Abstract
Strojno učenje predstavlja jednu od grana umjetne inteligencije koja simulira procese ljudskog učenja. Algoritmi razvijeni u ovom području nastoje 'naučiti' zaključivati i predviđati na temelju empirijskih podataka. Jedna od primjene ovih algoritama je u klasifikaciji, tj. razvrstavanju podataka u različite kategorije prema određenim karakteristikama ili svojstvima istih. Cilj ovog rada bilo je proučavanje performansi algoritama strojnog učenja namijenjenih klasifikaciji koristeći podatake iz tekstilne industrije. Testiranje se provelo na skeniranim prikazima različitih tekstilnih plošnih proizvoda (tkanina, pletiva, netkanog tekstila, čipki i tepiha) u programskom paketu Weka. Ovi proizvodi su trebali biti klasificirati u kategorije prema vrsti tekstilije kojoj pripadaju. U tu svrhu, eksperimentiralo se s brojem potrebnih kategorija (klasa), vrstom klasifikatora te filterima dostupnim u programskom paketu. Provedena su tri različita pokusa, a rad modela vrednovan je kroz parametar točnosti. Najbolji rezultati u sva tri pokusa postignuti su primjenom FCTH-filtera te IBk klasifikatora.
Published Version (
Free)
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callSimilar Papers
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
