Ocena algorytmów data mining w klasyfikacji osób na podstawie geometrii dłoni

Katarzyna Ignatiuk

Abstract

Jedną z głównych technik data mining jest klasyfikacji. Pozwala ona na podstawie cech parametrów obiektu przyporządkować go do odpowiedniej klasy decyzyjnej. Temu zagadnieniu poświęcona jest niniejsza praca. Celem pracy była ocena algorytmów klasyfikujących osoby na podstawie geometrii dłoni. Praca zawiera opis procesu wstępnego przetwarzania obrazów, który pozwolił wydobyć po wektorze 20 wartości opisujących dłoń z jednego obrazu. Klasyfikacji wektorów cech dokonano 42 algorytmami dostępnymi w oprogramowaniu WEKA. Algorytmy oceniono biorąc pod uwagę liczbę poprawnie sklasyfikowanych osób, dopasowanie modelu klasyfikatora do danych, czas budowania i testowania modelu. Analiza otrzymanych wyników wyłoniła 3 najdokładniejsze klasyfikatory dla utworzonych zestawów danych. Należą do nich algorytmy BayesNet, KStar oraz RandomForest. Wśród nich najlepsze rezultaty klasyfikacji osiągnął algorytm BayesNet. Klasyfikacja tym algorytmem pozwoliła na 100% poprawnie sklasyfikowanie osób, bardzo dobre dopasowanie modelu do danych oraz niewielki czas budowania i testowania modelu.
Author Katarzyna Ignatiuk (FME)
Katarzyna Ignatiuk,,
- Faculty of Mechanical Engineering
Pages46-54
Publication size in sheets0.5
Book Nyćkowiak Jędrzej, Leśny Jacek (eds.): Badania i Rozwój Młodych Naukowców w Polsce: Nauki techniczne i inżynieryjne. Cz. 2, 2019, Młodzi Naukowcy, ISBN 978-83-66392-43-4, [978-83-66392-44-1], 196 p.
Keywords in PolishBayesNet, KStar, RandomForest
Internal identifierROC 19-20
Languagepl polski
Score (nominal)5
Score sourcepublisherList
ScoreMinisterial score = 5.0, 29-10-2019, MonographChapterAuthor
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back
Confirmation
Are you sure?