Nonparametric regression approach: applications in agricultural science
cytuj
pobierz pliki
RIS BIB ENDNOTEWybierz format
RIS BIB ENDNOTENonparametric regression approach: applications in agricultural science
Data publikacji: 2013
Czasopismo Techniczne, 2013, Automatyka Zeszyt 1-AC (2) 2013 , s. 17 - 27
https://doi.org/10.4467/2353737XCT.14.002.1990Autorzy
Nonparametric regression approach: applications in agricultural science
Zastosowanie regresji nieparametrycznej w naukach rolniczych
Celem niniejszego artykułu jest zaprezentowanie procedury wyznaczania rozkładu wielkości porów w agregatach glebowych. Do scharakteryzowania zależności pomiędzy badanymi zmiennymi wykorzystana zostanie funkcja regresji. W przeprowadzonych badaniach zastosowano algorytmy analizy obrazów cyfrowych oraz metodykę statystycznych estymatorów jądrowych. Przedstawiona metoda umożliwia uzyskanie właściwej charakterystyki rozkładu wielkości porów i może stanowić efektywne narzędzie stosowane w wielu zagadnieniach eksploracji danych. Jako model nieparametryczny, nie wymaga założeń dotyczących kształtu zależności funkcyjnej między rozpatrywanymi zmiennymi.
Charytanowicz M., Kulczycki P., Nonparametric Regression for Analyzing Correlation between Medical Parameters, [in:] Pietka E., Kawa J. (eds), Advances in Soft Computing – Information Technologies in Biomedicine, Springer-Verlag, Berlin, Heidelberg 2008.
Clark R.M., Non-Parametric Estimation of a Smooth Regression Function, Journal of the Royal Statistical Society, Series B 39, 1977, 107-113.
Draper N.R., Smith H., Applied regression analysis, John Wiley and Sons, New York 1981.
Gonet S., Czachor H., Organic carbon and humic substances fractions in soil aggregates 16th Meeting of the International Humic Substances Society, Functions of the Natural Organic Matter in Changing Environment, China, Hangzhou, 9-14.09.2012, 215-217, 2012.
Gonzalez R.C., Woods R.E., Digital Image Processing, Prentice-Hall Inc., New Jersey 2002.
Kowalski P., Procedura ekstrakcji cech z obrazu twarzy dla potrzeb systemu biometrycznego, Technical Transactions, vol. 1-AC/2012, Cracow University of Technology Press, 2012, 55-79.
Kravchenko, A., Chun H.C., Mazer M., Wang W., Rose J. B., Smucker, A., Rivers M., Relationships between intra-aggregate pore structures and distributions of Escherichia coli within soil macro-aggregates, Applied Soil Ecology, vol. 63, 2013, 134-142.
Król A., Niewczas J., Charytanowicz M., Gonet S., Lichner L., Czachor H., Lamorski K., Water stable and non stable soil aggregates and their pore size distributions, 20th International Poster Day and Institute of Hydrology Open Day “Transport of water, chemicals and energy in the soil – plant – atmosphere system”, 2012, 870-871.
Kulczycki P., Estymatory jądrowe w analizie systemowej, WNT, Warszawa 2005.
Kulczycki P., Kernel estimators in industrial applications, [in:] Prasad B. (ed) Soft Computing Applications in Industry, Springer-Verlag, Berlin 2008.
Perzanowski K.A., Wołoszyn-Gałęza A., Januszczak M., Indicative factors for European bison refuges in the Bieszczady Mountains, Ann. Zool. Fennici 45, 2008, 347-352.
Pratt W.K., Digital Image Processing, John Wiley and Sons, New York 2001.
Silverman B.W., Density Estimation for Statistics and Data Analysis, Chapman and Hall, London 1986.
Smith J.R., Chang S.F., VisualSeek: A fully automated content-based image query system, Proc. ACM Multimedia Conf., 1996, 87-98.
Van der Weerden T., Klein C., Kelliher F., Influence of pore size distribution and soil water content on N2O response curves, 19th World Congress of Soil Science, Soil Solutions for a Changing World, 1–6 August 2010, Brisbane, Australia 2010.
Wand M.P., Jones M.C., Kernel Smoothing, Chapman and Hall, London 1994.
Wayne L.W.C., Mathematical Morphology and Its Applications on Image Segmentation, MS thesis, Dept. of Computer Science and Information Engineering, National Taiwan University, Taiwan 2000.
Informacje: Czasopismo Techniczne, 2013, Automatyka Zeszyt 1-AC (2) 2013 , s. 17 - 27
Typ artykułu: Oryginalny artykuł naukowy
Tytuły:
Nonparametric regression approach: applications in agricultural science
Nonparametric regression approach: applications in agricultural science
Institute of Mathematics and Computer Science, The John Paul II Catholic University of Lublin; System Research Institute, Polish Academy of Sciences
Institute of Agrophysics, Polish Academy of Sciences
Institute of Agrophysics, Polish Academy of Sciences
Institute of Mathematics and Computer Science, The John Paul II Catholic University of Lublin
Publikacja: 2013
Status artykułu: Otwarte
Licencja: Żadna
Udział procentowy autorów:
Korekty artykułu:
-Języki publikacji:
AngielskiLiczba wyświetleń: 2525
Liczba pobrań: 1462