MétaCan
Menu
Retour à la cohorte
Enregistrement W2169941178 · doi:10.1109/ccece.2003.1226163

Modelling of multifractal object boundaries

2004· article· en· W2169941178 sur OpenAlexaff
Shoaib Ahmed Siddiqui, Witold Kinsner

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematical Dynamics and Fractals
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMultifractal systemBoundary (topology)FractalMathematicsFractal dimensionWaveletFractal compressionFractal analysisFractal transformMeasure (data warehouse)Mathematical analysisArtificial intelligenceComputer scienceImage processingData miningImage (mathematics)Image compression

Résumé

récupéré en direct d'OpenAlex

This paper presents a new technique that combines fractal and wavelet analyses to model rough (nonsmooth) but crisp (one-pixel wide) object boundaries that have fractal or multifractal characteristics. The boundary is represented compactly by two sets of descriptors and control points. The first set contains information about complexities present on the boundary and is calculated using a fractal dimension analysis. The second set contains information about the shape of the boundary and is calculated by using wavelet analysis. We apply the midpoint displacement algorithm on the two sets of control points in order to reconstruct boundaries with the required fractal or multifractal dimension. The quality of reconstruction is measured using the Renyi fractal dimension singularity measure. Experimental results produced compression ratios in the range of 300:1 to 450:1, while preserving the complexities of the original boundary, as measured by the above multifractal metrics.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,466
Score d'incertitude au seuil0,303

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,065
Tête enseignante GPT0,302
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMathematical Dynamics and FractalsTravaux en français237 207