| DC Field | Value | Language |
|---|
| dc.contributor.author | Лисименко, Л. Д. | - |
| dc.date.accessioned | 2022-05-25T07:12:26Z | - |
| dc.date.available | 2022-05-25T07:12:26Z | - |
| dc.date.issued | 2022 | - |
| dc.identifier.citation | Лисименко, Л. Д. Применение метода PCA в фильтрации изображений / Л. Д. Лисименко // Электронные системы и технологии [Электронный ресурс] : сборник материалов 58-й научной конференции аспирантов, магистрантов и студентов БГУИР, Минск, 18-22 апреля 2022 г. / Белорусский государственный университет информатики и радиоэлектроники ; редкол.: Д. В. Лихаческий [и др.]. – Минск, 2022. – С. 171–172. – Режим доступа : https://libeldoc.bsuir.by/handle/123456789/46926. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/47105 | - |
| dc.description.abstract | В данной работе исследован метод машинного обучения без учителя – метод главных компонент (PCA), предназначенный для понижения размерности данных. Экспериментальным путём рассмотрено применение метода PCA к фильтрации изображений. В результате отфильтрован шум в изображениях низкого разрешения The Principal Component Analysis is an unsupervised machine learning method designed to reduce the dimensionality of data. PCA studied in this work. The applying of this method to image filtering experimentally considered. As a result low-resolution images were denoised. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | метод главных компонент | ru_RU |
| dc.subject | машинное обучение без учителя | ru_RU |
| dc.subject | principal component analysis | ru_RU |
| dc.subject | unsupervised machine learning | ru_RU |
| dc.title | Применение метода PCA в фильтрации изображений | ru_RU |
| dc.title.alternative | Application of the PCA method in image filtering | ru_RU |
| dc.type | Статья | ru_RU |
| Appears in Collections: | Электронные системы и технологии : материалы 58-й конференции аспирантов, магистрантов и студентов (2022)
|
