SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Vehicle

kimi avatar
kimi
8 diapositives · 341 Views · Aug 10, 2014

Vehicle . We had to design a data mining tool, to identify 4 different types of vehicles based on their silhouettes. This could be used for a toll gate, which charges different prices for different types of vehicles. Frank and Nick. The problem and the goal.

Vehicle - slide 1
01 / 8Vehicle
1 / 17

Télécharger la présentation

Vehicle
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Vehicle • We had to design a data mining tool, to identify 4 different types of vehicles based on their silhouettes. • This could be used for a toll gate, which charges different prices for different types of vehicles. Frank and Nick

  2. The problem and the goal To classify a given silhouette as one of four types of vehicle, using a set of features extracted from the silhouette. The vehicle may be viewed from one of many different angles.

  3. Description of data • There are 19 attributes in the data set • There are 846 instances in the data set

  4. Description of data • Some of the attributes include: • Compactness • Circularity • Scatter ratio • Scaled radius of gyration • Radius ratio • Etc.

  5. Classification accuracy • Decision stump: 38.5% • Decision tree: 69.7% • ZeroR: 21.5%

  6. Interesting patterns • If max length aspect ratio is between 7.3 and infinity then it’s a bus • If pr. Axis rectangularity is between 25.4 and infinity then it’s a bus

  7. Association rules • If pr. axis rectangularity is between 18.2 and 19.4 then scatter ratio is between 142.6 and 157.9 • If elongatedness is between 43.5 and 47 and pr. axis rectangularity is between 18.2 and 19.4 then scatter ratio is between 142.6 and 157.9

  8. Practical use • The results could be used to determine the price that a vehicle has to pay at a toll gate, depending on what type of vehicle it is.