Doktorsko delo predstavlja rezultate ocenjevanja Gaussovega mešenega modela za potrebe klasifikacije v obratovalni trdnosti. Predstavljene so REBMIX & EM strategije za ocenjevanje parametrov Gaussovega mešanega modela. Ocenjevanje parametrov temelji na kombinaciji algoritma REBMIX in EM. REBMIX algoritem na podlagi znane empirične gostote porazdelitve verjetnosti za določen vzorec opazovanj oceni aproksimativne začetne parametre Gaussovega mešanega modela, ki jih nato izboljšamo s pomočjo EM algoritma. Za oceno empirične gostote porazdelitve verjetnosti, ki jo potrebujemo v algoritmu REBMIX, smo predstavili več možnih rešitev. To je prineslo tri različne REBMIX & EM strategije, in sicer Izčrpna strategija REBMIX & EM, Najboljša strategija REBMIX & EM ter Enotna strategija REBMIX & EM. Za oceno optimalnega histograma, ki ga rabimo pri ocenjevanju empirične gostote porazdelitve verjetnosti, smo prikrojili lasten optimizacijski algoritem. Ta temelji na algoritmu koordinatnega spusta. Za cenilko uspešnosti histograma je bilo izbrano Knuthovo pravilo. Za potrebe klasifikacije smo naredili dodaten tristopenjski postopek filtriranja nepomembnih lastnosti. Hkrati smo nakazali način kako lahko izboljšamo uspešnost klasifikacije, če vplivamo na parameter glajenja v histogramskem predprocesiranju REBMIX algoritma.

Pravice

URN

URN:NBN:SI:DOC-SRS4LELV

Objavljeno

15.05.2023

COBISSID

76948227

Metapodatki

Citiranje

APA:

Panić, Branislav, Nagode, Marko, Klemenc, Jernej (2021). Izboljšave Gaussovih mešanih modelov za klasifikacijo na področju obratovalne trdnosti. URN:NBN:SI:DOC-SRS4LELV from http://www.dlib.si

MLA:

Panić, Branislav, Nagode, Marko, Klemenc, Jernej. Izboljšave Gaussovih mešanih modelov za klasifikacijo na področju obratovalne trdnosti. B. Panić, 2021.
<http://www.dlib.si/?URN=URN:NBN:SI:DOC-SRS4LELV>