Burgonya fajták azonosítása és minősítése digitális képanalízis felhasználásával
|
|
- Lídia Kerekesné
- 7 évvel ezelőtt
- Látták:
Átírás
1 Burgonya fajták azonosítása és minősítése digitális képanalízis felhasználásával Csák Máté - Hegedűs Géza- Dr. Polgár Zsolt Pannon Egyetem, Georgikon Kar, Keszthely mate.csak@georgikon.hu, hg@georgikon.hu, pog-zs@georgikon.hu
2 Tartalom Bevezetés Előzmények Spektrális Fraktál Dimenzió Mi is az SFD? Felmerülő problémák Felvételezés körülményei Fajták azonosítás és minősítés digitális képanalízis felhasználásával Anyag és módszer Eredmények Összefoglalás
3 Előzmények1: IKTA-00101/2003 A kutatási program célja Olyan minősítő rendszer kidolgozása, amely szubjektív ítéleteket nem vagy minimális mértékben tartalmaz (EMOR) Illeszkedik a csatlakozás utáni EU és hazai előírásokhoz A fajtaérték-meghatározást objektívebbé és pontosabbá teszi Automatikus felismerési folyamatok adatbázisának tervezése és felépítése Automatikus elemzési, minősítési folyamatok gyakorlati megvalósítása
4 Előzmény2: Cikk 1 Erdei Ferenc IVth Scientific Conference august Kecskemét: SPEKTRÁLIS FRAKTÁLDIMENZIÓ- INVARIÁNS TRANSZFORMÁCIÓK ÉS ELTOLÓDÁSI SZABÁLYOK Hegedűs Géza
5 Előzmény3: Cikk 2 Csák M., Hegedűs G.: Az SFD mérésként való alkalmazhatósága a burgonyanemesítési kutatásokban, Acta Agraria Kaposváriensis (2008) Vol 12 No 2,
6 A felvételezés standard körülményei állandó intenzitást biztosító mesterséges fényforrás alkalmazása (körvakú) merőleges vetület biztosítása közepes *1696 pixel - felbontás alkalmazása azonos mintáról több felvétel készítése csillogás mentesség biztosítása (nyers hússzín esetén, friss vágott felület leitatása) a minta színétől nagyban eltérő homogén háttér biztosítása (kék, fekete, fehér) fix fókusztávolság alkalmazása
7 Minden képnek van fraktál dimenziós értéke (FD), amely spektrumokra is bontható(sfd)
8 Mi is az SFD? d k k i= 1 ln ln n i m i Spektrális Fraktál Dimenzió d: réteg (dimenzió=3) k: iteráció szám=8 n: nem üres térkockák száma m: összes térkocka
9 Katica gumóhéj képe RGB szintérben
10 Katica nyershús képe RGB szintérben
11 Katica főtthús képe RGB szintérben
12 Katica szürkülés képe RGB szintérben
13 Anyag és módszer Mintavételezés 4 vizsgálati időszak 13 burgonya fajta 4 féle tulajdonság 10 szeres ismétlés Összes mintaszám 2080 db Katica egész gumó héjszín nyers hússzín főtt hússzín szürkülés hússzín
14 Anyag és módszer (2) Képek készítése: Technika: CANON EOS 30D CANON mm lencse SIGMA EM-140 DG körvakú Képek: 24 bites színes (RGB), raszteres, JPG 2544*1696 pixel, 72 ppi felbontás Katica egész gumó héjszín nyers hússzín főtt hússzín szürkülés hússzín
15 Elemezni kívánt fotók elkészítése 1. Fotózás: 1152x1728(72 ppi) 2. Burgonya kivágása: 295x295(300ppi) 3. A háttér kitisztítása 4. A háttér eltávolítása
16 Anyag és módszer (3) d k k i= 1 Képek analízise: lnni lnm Fejlesztői környezet MatLab ( R14) SFD algoritmus: i Dobozoló-eljárás - Relative Differential Box-Counting method (RDBC) Katica egész gumó héjszín nyers hússzín főtt hússzín szürkülés hússzín
17 SFD algoritmus Iteráció Élfelezés Számolás Függvényérték számítás ln ( talált _ darabi összes _ kockai) i rétegekszáma
18 Anyag és módszer (4) Statisztikai elemzések Klasszikus statisztikai mérőszámok: átlag, szórás, minimum, maximum, abszolút eltérés, relatív eltérés Hipotézis vizsgálatok: t-próba (Studentpróba) alkalmazása, Ch2-próba, F-próba Non-hierarchikus klaszter analízis: globális optimalizációs eljárás, hasonlósági arány (SIMILARITY RATIO) együttható alkalmazása, Az ábrázolás megkönnyítésére Eigenanalízis-Scatter-diagramot alkalmaztam.
19 Mérési eredmények Alaptáblázat Katica Összesítő táblázat időszakban t-próba: Tulajdonságonként (16 db): RGB, R, G, B Tulajdonságpáronként (24 db) Tulajdonság hármasok (16 db) Összes tulajdonság (4 db) Összesítő táblázatok
20 Eredmények (1) Fajtán belüli minősítés: 13 fajtából 12 esetben a minimum és maximum értékek relatív eltérései nagyságrenddel nagyobbak, mint a legkisebb szignifikáns értékhez tartozó relatív eltérés Ebből következően minősítésre matematikailag nincs lehetőség
21 Eredmények (2) Fajták SFD értéke Fajta neve TFV RE BFV RF&BF TFV RE&RF&SF BFV RF&BF&SF BFV RE&RF&SF TFV RE&RF&BF&SF Balatoni rózsa 4/6 2/3 5/6 2/3 5/6 3/3 Démon 5/6 2/3 5/6 2/3 4/6 2/3 Katica 2/4 1/1 2/3 1/1 2/3 1/1 Luca 5/6 3/3 3/6 1/3 3/6 3/3 White Lady 5/6 3/3 3/6 3/3 3/6 3/3 Cleopátra 3/3 1/1 2/3 1/1 3/3 1/1 Góliát 5/6 1/3 4/6 0/3 4/6 3/3 Kánkán 6/6 0/3 6/6 2/3 3/6 3/3 Rioja 5/6 2/3 2/6 0/3 2/6 2/3? Desiree 5/6 0/3 5/6 2/3 5/6 2/3 Hópehely 5/6 2/3 6/6 2/3 4/6 3/3 Lorett 3/6 2/3 6/6 2/3 3/6 3/3 Vénusz 5/6 2/3 6/6 2/3 3/6 3/3 Fajtán belül is van az egyes évek között szignifikáns eltérés
22 Eredmények (3) Fajták évenkénti vizsgálata TFV 50,6% Kánkán=100% 74,4% Cleopátra=100% 58,4% Katica=100% 48,5% Vénusz=100% RFV 41,6% Kánkán=100% 56,4% Balatoni rózsa=100% 57,1% Katica=100% 13,6% GFV 41,6% Kánkán=100% 49,4% 42,9% 18,2 % BFV 51,9% Kánkán=100% Katica=100% 31,2% 57,1% Kánkán=100% 51,5 % TFVRE 59,0% 56,4% 43,6% 56,1% RFVRE 40,3% Balatoni rózsa=100% Lorett=100% 33,8% 29,5% 28,8% GFVRE 10,4% 11,7% 26,9% Whyte Lady=100% 16,7% BFVRE 57,1% 38,5% 20,5% 43,,9%
23 Eredmények (4) Klaszteranalízis i időszak SIMILARITY RATIO TFV RFV GFV BFV BRCV 0, , , ,03025 CLUSTER 1 Balatoni Balatoni Balatoni Balatoni Cleopátra CLUSTER 2 Desiree Cleopátra Cleopátra Cleopátra Desiree CLUSTER 3 Démon Desiree Desiree Démon CLUSTER 4 Góliát Démon Démon Góliát CLUSTER 5 Hópehely Góliát Góliát Hópehely Hópehely Hópehely CLUSTER 6 Katica VénuszGold LucaXL Katica CLUSTER 7 Kánkán Katica Katica Kánkán CLUSTER 8 Lorett Kánkán Kánkán Lorett CLUSTER 9 LucaXL Lorett Lorett LucaXL CLUSTER 10 Rioja LucaXL Rioja Rioja CLUSTER 11 VénuszGold Rioja VénuszGold VénuszGold CLUSTER 12 WhiteLady WhiteLady WhiteLady WhiteLady
24 Eredmények (5) Klaszteranalízis i időszak SIMILARITY RATIO TFV RFV GFV BFV BRCV 0,0733 0, , ,03872 Balatoni rózsa CLUSTER 1 Góliát Balatoni Balatoni Balatoni rózsa Góliát CLUSTER 2 Cleopátra Cleopátra Cleopátra Hópehely Cleopátra CLUSTER 3 Démon Démon Démon Démon CLUSTER 4 Desiree Desiree Desiree Desiree CLUSTER 5 Hópehely Góliát Góliát Hópehely CLUSTER 6 Kánkán Hópehely Kánkán Kánkán Kánkán CLUSTER 7 LucaXL LucaXL LucaXL LucaXL CLUSTER 8 Rioja Rioja Rioja Rioja CLUSTER 9 Lorett Lorett Lorett Lorett CLUSTER 10 VénuszGold VénuszGold VénuszGold VénuszGold CLUSTER 11 WhiteLady WhiteLady WhiteLady WhiteLady CLUSTER 12
25 Eredmények (6) Klaszteranalízis i időszak SIMILARITY RATIO TFV RFV GFV BFV BRCV 0,0001 0, , ,00011 CLUSTER 1 CLUSTER 2 Balatoni rózsa Balatoni rózsa Balatoni rózsa Balatoni rózsa Góliát CLUSTER 3 Cleopátra Cleopátra Cleopátra Cleopátra Desiree Desiree CLUSTER 4 Démon Desiree Kánkán Desiree CLUSTER 5 Góliát Démon Démon Démon CLUSTER 6 Hópehely Góliát Góliát Hópehely CLUSTER 7 Kánkán Hópehely Hópehely Katica CLUSTER 8 Katica Katica Katica Kánkán CLUSTER 9 Lorett Kánkán Rioja Lorett Lorett CLUSTER 10 LucaXL Lorett LucaXL LucaXL CLUSTER 11 Rioja LucaXL Rioja Rioja CLUSTER 12 VénuszGold VénuszGold VénuszGold VénuszGold CLUSTER 13 WhiteLady WhiteLady WhiteLady WhiteLady
26 Eredmények (7) Klaszteranalízis i időszak SIMILARITY RATIO TFV RFV GFV BFV BRCV 0,03 0, , ,01288 CLUSTER 1 CLUSTER 2 Balatoni rózsa Balatoni rózsa Balatoni Balatoni rózsa Démon CLUSTER 3 Démon Katica Démon Démon Katica Desiree CLUSTER 4 Desiree Desiree Desiree Góliát CLUSTER 5 Góliát Góliát Góliát Hópehely CLUSTER 6 Hópehely Hópehely Hópehely Kánkán CLUSTER 7 Kánkán Kánkán Kánkán Katica CLUSTER 8 Lorett Katica Lorett Lorett CLUSTER 9 LucaXL Lorett LucaXL LucaXL LucaXL CLUSTER 10 Rioja Rioja Rioja Rioja CLUSTER 11 VénuszGold VénuszGold VénuszGold VénuszGold CLUSTER 12 WhiteLady WhiteLady WhiteLady WhiteLady
27 Összefoglalás Megállapítottuk, hogy az SFD csak akkor lehet alkalmas bármilyen objektum jellemzésére, ha a felvételezés és képértékelés feltételei rögzítettek. hogy az SFD érték nem alkalmas a fajtán belüli minősítésre. hogy az SFD érték alkalmas a burgonyafajták elkülönítésére. A burgonyafajták elkülönítését csak az azonos évi kontrol felvételezéshez viszonyítva lehet megvalósítani,
28 Köszönöm a figyelmüket! Csák Máté - Hegedűs Géza Dr. Polgár Zsolt Pannon Egyetem, Georgikon Kar, Keszthely mate.csak@georgikon.hu, hg@georgikon.hu, pog-zs@georgikon.hu
DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI
DOKTORI (PhD) ÉRTEKEZÉS TÉZISEI Pannon Egyetem Növénytermesztés és Kertészeti Tudományok Doktori Iskolája Burgonya fajták minősítése, és a burgonyanemesítés informatikai rendszere. (Fajta azonosítás és
RészletesebbenBurgonyavásárlási- és fogyasztási szokások Magyarországon egy Pannon egyetemi felmérés tükrében
Burgonyavásárlási- és fogyasztási szokások Magyarországon egy Pannon egyetemi felmérés tükrében Dr. Csák Máté, Hegedűsné Dr. Baranyai Nóra Pannon Egyetem Georgikon Kar A vizsgálat céljai Alapvetően két
RészletesebbenBurgonyafajták minősítése (Fajtaazonosítás és ~minősítés digitális képanalízis felhasználásával) 1
Burgonyafajták minősítése (Fajtaazonosítás és ~minősítés digitális képanalízis felhasználásával) 1 Csák Máté Pannon Egyetem Georgikon Kar, Gazdaságmódszertani Tanszék, Keszthely Abstract The topic of the
RészletesebbenIdentification of Potato Genotypes Using Digital Image Analysis. Burgonya fajták azonosítása és minősítése digitális képanalízis felhasználásával
Identification of Potato Genotypes Using Digital Image Analysis Burgonya fajták azonosítása és minősítése digitális képanalízis felhasználásával Máté CSÁK 1, Géza HEGEDŰS 1, Zsolt POLGÁR 2 1 University
Részletesebbena burgonyanemesítésben
Relációs adatbázis fejlesztése a burgonyanemesítésben Dr. Csák Máté Pannon Egyetem, Georgikon Kar, Keszthely mate.csak@georgikon.hu 2012.09. 21-22. Agrárinformatika 2012 Nemzetközi Konferencia- Debrecen
RészletesebbenAgrárinformatikai tanulmányok II.
Agricultural Informatics Studies II. Szerkesztette Dr. Laczka Éva elnökhelyettes KSH Dr. Szenteleki Károly egyetemi docens, tanszékvezető Budapesti Corvinus Egyetem A tanulmánykötet lektorai Dr. Kovács
RészletesebbenHegedűs Géza, Virág Eszter: Drón programozása
1. Bevezetés Magyarországon a precíziós mezőgazdaság bevezetése a 90-es évek végére tehető, majd elkezdődött a kiterjesztése a tágabb értelemben vett precíziós gazdálkodásra. Győrffy Béla akadémikus úttörő
RészletesebbenA kísérleti terület talajvizsgálati eredményei, Solum Zrt, Komárom (adatok: UIS Ungarn Kft. vizsgálati eredményei)
Mellékletek az 1. számú részjelentéshez 1. sz. melléklet A kísérleti terület talajvizsgálati eredményei, Solum Zrt, Komárom (adatok: UIS Ungarn Kft. vizsgálati eredményei) Bővített talajvizsgálat jellemző
RészletesebbenFajtavizsgálatok ökológiai burgonyatermesztésben
Fajtavizsgálatok ökológiai burgonyatermesztésben Papp Orsolya kertészeti szakreferens Burgonya Ágazati Fórum Keszthely, 2014. jan. 16. A Tanács 834/2007/EK rendelete (2007. június 28.) az ökológiai termelésről
RészletesebbenSTATISZTIKA. András hármas. Éva ötös. Nóri négyes. 5 4,5 4 3,5 3 2,5 2 1,5 ANNA BÉLA CILI 0,5 MAGY. MAT. TÖRT. KÉM.
STATISZTIKA 5 4,5 4 3,5 3 2,5 2 1,5 1 0,5 0 MAGY. MAT. TÖRT. KÉM. ANNA BÉLA CILI András hármas. Béla Az átlag 3,5! kettes. Éva ötös. Nóri négyes. 1 mérés: dolgokhoz valamely szabály alapján szám rendelése
RészletesebbenAZ ÉTKEZÉSI BURGONYÁRA VONATKOZÓ MINŐSÉGI KÖVETELMÉNYEK
AZ ÉTKEZÉSI BURGONYÁRA VONATKOZÓ MINŐSÉGI KÖVETELMÉNYEK Herzog Balázs Növényi Termék Ellenőrzési Osztály 2016. április 6. A rendelet hatálya az étkezési burgonya (Solanum tuberosum L) különböző fajtáinak
RészletesebbenA solti kísérleti terület talajvizsgálati eredményei. Vizsgálat típusa: Bővített talajvizsgálat (H2) P 2 O 5 K 2 O Na Mg NO 2- NO 3 - N
1.sz. táblázat ph KCl KA Só % A solti kísérleti terület talajvizsgálati eredményei. Vizsgálat típusa: Bővített talajvizsgálat (H2) Humusz % CaCO 3 % P 2 O 5 K 2 O Na Mg NO 2- NO 3 - N mg/kg SO 4 Cu Mn
Részletesebbeny ij = µ + α i + e ij
Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai
RészletesebbenSzámítógépes Grafika SZIE YMÉK
Számítógépes Grafika SZIE YMÉK Analóg - digitális Analóg: a jel értelmezési tartománya (idő), és az értékkészletes is folytonos (pl. hang, fény) Diszkrét idejű: az értelmezési tartomány diszkrét (pl. a
RészletesebbenJELENTÉS. Az EM-1 nevű antagonista/szinergista mikrobiológiai készítmény burgonyatermesztésben való felhasználhatóságáról
JELENTÉS Az EM-1 nevű antagonista/szinergista mikrobiológiai készítmény burgonyatermesztésben való felhasználhatóságáról Veszprémi Egyetem Georgikon Mg.tud. Kar, Keszthely Burgonyakutatási Központ 2004
RészletesebbenJELENTÉS. Az EM-I nevű antagonista/szinergista mikrobiológiai készítmény burgonyatermesztésben való felhasználásáról
JELENTÉS Az EM-I nevű antagonista/szinergista mikrobiológiai készítmény burgonyatermesztésben való felhasználásáról Veszprémi Egyetem Georgikon Mg.tud. Kar, Keszthely Burgonyakutatási Központ 2005 Bevezetés:
RészletesebbenElemi statisztika fizikusoknak
1. oldal Elemi statisztika fizikusoknak Pollner Péter Biológiai Fizika Tanszék pollner@elte.hu Az adatok leírása, megismerése és összehasonlítása 2-1 Áttekintés 2-2 Gyakoriság eloszlások 2-3 Az adatok
Részletesebbeny ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell
Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.
RészletesebbenFAJTASPECIFIKUS KUTATÁSI INTEGRÁLT INFORMATIKAI RENDSZER
FAJTASPECIFIKUS KUTATÁSI INTEGRÁLT INFORMATIKAI RENDSZER INTEGRATED INFORMATICAL SYSTEM FOR VARIETY- SPECIFIC RESEARCH Berke József Hegedűs Géza Csák Máté Nagy Sándor Horváth Zoltán Veszprémi Egyetem,
RészletesebbenÉlelmiszer-hamisítás kimutatásának lehetősége NIR spektroszkópia segítségével
Élelmiszer-hamisítás kimutatásának lehetősége NIR spektroszkópia segítségével Bázár György, Kövér György, Locsmándi László, Szabó András, Romvári Róbert Kaposvári Egyetem, Állattudományi Kar Állatitermék
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen
RészletesebbenA mérés problémája a pedagógiában. Dr. Nyéki Lajos 2015
A mérés problémája a pedagógiában Dr. Nyéki Lajos 2015 A mérés fogalma Mérésen olyan tevékenységet értünk, amelynek eredményeként a vizsgált jelenség számszerűen jellemezhetővé, más hasonló jelenségekkel
RészletesebbenDr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért november 15.
Dr. Nagy Zita Barbara igazgatóhelyettes KÖVET Egyesület a Fenntartható Gazdaságért 2018. november 15. PÉNZ a boldogság bitorlója? A jövedelemegyenlőtlenség természetes határa A boldog ember gondolata a
RészletesebbenTEXTÚRA ANALÍZIS VIZSGÁLATOK LEHETŐSÉGEI A RADIOLÓGIÁBAN
TEXTÚRA ANALÍZIS VIZSGÁLATOK LEHETŐSÉGEI A RADIOLÓGIÁBAN Monika Béres 1,3 *, Attila Forgács 2,3, Ervin Berényi 1, László Balkay 3 1 DEBRECENI EGYETEM, ÁOK Orvosi Képalkotó Intézet, Radiológia Nem Önálló
RészletesebbenSTATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése
4. A modell érvényességének ellenőrzése STATISZTIKA 4. Előadás Variancia-analízis Lineáris modellek 1. Függetlenség 2. Normális eloszlás 3. Azonos varianciák A maradék független a kezelés és blokk hatástól
RészletesebbenTúl szűk vagy éppen túl tágas terek 3D-szkennelése a Geodézia Zrt.-nél Stenzel Sándor - Geodézia Zrt. MFTTT 31. Vándorgyűlés, Szekszárd
Túl szűk vagy éppen túl tágas terek 3D-szkennelése a Geodézia Zrt.-nél Stenzel Sándor - Geodézia Zrt. MFTTT 31. Vándorgyűlés, Szekszárd 3D-szkennelés könnyedén Conti-kápolna (Bp. X.) Megyaszói Ref. Templom
Részletesebbennyme ktk KTK_symbol.ai méretezés alapok Közgazdaságtudományi Kar emblémája adobe illustrator nyme arculati kézikönyv forrásfájok használata
méretezés alapok A méretezés alapja a»«rétegen található kör. Az embléma és a szöveggyűrű mérete minden esetben ezzel a körrel együtt értendő! Az embléma legkisebb alkalmazható átmérője: 26mm, ekkor a...26
RészletesebbenTávérzékelés a precíziós gazdálkodás szolgálatában : látvány vagy tudomány. Verőné Dr. Wojtaszek Malgorzata
Távérzékelés a precíziós gazdálkodás szolgálatában : látvány vagy tudomány Verőné Dr. Wojtaszek Malgorzata Az előadás felépítése Trendek a Föld megfigyelésében (hol kezdődött, merre tart ) Távérzékelés
RészletesebbenA HŐMÉRSÉKLET ÉS A CSAPADÉK HATÁSA A BÜKK NÖVEKEDÉSÉRE
A HŐMÉRSÉKLET ÉS A CSAPADÉK HATÁSA A BÜKK NÖVEKEDÉSÉRE Manninger M., Edelényi M., Jereb L., Pödör Z. VII. Erdő-klíma konferencia Debrecen, 2012. augusztus 30-31. Vázlat Célkitűzések Adatok Statisztikai,
RészletesebbenAz éghajlati modellek eredményeinek alkalmazhatósága hatásvizsgálatokban
Az éghajlati modellek eredményeinek alkalmazhatósága hatásvizsgálatokban Szépszó Gabriella Országos Meteorológiai Szolgálat, szepszo.g@met.hu RCMTéR hatásvizsgálói konzultációs workshop 2015. június 23.
RészletesebbenDigitális képfeldolgozó rendszer
A leírást készítette: Deákvári József, intézeti mérnök A 2005. évben az FVM Mezőgazdasági Gépesítési Intézetben jelentős műszerfejlesztés történt a digitális képfeldolgozás területén. Beszerzésre került
RészletesebbenAlter Róbert Báró Csaba Sensor Technologies Kft
Közúti forgalomelemzés kamerával e_traffic Alter Róbert Báró Csaba Sensor Technologies Kft Előadás témái Cégbemutató Videó analitikai eljárások Forgalomszámláló eszközök összehasonlítása e_traffic forgalomelemző
RészletesebbenSTATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai
Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő
RészletesebbenMinták automatikus osztályba sorolása a mintát leíró jellemzők alapján. Típusok: felügyelt és felügyelet nélküli tanuló eljárások
Minták automatikus osztályba sorolása a mintát leíró jellemzők alapján Típusok: felügyelt és felügyelet nélküli tanuló eljárások Különbség: előbbinél szükséges egy olyan tanulóhalmaz, ahol ismert a minták
RészletesebbenKözösség detektálás gráfokban
Közösség detektálás gráfokban Önszervező rendszerek Hegedűs István Célkitűzés: valamilyen objektumok halmaza felett minták, csoportok detektálása csakis az egyedek közötti kapcsolatok struktúrájának a
RészletesebbenA 2017-es Országos Kompetenciamérés eredményei:
A 2017-es Országos Kompetenciamérés eredményei: Hatodik és nyolcadik évfolyamos tanulóink minden évben részt vesznek az Országos Kompetenciamérésen szövegértésből és matematikából. A jelentéseket a mérést
RészletesebbenLIV. Georgikon Napok Keszthely, 2012.10.11. Hízott libamáj zöldülésének vizsgálata
LIV. Georgikon Napok Keszthely, 0.0.. Hízott libamáj zöldülésének vizsgálata Kacsala László Vajda Tamás Rekedtné Fekete E. Áprily Szilvia Szabó András Andrássyné Baka Gabriella Romvári Róbert Kaposvári
RészletesebbenMiskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet
Klaszteranalízis Hasonló dolgok csoportosítását jelenti, gyakorlatilag az osztályozás szinonimájaként értelmezhetjük. A klaszteranalízis célja A klaszteranalízis alapvető célja, hogy a megfigyelési egységeket
RészletesebbenAgrár-környezetvédelmi Modul Agrár-környezetvédelem, agrotechnológia. KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc
Agrár-környezetvédelmi Modul Agrár-környezetvédelem, agrotechnológia KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc Precíziós növényvédelem I. 142.lecke Precíziós növényvédelem A hozzáférhető,
RészletesebbenSTATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás
ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika
RészletesebbenStrukturált Generátorrendszerek Online Tanulása és Alk-ai
Strukturált Generátorrendszerek Online Tanulása és Alkalmazásai Problémamegoldó Szeminárium 2010. nov. 5 Tartalomjegyzék Motiváció, példák Regressziós feladatok (generátorrendszer fix) Legkisebb négyzetes
RészletesebbenNövények spektrális tulajdonságának vizsgálata Kovács László, Dr. Borsa Béla, Dr. Földesi István FVM Mezőgazdasági Gépesítési Intézet
1. A téma célkitűzés Növények spektrális tulajdonságának vizsgálata Kovács László, Dr. Borsa Béla, Dr. Földesi István FVM Mezőgazdasági Gépesítési Intézet A kutatási téma célja különböző haszon- és gyomnövények,
RészletesebbenSpektrográf elvi felépítése. B: maszk. A: távcső. Ø maszk. Rés Itt lencse, de általában komplex tükörrendszer
Spektrográf elvi felépítése A: távcső Itt lencse, de általában komplex tükörrendszer Kis kromatikus aberráció fontos Leképezés a fókuszsíkban: sugarak itt metszik egymást B: maszk Fókuszsíkba kerül (kamera
RészletesebbenStatisztika I. 10. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 10. előadás Előadó: Dr. Ertsey Imre Varianciaanalízis A különböző tényezők okozta szórás illetőleg szórásnégyzet összetevőire bontásán alapszik Segítségével egyszerre több mintát hasonlíthatunk
RészletesebbenA kísérleti terület talajvizsgálati eredményei. Vizsgálat típusa: Bővített talajvizsgálat (H2) P 2 O 5 K 2 O Na Mg NO 2- NO 3
1.sz. táblázat ph KCl KA Só % A kísérleti terület talajvizsgálati eredményei. Humusz % Vizsgálat típusa: Bővített talajvizsgálat (H2) CaCO 3 % P 2 O 5 K 2 O Na Mg NO 2- NO 3 -N mg/kg SO 4 Cu Mn Zn m/m%
RészletesebbenSTATISZTIKA. Mit nevezünk idősornak? Az idősorok elemzésének módszertana. Az idősorelemzés célja. Determinisztikus idősorelemzés
Mit nevezünk idősornak? STATISZTIKA 10. Előadás Idősorok analízise Egyenlő időközökben végzett megfigyelések A sorrend kötött, y 1, y 2 y t y N N= időpontok száma Minden időponthoz egy adat, reprodukálhatatlanság
RészletesebbenMŰHOLDAS VÁROSI HŐSZIGET VIZSGÁLAT
Városi Hősziget Konferencia Országos Meteorológiai Szolgálat 2013. szeptember 24. MŰHOLDAS VÁROSI HŐSZIGET VIZSGÁLAT Dezső Zsuzsanna, Bartholy Judit, Pongrácz Rita Eötvös Loránd Tudományegyetem Meteorológiai
RészletesebbenA VÁROSI HŐSZIGET VIZSGÁLATA MODIS ÉS ASTER MÉRÉSEK FELHASZNÁLÁSÁVAL
35. Meteorológiai Tudományos Napok, Magyar Tudományos Akadémia, 2009. november 20. A VÁROSI HŐSZIGET VIZSGÁLATA MODIS ÉS ASTER MÉRÉSEK FELHASZNÁLÁSÁVAL Dezső Zsuzsanna, Bartholy Judit, Pongrácz Rita Eötvös
Részletesebben10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK
MATEMATIK A 9. évfolyam 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK KÉSZÍTETTE: CSÁKVÁRI ÁGNES Matematika A 9. évfolyam. 10. modul: FÜGGVÉNYEK, FÜGGVÉNYTULAJDONSÁGOK Tanári útmutató 2 MODULLEÍRÁS A modul
RészletesebbenKéprekonstrukció 3. előadás
Képrekonstrukció 3. előadás Balázs Péter Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem Computed Tomography (CT) Elv: Röntgen-sugarak áthatolása 3D objektum 3D térfogati kép Mérések
RészletesebbenA Beregszászi járás természeti erőforrásainak turisztikai szempontú kvantitatív értékelése
XXXII. OTDK - Fizika, Földtudományok és Matematika Szekció FiFöMa A Beregszászi járás természeti erőforrásainak turisztikai szempontú kvantitatív értékelése Pályamunka A dolgozat lezárásának dátuma: 2014.
RészletesebbenKoós Dorián 9.B INFORMATIKA
9.B INFORMATIKA Számítástechnika rövid története. Az elektronikus számítógép kifejlesztése. A Neumann-elv. Információ és adat. A jel. A jelek fajtái (analóg- és digitális jel). Jelhalmazok adatmennyisége.
RészletesebbenA Balaton vízforgalmának a klímaváltozás hatására becsült változása
A Balaton vízforgalmának a klímaváltozás hatására becsült változása Varga György varga.gyorgy@ovf.hu VITUKI Hungary Kft. Országos Meteorológiai Szolgálat Az előadás tartalma adatok és információk a Balaton
RészletesebbenDIGITÁLIS KÉPANALÍZIS KÉSZÍTETTE: KISS ALEXANDRA ELÉRHETŐSÉG:
DIGITÁLIS KÉPANALÍZIS KÉSZÍTETTE: KISS ALEXANDRA ELÉRHETŐSÉG: kisszandi@mailbox.unideb.hu ImageJ (Fiji) Nyílt forrás kódú, java alapú képelemző szoftver https://fiji.sc/ Számos képformátumhoz megfelelő
RészletesebbenNem roncsoló tesztelés diszkrét tomográfiával
Nem roncsoló tesztelés diszkrét tomográfiával Dr. Balázs Péter, adjunktus Képfeldolgozás és Számítógépes Grafika Tanszék SZTE TTIK, Informatikai Tanszékcsoport A teszteléshez használt CT berendezés lapdetektor
RészletesebbenA évi országos kompetenciamérés iskolai eredményeinek elemzése
A 2015. évi országos kompetenciamérés iskolai eredményeinek elemzése Matematika 6. osztály A szignifikánsan jobban, hasonlóan, illetve gyengébben teljesítő telephelyek száma és aránya (%) A tanulók képességeloszlása
RészletesebbenA napenergia magyarországi hasznosítását támogató új fejlesztések az Országos Meteorológiai Szolgálatnál
A napenergia magyarországi hasznosítását támogató új fejlesztések az Országos Meteorológiai Szolgálatnál Nagy Zoltán, Tóth Zoltán, Morvai Krisztián, Szintai Balázs Országos Meteorológiai Szolgálat A globálsugárzás
RészletesebbenONER-szervek felkészültségének országos értékelése
ONER-szervek felkészültségének országos értékelése Kerekes Andor, Macsuga Géza XLI. Sugárvédelmi Továbbképző Tanfolyam, 2016. FOGALMAK ONER Országos Nukleárisbaleset-elhárítási Rendszer (167/2010. Korm.
RészletesebbenA TANTÁRGY ADATLAPJA
A TANTÁRGY ADATLAPJA 1. A képzési program adatai 1.1 Felsőoktatási intézmény Babeș-Bolyai Tudományegyetem 1.2 Kar Matematika és Informatika 1.3 Intézet Magyar Matematika és Informatika 1.4 Szakterület
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
RészletesebbenMultimédia alapú fejlesztéseknél gyakran használt veszteséges képtömörítő eljárások pszichovizuális összehasonlítása
Multimédia alapú fejlesztéseknél gyakran használt veszteséges képtömörítő eljárások pszichovizuális összehasonlítása Berke József 1 - Kocsis Péter 2 - Kovács József 2 1 - Pannon Agrártudományi Egyetem,
RészletesebbenMatematika osztályozó vizsga témakörei 9. évfolyam II. félév:
Matematika osztályozó vizsga témakörei 9. évfolyam II. félév: 7. Függvények: - függvények fogalma, megadása, ábrázolás koordináta- rendszerben - az elsőfokú függvény, lineáris függvény - a másodfokú függvény
RészletesebbenVariancia-analízis (folytatás)
Variancia-analízis (folytatás) 7. elıadás (13-14. lecke) Egytényezıs VA blokk-képzés nélkül és blokk-képzéssel 13. lecke Egytényezıs variancia-analízis blokkképzés nélkül Az átlagok páronkénti összehasonlítása(1)
RészletesebbenVALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA
VALÓSZÍNŰSÉG, STATISZTIKA TANÍTÁSA A VALÓSZÍNŰSÉGI SZEMLÉLET ALAPOZÁSA 1-6. OSZTÁLY A biztos, a lehetetlen és a lehet, de nem biztos események megkülünböztetése Valószínűségi játékok, kísérletek események
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,
RészletesebbenPANAC Megtakarítási Klub
PANnon Autóipari Cluster PANAC Megtakarítási Klub Készítette: Oláh István Költségcsökkentési Szakmai Fórum, Győr, 2007. április 3. PMK PANAC Megtakarítási Klub > önálló klaszterszolgáltatás tagi kezdeményezés
RészletesebbenI. A terepi munka térinformatikai előkészítése - Elérhető, ingyenes adatbázisok. Hol kell talaj-felvételezést végeznünk?
Hol kell talaj-felvételezést végeznünk? Domborzat Földtan Növényzet Felszíni és felszín alatti vizek Éghajlat Talaj Tájhasználat Domborzat: dombvidék, 200-400 m, erős relief Földtan: Pannon üledékek, Miocén
RészletesebbenGeorg Cantor (1883) vezette be Henry John Stephen Smith fedezte fel 1875-ben. van struktúrája elemi kis skálákon is önhasonló
láttuk, hogy a Lorenz egyenletek megoldásai egy nagyon bonyolult halmazt alkottak a fázistérben végtelenül komplex felület fraktál: komplex geometriai alakzatok, melyeknek elemi kis skálán is van finomszerkezete
RészletesebbenStatisztika 3. Dr Gősi Zsuzsanna Egyetemi adjunktus Koncentráció mérése Koncentráció általában a jelenségek tömörülését, összpontosulását értjük. Koncentráció meglétéről gyorsan tájékozódhatunk, ha sokaságot
RészletesebbenKamerakalibráció és pozícióbecslés érzékenységi analízissel, sík mintázatokból. Dabóczi Tamás (BME MIT), Fazekas Zoltán (MTA SZTAKI)
, 2008 feb. 4-5 Kamerakalibráció és pozícióbecslés érzékenységi Bódis-Szomorú András Dabóczi Tamás (BME MIT), Fazekas Zoltán (MTA SZTAKI) Méréstechnika- és Információs Rendszerek Tanszék BME Rendszer-
RészletesebbenBiometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenKockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével
Kockázatalapú változó paraméterű szabályozó kártya kidolgozása a mérési bizonytalanság figyelembevételével Hazai hallgatói, illetve kutatói személyi támogatást biztosító rendszer kidolgozása és működtetése
RészletesebbenINFORMATIKA - VIZSGAKÖVETELMÉNYEK. - négy osztályos képzés. nyelvi és matematika speciális osztályok
INFORMATIKA - VIZSGAKÖVETELMÉNYEK - négy osztályos képzés nyelvi és matematika speciális osztályok A vizsgák lebonyolítása A tanuló előre elkészített feladatkombinációkból húz véletlenszerűen. OSZTÁLYOZÓ
RészletesebbenAutomatikus irányzás digitális képek. feldolgozásával TURÁK BENCE DR. ÉGETŐ CSABA
Automatikus irányzás digitális képek feldolgozásával TURÁK BENCE DR. ÉGETŐ CSABA Koncepció Robotmérőállomásra távcsővére rögzített kamera Képek alapján a cél automatikus detektálása És az irányzás elvégzése
RészletesebbenAz ipari komputer tomográfia vizsgálati lehetőségei
Az ipari komputer tomográfia vizsgálati lehetőségei Dr. Czinege Imre, Kozma István Széchenyi István Egyetem 6. ANYAGVIZSGÁLAT A GYAKORLATBAN KONFERENCIA Cegléd, 2012. június 7-8. Tartalom A CT technika
RészletesebbenSTATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.
Centrális mutatók STATISZTIKA I. 4. Előadás Centrális mutatók 1/51 2/51 Középértékek Helyzeti középértékek A meghatározása gyakoriság vagy sorszám alapján Számítás nélkül Az elemek nagyság szerint rendezett
RészletesebbenÖNÁLLÓ LABOR Mérésadatgyűjtő rendszer tervezése és implementációja
ÖNÁLLÓ LABOR Mérésadatgyűjtő rendszer tervezése és implementációja Nagy Mihály Péter 1 Feladat ismertetése Általános célú (univerzális) digitális mérőműszer elkészítése Egy- vagy többcsatornás feszültségmérés
RészletesebbenGEOSTATISZTIKA. Földtudományi mérnöki MSc, geofizikus-mérnöki szakirány. 2018/2019 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ
GEOSTATISZTIKA Földtudományi mérnöki MSc, geofizikus-mérnöki szakirány 2018/2019 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ Miskolci Egyetem Műszaki Földtudományi Kar Geofizikai és Térinformatikai Intézet
RészletesebbenTartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE
Tartalomjegyzék 5 Tartalomjegyzék Előszó I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE 1. fejezet: Kontrollált kísérletek 21 1. A Salk-oltás kipróbálása 21 2. A porta-cava sönt 25 3. Történeti kontrollok 27 4. Összefoglalás
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 0. TANTÁRGY ISMERTETŐ
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 0. TANTÁRGY ISMERTETŐ Dr. Soumelidis Alexandros 2018.09.06. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG A tárgy célja
RészletesebbenMély neuronhálók alkalmazása és optimalizálása
magyar nyelv beszédfelismerési feladatokhoz 2015. január 10. Konzulens: Dr. Mihajlik Péter A megvalósítandó feladatok Irodalomkutatás Nyílt kutatási eszközök keresése, beszédfelismer rendszerek tervezése
RészletesebbenTANMENET. a matematika tantárgy tanításához 10. E.osztályok számára
Az iskola fejbélyegzője TANMENET a matematika tantárgy tanításához 10. E.osztályok számára Készítette: Természettudományi Munkaközösség matematikát tanító tanárai Készült: a gimnáziumi tanterv alapján
RészletesebbenÚJ LEHETŐSÉGEK A VIZUÁLIS INFORMÁCIÓSZERZÉS ÉS FELDOLGOZÁS MEZŐGAZDASÁGI ALKALMAZÁSÁRA
ÚJ LEHETŐSÉGEK A VIZUÁLIS INFORMÁCIÓSZERZÉS ÉS FELDOLGOZÁS MEZŐGAZDASÁGI ALKALMAZÁSÁRA Dr. Nagy Tamás 1,2 Dr. Polgár Zsolt CSc 4 Dr. Berke József CSc 3,4 1 Hexium Műszaki Fejlesztő Kft., Budapest 2 Budapesti
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenLevélfelületi index mérése és modellezése intenzív cseresznye ültetvényben. Készítette: Piblinger Brigitta Környezettan alapszakos hallgató
Levélfelületi index mérése és modellezése intenzív cseresznye ültetvényben Készítette: Piblinger Brigitta Környezettan alapszakos hallgató Levélfelületi index (Leaf Area Index) Növényállomány jellemzésére
RészletesebbenA klímamodellek eredményei mint a hatásvizsgálatok kiindulási adatai
A klímamodellek eredményei mint a hatásvizsgálatok kiindulási adatai Szépszó Gabriella Országos Meteorológiai Szolgálat, szepszo.g@met.hu RCMTéR projekt 2. konzultációs workshopja 2016. február 19. TARTALOM
RészletesebbenPONTFELHŐ REGISZTRÁCIÓ
PONTFELHŐ REGISZTRÁCIÓ ITERATIVE CLOSEST POINT Cserteg Tamás, URLGNI, 2018.11.22. TARTALOM Röviden Alakzatrekonstrukció áttekintés ICP algoritmusok Projektfeladat Demó FORRÁSOK Cikkek Efficient Variants
RészletesebbenAtomi er mikroszkópia jegyz könyv
Atomi er mikroszkópia jegyz könyv Zsigmond Anna Julia Fizika MSc III. Mérés vezet je: Szabó Bálint Mérés dátuma: 2010. október 7. Leadás dátuma: 2010. október 20. 1. Mérés leírása A laboratóriumi mérés
RészletesebbenA nehézfémek növényi vízháztartásra gyakorolt hatásának vizsgálata Mágneses Rezonancia készülékkel. Készítette: Jakusch Pál Környezettudós
A nehézfémek növényi vízháztartásra gyakorolt hatásának vizsgálata Mágneses Rezonancia készülékkel Készítette: Jakusch Pál Környezettudós Célkitűzés MR készülék növényélettani célú alkalmazása Kontroll
RészletesebbenMIKOVINY SÁMUEL TÉRINFORMATIKAI EMLÉKVERSENY
FVM VIDÉKFEJLESZTÉSI, KÉPZÉSI ÉS SZAKTANÁCSADÁSI INTÉZET NYUGAT MAGYARORSZÁGI EGYETEM GEOINFORMATIKAI KAR MIKOVINY SÁMUEL TÉRINFORMATIKAI EMLÉKVERSENY 2008/2009. TANÉV Az I. FORDULÓ FELADATAI NÉV:... Tudnivalók
RészletesebbenNemzeti Onkológiai Kutatás-Fejlesztési Konzorcium 1/48/ Részjelentés: November december 31.
Nemzeti Kutatási és Fejlesztési Program 1. Főirány: Életminőség javítása Nemzeti Onkológiai Kutatás-Fejlesztési Konzorcium a daganatos halálozás csökkentésére 1/48/2001 3. Részjelentés: 2003. November
RészletesebbenGépi tanulás a gyakorlatban. Bevezetés
Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis
RészletesebbenModern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt
Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak
RészletesebbenPszichometria Szemináriumi dolgozat
Pszichometria Szemináriumi dolgozat 2007-2008. tanév szi félév Temperamentum and Personality Questionnaire pszichometriai mutatóinak vizsgálata Készítette: XXX 1 Reliabilitás és validitás A kérd ívek vizsgálatának
RészletesebbenRostás Sándor szds. MH GEOSZ Műszaki és információs osztály térképész főtiszt (ov. h.)
DITAB-50 az új topográfiai adatbázis Rostás Sándor szds. MH GEOSZ Műszaki és információs osztály térképész főtiszt (ov. h.) Az előadás tartalma 1. Bevezetés 2. Célja 3. Kialakítása 4. Jelenlegi állapot
RészletesebbenHipotézis vizsgálatok
Hipotézis vizsgálatok Hipotézisvizsgálat Hipotézis: az alapsokaság paramétereire vagy az alapsokaság eloszlására vonatkozó feltevés. Hipotézis ellenőrzés: az a statisztikai módszer, amelynek segítségével
RészletesebbenLOKÁLIS IONOSZFÉRA MODELLEZÉS ÉS ALKALMAZÁSA A GNSS HELYMEGHATÁROZÁSBAN
LOKÁLIS IONOSZFÉRA MODELLEZÉS ÉS ALKALMAZÁSA A GNSS HELYMEGHATÁROZÁSBAN Juni Ildikó Budapesti Műszaki és Gazdaságtudományi Egyetem BSc IV. évfolyam Konzulens: Dr. Rózsa Szabolcs MFTT 29. Vándorgyűlés,
Részletesebben3D számítógépes geometria és alakzatrekonstrukció
3D számítógépes geometria és alakzatrekonstrukció 15. Digitális Alakzatrekonstrukció Méréstechnológia, Ponthalmazok regisztrációja http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01
RészletesebbenA JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA
A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TáTK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi Tanszék
RészletesebbenCSAPADÉK ÉS TALAJVÍZSZINT ÉRTÉKEK SPEKTRÁLIS ELEMZÉSE A MEZŐKERESZTES-I ADATOK ALAPJÁN*
A Miskolci Egyetem Közleménye A sorozat, Bányászat, 66. kötet, (2004) p. 103-108 CSAPADÉK ÉS TALAJVÍZSZINT ÉRTÉKEK SPEKTRÁLIS ELEMZÉSE A MEZŐKERESZTES-I ADATOK ALAPJÁN* Dr.h.c.mult. Dr. Kovács Ferenc az
Részletesebben