Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Three-Dimensional Model of Signal Processing in the Presynaptic Bouton of the Neuron Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Classifiers for Matrix Normal Images: Derivation and Testing

verfasst von : Ewaryst Rafajłowicz

Erschienen in: Artificial Intelligence and Soft Computing

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We propose a modified classifier that is based on the maximum a posteriori probability principle that is applied to images having the matrix normal distributions. These distributions have a special covariance structure, which is interpretable and easier to estimate than general covariance matrices. The modification is applicable when the estimated covariance matrices are still not well-conditioned. The proposed classifier is tested on synthetic images and on images of gas burner flames. The results of comparisons with other classifiers are also provided.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Direct Incorporation of -Regularization into Generalized Matrix Learning Vector Quantization
Nächstes Kapitel Random Projection for k-means Clustering
Literatur
1.
Baringhaus, L., Henze, N.: A consistent test for multivariate normality based on the empirical characteristic function. Metrika 35(1), 339–348 (1988)MathSciNetCrossRef
2.
Devroye, L., Gyorfi, L., Lugosi, G.: A Probabilistic Theory of Pattern Recognition. Springer, Berlin (2013)MATH
3.
Haykin, S.S., et al.: Neural Networks and Learning Machines. Pearson, Upper Saddle River (2009)
4.
Krzysko, M., Skorzybut, M., Wolynski ,W.: Classifiers for doubly multivariate data. Discussiones Mathematicae: Probability & Statistics, p. 31 (2011)MathSciNetCrossRef
5.
6.
Manceur, A.M., Dutilleul, P.: Maximum likelihood estimation for the tensor normal distribution: algorithm, minimum sample size, and empirical bias and dispersion. J. Comput. Appl. Math. 239, 37–49 (2013)MathSciNetCrossRef
7.
Ohlson, M., Ahmad, M.R., Von Rosen, D.: The multilinear normal distribution: Introduction and some basic properties. J. Multivar. Anal. 113, 37–47 (2013)MathSciNetCrossRef
8.
Rafajłowicz, E.: Data structures for pattern and image recognition with application to quality control Acta Polytechnica Hungarica, Informatics (under review)
9.
Rafajłowicz, E., Pawlak-Kruczek, H., Rafajłowicz, W.: Statistical classifier with ordered decisions as an image based controller with application to gas burners. In: Rutkowski, L., Korytkowski, M., Scherer, R., Tadeusiewicz, R., Zadeh, L.A., Zurada, J.M. (eds.) ICAISC 2014. LNCS (LNAI), vol. 8467, pp. 586–597. Springer, Cham (2014). https://​doi.​org/​10.​1007/​978-3-319-07173-2_​50CrossRef
10.
11.
12.
Werner, K., Jansson, M., Stoica, P.: On estimation of covariance matrices with Kronecker product structure. IEEE Trans. Sig. Process. 56(2), 478–491 (2008)MathSciNetCrossRef
13.
Wójcik, W., Kotyra, A.: Combustion diagnosis by image processing. Photonics Lett. Pol. 1(1), 40–42 (2009)
Metadaten
Titel
Classifiers for Matrix Normal Images: Derivation and Testing
verfasst von
Ewaryst Rafajłowicz
Copyright-Jahr
2018
Buch
Artificial Intelligence and Soft Computing

Print ISBN: 978-3-319-91252-3

Electronic ISBN: 978-3-319-91253-0

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-91253-0_62