|
|
Detekce komplexů QRS ve vícesvodových signálech EKG
Šlancar, Matěj ; Smital, Lukáš (oponent) ; Kozumplík, Jiří (vedoucí práce)
Cílem této práce je seznámit se s principy softwarové detekce QRS komplexů, jež vychází z různých kombinací ortogonálních (pseudoortogonálních) svodů. Práce popisuje hlavní komponenty EKG signálu, dále výběr metod, pomocí kterých lze v ortogonálních svodech komplexy detekovat a na závěr pak zhodnocení účinnosti vybraných metod a porovnání použitých přístupů s výsledky jiných autorů. Funkčnost detekčních algoritmů byla ověřena na signálech standardní knihovny CSE.
|
|
|
Posuzování spánkových stádií z Hjorthových parametrů signálů EEG
Kupková, Kristýna ; Ronzhina, Marina (oponent) ; Kozumplík, Jiří (vedoucí práce)
Tato bakalářská práce je zaměřena na rozlišování jednotlivých spánkových stádií ze signálů EEG. V její první části je představena klasická vizuální metoda klasifikace spánkových stádií, v části druhé metoda automatizované klasifikace. Jedná se o metodu využívající tří Hjorthových parametrů k vytvoření vektorového prostoru, ve kterém by na základě podobnosti vzniklých útvarů mohla být rozlišována jednotlivá stádia spánku. Hjorthovy parametry jsou počítány jak z celého pásma signálu EEG, tak i v jeho jednotlivých pásmech. V další části práce je provedena analýza hlavních komponent. Hlavní komponenty jsou analogicky s Hjorthovými parametry umístěny do vektorového prostoru a je u nich sledován charakter vzniklých útvarů.
|
|
|
Studium vlivu toxických a nutričních prvků na metabolismus buněk pomocí kombinace Ramanovy spektroskopie a spektroskopie laserem buzeného plazmatu
Mazura, Martin ; Hrdlička, Aleš (oponent) ; Prochazka, David (vedoucí práce)
V této práci je studováno online rozlišení šesti kmenů bakterií pomocí multivariační analýzy dat (MVDA). Jako nejvhodnější technika byla zvolena analýza hlavních komponent (Principal component analysis, PCA). K chemické analýze bakterií byly použity dvě různé analytické metody – Spektroskopie laserem buzeného plazmatu (LIBS) a Ramanova spektroskopie. Pro co nejlepší rozlišení jednotlivých kmenů bakterií byla získaná data z obou metod vyhodnocována zvlášť i dohromady. Pro společné vyhodnocení byla data separátně škálována od nuly do jedné a následně zařazena za sebe. Takto vznikl soubor dat nesoucí informaci z obou metod. U jednotlivých kmenů bakterií byl navíc studován i vliv doby kultivace. Bylo zjištěno, že pomocí Ramanovy spektroskopie je možné rozlišit dva kmeny bakterií a pomocí metody LIBS dokonce čtyři. Kombinací obou metod bylo dosaženo úplného rozdělení všech šesti kmenů do samostatných shluků. Pomocí vah jednotlivých vlnových délek první hlavní komponenty (PC1) bylo zjištěno, že největší přínos pro třídění bakterií u metody LIBS nenese rozdíl jejich prvkového složení, ale matriční efekt ovlivňující spektrum. Vliv doby kultivace byl sledován pouze metodou LIBS. Na základě měření provedených s odstupem 24 hodin bylo možné pozorovat změnu u čtyř kmenů bakterií. Z výsledků této práce lze usuzovat, že kombinace Ramanovy spektroskopie a metody LIBS je díky komplementárním informacím vhodná pro rychlé rozlišení jednotlivých kmenů a druhů bakterií. Navíc bylo zjištěno, že pomocí metody LIBS je u některých kmenů bakterií možné stanovit změny vzniklé délkou kultivace.
|
|
|
Rekonstrukce 3D modelu obličeje pomocí zařízení Kinect
Nesvadba, Tomáš ; Malinka, Kamil (oponent) ; Mráček, Štěpán (vedoucí práce)
Cílem této bakalářské práce je navrhnout způsob pro zvýšení rozlišení 3D modelů obličeje pořízených senzorem Kinect a toto řešení implementovat. V práci jsou popsány metody snímání 3D modelů,senzor Kinect a jeho vlastnosti v porovnání s kvalitními 3D skenery. Hlavní částí práce je popis statistického modelu založeného na PCA analýze a jeho využití při návrhu aplikace. V závěru je provedeno testování s různými vstupy a zhodnocení dosažených výsledků implementovaného programu.
|
|
|
Rozpoznání lidské tváře
Burián, Pavel ; Ševcovic, Jiří (oponent) ; Herout, Adam (vedoucí práce)
Tato bakalářská práce se zabývá problematikou rozpoznávání lidské tváře v obraze. Popisuje principy detekce tváře, metody pro rozpoznávání a existující datové sady tváří. Zaměřuje se na rozbor, srovnání a testování algoritmů eigenface, fisherface a KDDA (Kernel Direct Discriminant Analysis).
|
|
|
Detekce síťových anomálií založená na PCA
Krobot, Pavel ; Kováčik, Michal (oponent) ; Bartoš, Václav (vedoucí práce)
Tato práce se zabývá detekcí anomálií v počítačových sítích. Konkrétní metoda, jež bude dále popsána, je založena na analýze hlavních komponent. V rámci této práce byl studován původní návrh této metody a jeho další dvě rozšíření. Základní verze a poslední rozšíření pak byly implementovány společně s jedním dalším malým rozšířením, které bylo navrženo v rámci této práce. Nad výslednou implementací byla následně provedena série testů. Tyto testy přinesly dva hlavní poznatky. První z nich poukazuje na možnou použitelnost analýzy hlavních komponent pro detekci anomálií v síťovém provozu. Druhý pak poznamenává, že přestože se metoda v jistých ohledech ukázala jako funkční, je ještě nedokonalá a je potřeba dalšího výzkumu pro její vylepšení.
|
|
|
Identifikace obličeje
Macenauer, Oto ; Drozd, Michal (oponent) ; Chmelař, Petr (vedoucí práce)
Tato práce uvádí čtenáře do problematiky rozpoznání obličeje. Jsou zde zmíněny a rozřazeny různé metody sloužící k identifikaci obličeje. Hlavní důraz práce je kladen na problémy současných řešení problému rozpoznání obličeje a následně je vyvinuta snaha tyto problémy vyřešit. Vyřešení těchto nedostatků technologie je nutností pro masivní rozšíření implementací identifikace obličeje. Dále se práce zaměřuje na implementaci zvolených metod, což jsou lineární diskriminační analýza a analýza hlavních komponent. Tyto metody jsou vzájemně porovnány a výsledky jsou poskytnuty v závěru práce.
|
|
|
Vyhledávání ve videu
Černý, Petr ; Mlích, Jozef (oponent) ; Chmelař, Petr (vedoucí práce)
Tato práce shrnuje základní teorii týkající se vyhledávání informací, základy z oblasti relačního modelu dat a problematiky indexace dat v relačních databázových systémech. Práce se dále zabývá problematikou vyhledávání v multimediálních datech. Zahrnuje popisy základních principů automatické extrakce rysů multimediálního obsahu a indexace multidimenzionálních dat. Praktická část této práce se zabývá návrhem a implementací řešení, které má za úkol zvýšit efektivitu dotazů na podobnost multidimenzionálních vektorů rysů, které popisují jednotlivá videa. Závěr práce je věnován experimenty nad tímto řešením.
|
|
|
Rozpoznávání ručně psaného písma pomocí neuronových sítí
Horký, Vladimír ; Janda, Miloš (oponent) ; Plchot, Oldřich (vedoucí práce)
V této práci budou představeny neuronové sítě, konkrétně algoritmus zpětného šíření chyby. Bude vyloženo teoretické pozadí algoritmu a budou zde řešeny problémy, se kterými se můžetete setkat při učení takovéto sítě. Práce se také zabývá předzpracováním obrazu a obrazovými příznaky, které jsou hlavním stavebním kamenem klasifikace. Část práce se také zabývá experimenty s neuronovou sítí nad zvolenými obrazovými příznaky. Součástí práce je také vytvoření demo-aplikace pro experimenty s neuronovými sítěmi a pro převod textu v obraze na text elektronický.
|
|
|
Příznaky z videa pro klasifikaci
Behúň, Kamil ; Herout, Adam (oponent) ; Hradiš, Michal (vedoucí práce)
Tato práce porovnává ručně-navrženy příznaky s příznaky naučenými metodami učení příznaků při klasifikací videa. Příznaky naučené pomocí Analýzy nezávislých podprostorů, Řídkými Autoenkodéry a vybělením Analýzou hlavních komponent byly otestovány v systému pro klasifikaci videa pomocí Bag of Words, ve kterém nahradily ručně-navrženy příznaky (např. SIFT, HOG, HOF). Úspěšnost klasifikace těchto naučených příznaků byla testována na datových sadách Human Motion DataBase a YouTube Action Data Set, kde ukázaly lepší výsledky než ručně-navrženy příznaky. Tato práce také ukazuje pomocí navržené metody inspirovanej metódami Multiple Kernel Learning, že při kombinaci naučených příznaků s ručně-navrženými příznaky lze dosáhnout ještě výraznější zlepšení úspěšnosti klasifikace videa a to i v případě, když ručně-navrženy příznaky a naučené příznaky samostatně nedosahují příliš velké úspěšnosti klasifikace.
|
host ::
RSS.