Browsing by Subject "principal component analysis"

Now showing 1 - 3 of 3

Access status: Restricted ,
Analiza wielowymiarowego szeregu czasowego danych dotyczących skażenia powietrza w Krakowie
(Data obrony: 2016-10-20) Biel, Katarzyna
Wydział Geologii, Geofizyki i Ochrony Środowiska
Niniejsza praca ma na celu przeanalizowanie wielowymiarowego szeregu czasowego danych dotyczących skażenia powietrza w Krakowie. W tym celu wykonano analizę składowych głównych oraz transformatę Fouriera. Wielowymiarowa analiza korelacji i PCA wykazała silną korelację wszystkich zmiennych, co oznacza, że w przypadku dni z większym stopniem zanieczyszczenia wszystkie parametry są podwyższone. Interesującym wynikiem analizy Fourierowskiej jest „kształt” przebiegu tygodniowego. Okazuje się, że w środę występuje minimum o poziomie niemal takim jak minimum weekendowe.
Access status: Open Access ,
Jak mierzyć postępy transformacji energetycznej?
(Wydawnictwa AGH, 2021) Kopeć, Sławomir; Lach, Łukasz
Celem artykułu jest przybliżenie koncepcji pomiaru postępu transformacji energetycznej z wykorzystaniem wskaźników kompozytowych. W pierwszej części pracy przedstawiono sposób konstrukcji i opisano własności dwóch popularnych kompozytowych wskaźników transformacji energetycznej publikowanych odpowiednio przez Światowe Forum Ekonomiczne (indeks ETI) i Światową Radę Energetyczną (indeks WETI). W drugiej części pracy przedstawiono autorską koncepcję wyznaczania zmodyfikowanego indeksu ETI (indeks METI) wykorzystującą zaawansowany aparat statystyczny zapewniający minimalizację wpływu uznaniowości w procesie konstrukcji wskaźnika kompozytowego. Proponowaną metodykę METI zastosowano do "przeliczenia" wyników indeksu ETI dla roku 2020. Uzyskane rezultaty znacznie różnią się od "oryginalnego" rankingu ETI, w szczególności co do pozycji Polski. W ostatniej części artykułu omówiono możliwe kierunki dalszych prac i zarysowano główne rekomendacje w zakresie możliwości stosowania zmodyfikowanych wskaźników kompozytowych do oceny postępu transformacji energetycznej w Polsce.
Access status: Open Access ,
Robust content-based image retrieval using ICCV, GLCM, and DWT-MSLBP descriptors
(Wydawnictwa AGH, 2022) Chavda, Sagar; Goyani, Mahesh
Content-based image retrieval (CBIR) retrieves visually similar images from a dataset based on a specified query. A CBIR system measures the similarities between a query and the image contents in a dataset and ranks the dataset images. This work presents a novel framework for retrieving similar images based on color and texture features. We have computed color features with an improved color coherence vector (ICCV) and texture features with a gray-level co-occurrence matrix (GLCM) along with DWT-MSLBP (which is derived from applying a modified multi-scale local binary pattern [MS-LBP] over a discrete wavelet transform [DWT], resulting in powerful textural features). The optimal features are computed with the help of principal component analysis (PCA) and linear discriminant analysis (LDA). The proposed work uses a variancebased approach for choosing the number of principal components/eigenvectors in PCA. PCA with a 99.99% variance preserves healthy features, and LDA selects robust ones from the set of features. The proposed method was tested on four benchmark datasets with Euclidean and city-block distances. The proposed method outshines all of the identified state-of-the-art literature methods.