 91.14% by using the grid search, a genetic algorithm and particle swarm optimization methods. The predicted AHI from the present study has a high correlation with the AHI from polysomnography and the correlation coefficient is 0.976. These results demonstrate that the proposed method can classify the snoring sounds of OSAHS patients and can be used to provide guidance for diagnosis of OSAHS.
Dostawca treści:: Biblioteka Nauki

Artykuł

na półce

Informacja

Wyszukujesz frazę "support vector machine" wg kryterium: Temat