PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2003 | 10 | nr 988 Klasyfikacja i analiza danych - teoria i zastosowania | 98--108
Tytuł artykułu

Nieparametryczne metody rozpoznawania obrazów i ich zastosowania

Warianty tytułu
Nonparametric Pattern Recognition Methods and Their Applications
Języki publikacji
PL
Abstrakty
Autorka przedstawiła wybrane nieparametryczne metody rozpoznawania obrazów, do których zaliczyć można m.in. algorytmy minimalnoodległościowe (np. najbliższego sąsiada, &-najbliższych sąsiadów, algorytmy oparte na odległościach) oraz algorytmy tworzące drzewa klasyfikacyjne (np. CART, QUEST, CRUISE). Dodatkowo autorka wskazała możliwości aplikacyjne metod nieparametrycznych do rozwiązywania problemów o charakterze decyzyjnym m.in. w diagnostyce medycznej i analizach finansowych.
EN
The primary goal of pattern recognition is to assign an object, represented by a vector of numbers, to one class from the finite set of classes. The aim of the article is to present the results of using selected nonparametric pattern recognition algorithms to solve decision-making problems. The following methods were applied: the nearest neighbour (NN) algorithm, the &-nearest neighbours (&-NN) algorithm, the distance - based (DB) algorithm and classification trees, constructed by recursive partitioning the learning set. In order to compare nonparametric and parametric methods linear classifying functions were also calculated. (original abstract)
Twórcy
Bibliografia
  • Bobrowski L. (1987), Dyskryminacja symetryczna w rozpoznawaniu obrazów. Teoria, algorytmy, zastosowania w komputerowym wspomaganiu diagnostyki medycznej, Ossolineum, Wrocław.
  • Breiman L., Friedman J., Olshen R., Stone C. (1984), Classification and Regression Trees, CRC Press, London.
  • Cessie S., Houwelingen H.C. (1995), Testing the Fit of a Regression Model via Score Tests in Random Effects Models, Biometrics (1995), Vol. 51, No 2, s. 600-614.
  • Domański Cz., Pruska K. (2000), Nieklasyczne metody statystyczne, PWE, Warszawa.
  • Gatnar E. (2001), Nieparametryczna metoda dyskryminacji i regresji, PWN, Warszawa.
  • Kim H., Loh W.-Y. (2001), Classification Trees With Unbiased Multiway Splits, "Journal of the American Statistical Association 96", s. 598-604.
  • Kurzyński M. (1997), Rozpoznawanie obiektów. Metody statystyczne, Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław.
  • Loh W.-Y., Shih Y.-S. (1997), Split Selection Methods for Classification Trees, Statistica Sinica 7, s. 815-840.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000000014435

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.