|
|
Efektivní implementace metod pro redukci dimenze v mnohorozměrné statistice
Pekař, Vojtěch ; Duintjer Tebbens, Erik Jurjen (vedoucí práce) ; Hnětynková, Iveta (oponent)
V naší práci si klademe za cíl především zefektivnit implementaci klasifikační metody, která se nazývá lineární diskriminační analýza. Jde o model mnohorozměrné statistiky, který má na základě určitého množství vzorků a jejich příslušnosti k určité skupině zařadit do skupiny vzorek nový. Zaměřujeme se zejména na její vysoce dimenzionální verzi, což znamená, že množství vstupních parametrů je tak velké, že převyšuje počet vzorků a v důsledku toho úloha vede na singulární kovarianční matici. Pro příliš velká data mohou být běžně užívané metody prakticky nepoužitelné z důvodu vysokých výpočetních nákladů. Z toho důvodu nahlížíme na téma z pohledu numerické lineární algebry a vzniklé úlohy upravujeme na jejich ekvivalentní formulaci s mnohem nižší dimenzí. Nabízíme tak nové způsoby řešení, k tomu poskytujeme příklady konkrétních algoritmů a diskutujeme jejich efektivitu. Powered by TCPDF (www.tcpdf.org)
|
|
|
Metodika klasifikace a hodnocení průmyslového dědictví z pohledu památkové péče - vodní hospodářství
Caletka, Martin ; Dráb, Aleš ; Dzuráková, Miriam ; Forejtníková, Milena ; Hronek, David ; Hudcová, Hana ; Julínek, Tomáš ; Račoch, Radka ; Rozkošný, Miloš ; Kuča, Karel ; Borovcová, Alena ; Drnek, Kryštof ; Kolka, Miroslav ; Matěj, Miloš ; Ryšková, Michaela ; Urbánek, Radim ; Frajer, Jindřich ; Létal, Aleš ; Pavelková, Renata ; Kotari, Sixtus Bolom ; Sviták Zbyněk ; Vyskočil, Aleš
Plný text:  PDF
|
|
|
Klasifikace UAV hyperspaktrálních obrazových dat s využitím metod hlubokého učení
Řádová, Martina ; Potůčková, Markéta (vedoucí práce) ; Kupková, Lucie (oponent)
Uvedená diplomová práce "Klasifikace UAV hyperspektrálních (HS) obrazových dat s využitím metod hlubokého učení" se v obecné rovině věnuje klasifikačním metodám hyperspektrálních snímků. Ve své rešeršní části diplomová práce podává obecný přehled metod konvolučních neuronových sítí. Na základě toho je sestaven přehledný rámec jako podklad pro vytipování vhodné metody pro tuto práci. Vybrány jsou dvě metody s otevřeným řešením v jazyce Python. Zvolenými metodami jsou Capsule Network a U-Net. Cílem práce je ověřit vhodnost těchto metod pro klasifikaci hyperspektrálních snímků krkonošské tundry s vysokým prostorovým rozlišením. Dílčím cílem je i příprava vstupních HS (54 pásem, 9 cm) dat do vhodné podoby pro vstup do sítě. Vzhledem ke složitosti architektury nebylo dosaženo všech požadovaných výsledků u metody Capsule Network. Pro účely porovnání a ověření výsledků byla použita metoda U-Net. Ta dosáhla přesnějších výsledků oproti hodnotám získávaným tradičními metodami (SVM, ML, RF a další), kdy celková přesnost byla u U-Net vyšší než 90% a u ostatních zmiňovaných metod OA nepřesáhla 88%. Zejména třídy suť a kleč vyšly výrazně přesněji než všechny ostatní třídy (UA - user's accuracy a PA - producer's accuracy přes 99%). Klíčová slova Hluboké učení, konvoluční neuronové sítě, hyperspektrální snímky,...
|
|
|
Tenis osob se speciálními potřebami
Slavíková, Magdalena ; Čichoň, Rostislav (vedoucí práce) ; Kočíb, Tomáš (oponent)
Název: Tenis osob se speciálními potřebami Cíle práce: Cílem bakalářské práce je shrnout dosavadní poznatky týkající se tenisu osob se speciálními potřebami v kontextu s historickým vývojem. Metody: Bakalářská práce je koncipována jako přehledová studie. Zdrojem informací pro bakalářskou práci byla především volně dostupná odborná literatura, vědecko-populární články a další odborné prameny především z internetových zdrojů zabývající se tématem tenisu na vozíku u osob se speciálními potřebami. Výsledky: Práce přináší aktuální přehled odborné a populárně naučné literatury týkající se tenisu osob se speciálními potřebami. Část práce je věnována historii tohoto relativně mladého sportovního odvětví. Jsou zde popsána aktuální pravidla, specifika kladená na výzbroj a výstroj. Je zde zmíněna problematika klasifikace v soutěžích na mezinárodní a národní úrovni. Část práce je věnována technice úderů, které jsou vysoce specifické a odlišují se od standardního tenisu. Závěry: Závěrem této bakalářské práce je třeba zdůraznit potřebu popularizace sportu osob se speciálními potřebami, jako jednoho z prostředků udržení samostatnosti a cestě k plnohodnotnému životu osob se speciálními potřebami. Klíčová slova: tenis, tenis na vozíku, handicap, historie, vybavení, tenisový vozík, tenisová raketa, pravidla,...
|
|
|
Klasifikace land cover change v Etiopii pomocí dat Landsat a Sentinel-2
Zadražil, Filip ; Laštovička, Josef (vedoucí práce) ; Svoboda, Jan (oponent)
Tato bakalářská práce je zaměřena na porovnání klasifikátorů Random Forest (RF) a CART na příkladu etiopského regionu Sidama. Pro tento region byla provedena analýza vývoje krajinného pokryvu mezi roky 2014 a 2020. Softwarem využitým ke klasifikaci byla cloudová platforma Google Earth Engine (GEE). Řízená klasifikace byla provedena na snímcích z misí Landsat 8 a Sentinel-2, které byly načteny z datového katalogu Earth Engine. Pro trénovací body byla využita data z in-situ měření, u vstupních dat byla ověřena variabilita v čase pomocí volně dostupných dat v Google Earth Pro. V rámci řešeršní části se práce věnuje metodám a výsledkům výzkumů, které byly prováděny v tématu blízkém této práci. V empirické části se práce věnuje analýze dat Landsat 8 a Sentinel-2, porovnáno bylo temporální, prostorové i spektrální rozlišení. Z hlediska temporálního rozlišení bylo prokázáno, že data Sentinel-2 díky dvěma paralelně snímajícím družicím umožňují snímat až třikrát více snímků pro stejné území v rámci Etiopie. Spektrální a prostorové rozlišení Sentinel-2 umožňuje lépe pozorovat menší a hůře odlišitelné prvky. Data byla následně využita pro klasifikace land cover pomocí klasifikátorů RF a CART v cloud based prostředí GEE. Klasifikátor RF umožnil získat vyšší celkovou přesnost, konkrétně až 82 % u dat Sentinel-2...
|
|
| |
|
|
Papilární renální karcinom
Procházková, Kristýna ; Hora, Milan (vedoucí práce) ; Macek, Petr (oponent) ; Král, Milan (oponent)
V Plzeňském kraji je dlouhodobě zaznamenávána celosvětově nejvyšší incidence nádorů ledvin. Tento kraj čítající kolem 580 tisíc obyvatel se potýkal přibližně s 240 novými případy diagnózy C64 (zhoubný nádor ledviny mimo pánvičku) za rok 2015. Prvenství mezi renálními nádory si dlouhodobě udržuje světlobuněčný renální karcinom, papilární renální karcinom (PRK) je na Urologické klinice Fakultní nemocnice Plzeň hned druhým nejčastěji operovaným nádorem ledvin. Podle nové WHO klasifikace 2016 pro nádory ledvin je stále oficiálně uznána pouze stratifikace PRK na PRK typ 1 (PRK1) a typ 2 (PRK2). Bohužel toto dělení neodpovídá běžné praxi. Většina klinických studií zabývajících se PRK často nepracuje s rozlišením na jejich podtyp, případně dodržuje jen oficiální dělení a ostatní atypické papilární formy ze studií vyřazují. Zůstává proto stále otázkou, zda histologický typ PRK ovlivňuje riziko recidivy nebo úmrtí u chirurgicky léčených pacientů. Cílem této disertační práce je zohlednit rovněž všechny ostatní formy, které se vlastnostem PRK1 a PRK2 vymykají. Práce se zabývá souborem pacientů Urologické kliniky FN Plzeň s chirurgicky řešeným a histologicky verifikovaným PRK za posledních devět let. Jelikož PRK1 se zdá býti z této pestré skupiny PRK nejvíce homogenní, je zde věnována tomuto typu největší...
|
|
|
Unární klasifikátor obrazových dat
Beneš, Jiří ; Petyovský, Petr (oponent) ; Horák, Karel (vedoucí práce)
Práce se zabývá úvodem do klasifikačních algoritmů. Následně rozděluje klasifikátory na unární, binární a multi-class a popisuje jednotlivé typy klasifikátorů. Práce srovnává jednotlivé klasifikátory a jejich oblasti použití. Pro unární klasifikátory jsou v práci uvedeny praktické příklady a seznam využívaných architektur. Práce obsahuje kapitolu zaměřenou na srovnání vlivů hyperparametrů na kvalitu unární klasifikace pro jednotlivé architektury. Součástí odevzdání práce je potom praktický příklad implementace unárního klasifikátoru.
|
|
|
Analýza dat firmy produkující zdravotnické potřeby
Kulhánková, Monika ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Tato bakalářská práce se zabývá analýzou prodejních dat společnosti, konkrétně klasifikací typu zákazníka podle jeho prodejních dat. Poskytuje teoretický úvod k získávání znalostí z dat. Popisuje proces klasifikace, metody pro vytváření klasifikátorů a je zde představen model CRISP-DM. V práci jsou popsány poskytnuté datové sady, ze kterých jsou vybrány relevantní atributy. Data jsou předzpracována a použita při tvorbě a testování klasifikačních modelů. Výsledkem práce je porovnání dosažených výsledků.
|
|
| |
host ::
RSS.