Spelling suggestions: "subject:"klasifikavimo"" "subject:"klasifikacija""
31 |
Vaizdų analizė naudojant Bajeso diskriminantines funkcijas / Image analysis using Bayes discriminant functionsStabingiene, Lijana 17 September 2012 (has links)
Vaizdų analizė šiomis dienomis yra labai svarbi dėl plataus pritaikymo daugelyje mokslo ir pramonės sričių. Vienas iš vaizdų analizės įrankių – objekto atpažinimas (klasifikavimas) (angl. pattern recognition). Statistinis objekto atpažinimas, paremtas Bajeso diskriminantinėmis funkcijomis – šio darbo objektas. Sprendžiama problema – optimalus klasifikavimas stacionaraus Gauso atsitiktinio lauko (GRF) stebinio, į vieną iš dviejų klasių, laikant, kad jis yra priklausomas nuo mokymo imties ir atsižvelgiant į jo ryšius su mokymo imtimi. Pateikta klasifikavimo procedūra, kuri Gauso atsitiktinio lauko stebinius klasifikuoja optimaliai. Yra pasiūlytas naujas klasifikavimo su mokymu metodas, kuris duoda geresnius rezultatus, lyginant su įprastai naudojamomis Bajeso diskriminantinėmis funkcijomis. Metodas realizuotas R sistemos aplinkoje ir tikrinamas eksperimentų būdu, atstatant vaizdus, sugadintus erdvėje koreliuoto triukšmo. Tokia situacija pasitaiko natūraliai, pavyzdžiui, degant miškui dūmai uždengia nuotolinio stebėjimo vaizdą, gautą iš palydovo. Taip pat tokia situacija gana dažna esant debesuotumui. Esant tokiai situacijai erdvinės priklausomybės įvedimas į klasifikacijos problemą pasiteisina. Pateiktos (išvestos) analitinės klaidų tikimybių išraiškos Bajeso diskriminantinėms funkcijoms, kurios yra kaip šių funkcijų veikimo kriterijus. Ištirta klaidų tikimybių priklausomybė nuo statistinių parametrų reikšmių. / Image analysis is very important because of its usage in many different areas of science and industry. Pattern recognition (classification) is a tool used in image analysis. Statistical pattern recognition, based on Bayes discriminant functions is the object of this work. The main problem is to classify stationary Gaussian random field observation into one off two classes, considering, that it is dependant on training sample ant taking in to account the relationship with training sample. The new supervised classification method, based on Bayes discriminant functions, is proposed and it gives better results comparing with other commonly used Bayes discriminant functions. Method is programmed with R program and investigated experimentally, reconstructing images corrupted by spatially correlated noise. Such situation occurs naturally, for example, during the forest fire smoke covers the remotely sensed image, gathered from the satellite. Also such situation is often during cloudy days. During such situation the incorporation of the spatial dependences into the classification problem is useful. Analytical error rates of Bayes discriminant functions are presented (derived), which are the criterion of these functions. Also, the dependences on statistical parameters are investigated for these error rates.
|
32 |
Mathematical models for scientific terminology and their applications in the classification of publications / Mokslinės terminijos matematiniai modeliai ir jų taikymas leidinių klasifikavimeBalys, Vaidas 11 November 2009 (has links)
The dissertation considers the problem of automatic classification of scientific publications. The problem is addressed by using probabilistic methods of the discriminant analysis. The main goal of the dissertation is to create constructive classification methods that would allow to take into consideration specificity of scientific publication text. The dissertation consists of Introduction, 3 chapters, Conclusions, References, list of author's publications, and one Appendix. The introduction reveals the investigated problem, importance of the thesis and the object of research and describes the purpose and tasks of the paper, research methodology, scientific novelty, the practical significance of results examined in the paper and defended statements. The introduction ends in presenting the author’s publications on the subject of the defended dissertation, offering the material of made presentations in conferences and defining the structure of the dissertation. Chapter 1 presents a detailed mathematical formulation of the considered problem, reviews scientific papers on the subject, and analyses a few popular classification algorithms that in Chapter 3 are compared to the ones proposed in this paper. Chapter 2 develops the probabilistic model for scientific terminology distribution over texts, discusses special cases of the model under specific assumptions on forms of terminology relations, suggests the model identification procedures, and formulates constructive scientific... [to full text] / Disertacijoje nagrinėjamas mokslo publikacijų automatinio klasifikavimo uždavinys. Šis uždavinys sprendžiamas taikant tikimybinius diskriminantinės analizės metodus. Pagrindinis darbo tikslas - sukurti konstruktyvius klasifikavimo metodus, kurie leistų atsižvelgti į mokslo publikacijų tekstų specifiką. Disertaciją sudaro įvadas, trys pagrindiniai skyriai, rezultatų apibendrinimas, naudotos literatūros ir autoriaus publikacijų disertacijos tema sąrašai ir vienas priedas. Įvadiniame skyriuje aptariama tiriamoji problema, darbo aktualumas, aprašomas tyrimų objektas, formuluojamas pagrindinis darbo tikslas bei uždaviniai, aprašoma tyrimų metodika, darbo mokslinis naujumas, pasiektų rezultatų praktinė reikšmė, ginamieji teiginiai. Įvado pabaigoje pristatomos disertacijos tema autoriaus paskelbtos publikacijos ir pranešimai konferencijose bei disertacijos struktūra. Pirmajame skyriuje matematiškai apibrėžtas ir detalizuotas sprendžiamas uždavinys, pateikta analitinė kitų autorių darbų apžvalga. Pasirinkti ir išanalizuoti keli populiarūs klasifikavimo algoritmai, kurie eksperimentinėje darbo dalyje lyginti su autoriaus pasiūlytaisiais. Antrajame skyriuje sudarytas mokslo terminijos pasiskirstymo tekstuose tikimybinis modelis, išskirti atskiri atvejai, galiojant įvestoms prielaidoms apie terminų tarpusavio sąryšių formas, pasiūlytos modelio identifikavimo procedūros bei suformuluoti konstruktyvūs mokslo publikacijų klasifikavimo algoritmai. Trečiajame skyriuje pateikti pagrindiniai... [toliau žr. visą tekstą]
|
33 |
Virtualaus objekto valdymo sistemos smegenų kompiuterio sąsajos tyrimas / Virtual object management system of the brain computer interface researchŠidlauskas, Kęstutis 26 August 2013 (has links)
Šiame darbe nagrinėjama smegenų – kompiuterio sąsajos (BCI) sistema. Taip pat dirbtinių neuroninių tinklų ir atsitiktinių miškų klasifikavimo algoritmų panaudojimas smegenų – kompiuterio sąsajos sistemose. Realizuotas smegenų – kompiuterio sąsajos prototipas. Šis prototipas leidžia valdyti kompiuterio pelę, naudojant elektroencefalogramos arba elektromiogramos skaitytuvą. Atliktas kompiuterio pelės valdymo, naudojant smegenų – kompiuterio sistemą, tyrimas, vykdant praktines užduotis. Rezultatai palyginti su įprastu būdu valdoma kompiuterio pele. Tyrime naudotas OCZ NIA elektroencefalogramos ir elektromiogramos signalų skaitytuvas. Palyginta kuris iš naudotų klasifikavimo algoritmų pasiekia didžiausią tikslumą. Padarytos išvados apie smegenų – kompiuterio sąsajos sistemos prototipo privalumus ir trūkumus. / This work analyzes the brain – computer interface (BCI) system. Also artificial neural networks and random forest classification algorithms are used in brain – computer interface systems. A prototype of the brain – computer interface was developed. The prototype lets you control your mouse using electromyogram or electroencephalogram reader. In this work, the practical tasks carried out mouse control study using a brain – computer interface. The results were compared with the normal – controlled computer mouse. The study used OCZ NIA electroencephalogram and electromyogram signal reader. Compared which of the used algorithms achieves the highest accuracy. The conclusions were drawn about the BCI prototype.
|
34 |
Gamybos išlaidų klasifikavimas / Classification of production costsKviklienė, Elida 25 May 2005 (has links)
The subject of the research is production costs classification used in the Lithuanian manufacture enterprises and farmers’ farms.
The goal of the work is to reason the expedience of selection of the classification features in practice and to measure the adaptation opportunities of the selected classification features in the Lithuanian enterprises and farmers’ farms, after the costs classification potential have been analysed.
The tasks are as follows:
1) to analyse the principle of production costs and classification potential, and to reason the expedience of selection of the classification features;
2) to analyse individual types of costs according to the selected classification features;
3) to check and measure the adaptation opportunities thereof in practice.
The research methods include the logical analysis of economic literature containing comparison and summarizing of theoretical statements.
The practical experience of costs classification gained in the Lithuanian manufacture enterprises and agricultural partnerships has been analysed using the method of analysis and synthesis. The results of the research have been described using the methods of comparison and summarizing the outcome, as well as the monographic method of analysis.
After having analysed the principle of costs and classification potential thereof with regard to the objectives set in the area of cost accounting, the selected costs classification features are introduced in the work, which are essential in... [to full text]
|
35 |
Patikrinimai muitinėje ir jų įtaka apmokestinimui / Customs audits and their impact on taxationSipavičiūtė, Ernesta 08 September 2009 (has links)
Lietuvos Respublikos muitinės vaidmuo smarkiai pasikeitė nuo 2004 m. gegužės 1 d. Po įstojimo į ES prekės valstybių narių teritorija juda be jokių prekybos apribojimų, o importuojamoms iš trečiųjų šalių prekėms taikomi vienodi tarifai ir kvotos. Lietuva atsakinga už ES išorinės sienos apsaugą, todėl padidėjo jos atsakomybė tikrinant iš trečiųjų šalių gabenamas prekes. Po 2004 m. pasikeitė ir muitinės, kaip mokesčių surinkėjos vaidmuo – kadangi muitai ir muito mokesčiai yra sudedamoji ES nuosavų išteklių sistemos dalis. Kadangi muitinis apmokestinimas siejamas su trimis pagrindinėmis charakteristikomis – prekių kilme, prekės kodu, prekių muitine verte, todėl muitinė atlikdama savo, kaip mokesčių surinkėjos vaidmenį, visų pirma, turi įvertinti ir atlikti patikrinimus, susijusios su šiomis charakteristikomis, kadangi daugiausia muitų teisės aktų pažeidimų kaip tik ir nustatoma šioje srityje. Lietuvos muitinė, būdama atsakinga už rinkos ir visuomenės apsaugą bei mokesčių administravimą, turi siekti šių tikslų: • Įdiegti kompiuterizuotą rizikos valdymo sistemą, siekiant užtikrinti efektyvią prekių ir asmenų judėjimo kontrolę; • Tapti koordinuojančia institucija, atsakinga už prekių judėjimo per išorines ES sienas kontrolę; • Imtis atitinkamų, tarptautinius standartus atitinkančių priemonių ir metodų atliekant prekių ir transporto priemonių patikrinimus; • Skatinti ir vystyti muitinių bendradarbiavimą, užtikrinti efektyvų keitimąsi informacija ir taip operatyviau atskleisti galimus... [toliau žr. visą tekstą] / After joining EU the tasks of Lithuanian Customs Authorities rapidly changed, because they became responsible for the protection of external EU borders. Customs plays a vital role in protecting borders from the entry of illegal and harmful goods. EU Customs Union is based on a main principle – free movement of goods, which means that the goods between EU territory can move without no restrictions applied. Since 2004 Customs as tax collector‘s role also change – customs duties form a part of Communities own resources system. The main characteristics that have an impact on customs duties applied are origin of goods, tarriff clasification and customs value and because of that the most of the customs law infringements accur then the import operations are performed. This is why the customs authorities should carry out the inspections on these elements very carefully. The tasks in the market and society protection and tax administration include the following: • to implement a computerized risk management system related to goods, customs procedures and persons, and to integrate it into EU risk management process; • to become a coordinating institution, responsible for control of goods being transported through the external EU borders of Lithuania in the integrated state border protection system of the Republic of Lithuania; • to ensure control of movement of goods by implementing modern measures and methodologies, as used in other EU Member States, for customs examination of goods... [to full text]
|
36 |
Klientų duomenų valdymas bankininkystėje / Client data management in bankingŽiupsnys, Giedrius 09 July 2011 (has links)
Darbas apima banko klientų kredito istorinių duomenų dėsningumų tyrimą. Pirmiausia nagrinėjamos banko duomenų saugyklos, siekiant kuo geriau perprasti bankinius duomenis. Vėliau naudojant banko duomenų imtis, kurios apima kreditų grąžinimo istoriją, siekiama įvertinti klientų nemokumo riziką. Tai atliekama adaptuojant algoritmus bei programinę įrangą duomenų tyrimui, kuris pradedamas nuo informacijos apdorojimo ir paruošimo. Paskui pritaikant įvairius klasifikavimo algoritmus, sudarinėjami modeliai, kuriais siekiama kuo tiksliau suskirstyti turimus duomenis, nustatant nemokius klientus. Taip pat siekiant įvertinti kliento vėluojamų mokėti paskolą dienų skaičių pasitelkiami regresijos algoritmai bei sudarinėjami prognozės modeliai. Taigi darbo metu atlikus numatytus tyrimus, pateikiami duomenų vitrinų modeliai, informacijos srautų schema. Taip pat nurodomi klasifikavimo ir prognozavimo modeliai bei algoritmai, geriausiai įvertinantys duotas duomenų imtis. / This work is about analysing regularities in bank clients historical credit data. So first of all bank information repositories are analyzed to comprehend banks data. Then using data mining algorithms and software for bank data sets, which describes credit repayment history, clients insolvency risk is being tried to estimate. So first step in analyzis is information preprocessing for data mining. Later various classification algorithms is used to make models wich classify our data sets and help to identify insolvent clients as accurate as possible. Besides clasiffication, regression algorithms are analyzed and prediction models are created. These models help to estimate how long client are late to pay deposit. So when researches have been done data marts and data flow schema are presented. Also classification and regressions algorithms and models, which shows best estimation results for our data sets, are introduced.
|
Page generated in 0.0591 seconds