Reducing the Run-time Complexity of Support Vector Machine Used for Rail Candidates Detection
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26230%2F15%3APU118626" target="_blank" >RIV/00216305:26230/15:PU118626 - isvavai.cz</a>
Výsledek na webu
<a href="http://www.vedeckekonference.cz/index.php?option=com_content&view=article&id=79&Itemid=66&lang=en" target="_blank" >http://www.vedeckekonference.cz/index.php?option=com_content&view=article&id=79&Itemid=66&lang=en</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Reducing the Run-time Complexity of Support Vector Machine Used for Rail Candidates Detection
Popis výsledku v původním jazyce
Support Vector Machine (SVM) is a technique for classification and regression. It uses a decision surface called hyperplane that depends on the regularization parameter and training points lying in the margin of the hyperplane. The run-time complexity of SVM may be reduced through the hyperplane affected by the regularization parameter. We deal with rails recognition in images taken from the camera mounted on the board of the locomotive. For the purpose of rail candidates detection, we deployed an algorithm using SVM. We performed several experiments under different settings. In this paper, we introduce an algorithm using SVM and the impact of its regulation parameter as well as others possible on SVM-performance. The main goal is to decrease time-complexity while maintaining classification success rate.
Název v anglickém jazyce
Reducing the Run-time Complexity of Support Vector Machine Used for Rail Candidates Detection
Popis výsledku anglicky
Support Vector Machine (SVM) is a technique for classification and regression. It uses a decision surface called hyperplane that depends on the regularization parameter and training points lying in the margin of the hyperplane. The run-time complexity of SVM may be reduced through the hyperplane affected by the regularization parameter. We deal with rails recognition in images taken from the camera mounted on the board of the locomotive. For the purpose of rail candidates detection, we deployed an algorithm using SVM. We performed several experiments under different settings. In this paper, we introduce an algorithm using SVM and the impact of its regulation parameter as well as others possible on SVM-performance. The main goal is to decrease time-complexity while maintaining classification success rate.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
<a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2015
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
International Masaryk conference for Ph.D. students and young researchers
ISBN
978-80-87952-12-2
ISSN
—
e-ISSN
—
Počet stran výsledku
9
Strana od-do
2138-2146
Název nakladatele
Akademické sdružení MAGNANIMITAS Assn.
Místo vydání
Hradec Králové
Místo konání akce
Hradec Králové
Datum konání akce
14. 12. 2015
Typ akce podle státní příslušnosti
EUR - Evropská akce
Kód UT WoS článku
—