Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
14
Lista B
Status:
Autorzy: Sawicki Daniel, Kotyra Andrzej, Perdesh Khairullina
Rok wydania: 2016
Wersja dokumentu: Drukowana | Elektroniczna
Język: polski
Numer czasopisma: 8
Wolumen/Tom: 92
Strony: 133 - 136
Bazy: EBSCO | INSPEC | BAZTECH
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Abstrakty: polski | angielski
W pracy przedstawiono porównanie wybranych metod ekstrakcji cech obrazów dla współspalania pyłu węglowego i biomasy. Zbiór cech dyskryminacyjnych poddano transformacji w celu redukcji wymiarowości oraz grupowania przypadków stabilnego i niestabilnego spalania. Porównano metody: analizę składowych głównych, skalowanie wielowymiarowe oraz analizę czynnikową. Dla każdej z zastosowanych metod redukcji wymiarowości stwierdzono, że analizowane zbiory danych obrazu płomienia trudno jednoznacznie pogrupować na przypadki należące do klasy stabilny i niestabilny. Ponadto za pomocą analizy PCA określono istotność poszczególnych cech obrazu płomienia w reprezentowanym modelu.
This paper presents comparison image future extraction methods of co-firing pulverized coal and biomass. In order to dimension reduction and classify state of process (stable and unstable) discriminant features were transformed. Compared method are: principal components analysis, multidimensional scaling and multivariate analysis. Experimental results show that presented methods for flame image analysis is difficult to be grouped into cases belonging to the class of stable and unstable. Furthermore, significance of the individual characteristics of the flame image in the represented model were obtained by PCA analysis. (Flame image feature extraction of co-firing coal and biomass with vision diagnostic system).