|
| |
|
|
Má smysl vyvíjet nové metody výběru příznaků?
Somol, Petr ; Novovičová, Jana
Jedno z aktuálních témat diskutovaných v současné době ve vztahu k oboru rozpoznávání je otázka skutečné účinnosti moderních metod výběru příznaků. Výběr příznaků je stále zkoumaná oblast neboť může zlepšit jak účinnost tak i hospodárnost automatických rozhodovacích systémů v mnoha aplikačních oblastech, z nichž mezi nejdůležitější patří lékařská diagnostika. Výběr příznaků může také zlepšit účinnost klasifikátorů, navržených na základě omezeného množství dat, nebo přispět k interpretaci modelů. Zejména poslední dobou bylo vyvinuto mnoho metod a metodologií slibujících významné zlepšení. Nicméně objevila se také řada kritických příspěvků prohlašujících, že jednoduché staré nástroje jsou ve skutečnosti lepší než složité moderní metody, které, navzdory slibům, selhávají v reálných aplikacích. Ve zprávě zkoumáme toto tvrzení, ukazujeme několik ilustrativních příkladů, vyvozujeme závěry a doporučení týkající se očekávané účinnosti metod výběru příznaků.
|
|
|
Výběr nejinformativnějších proměnných ve statistickém rozpoznávání
Pudil, Pavel ; Somol, Petr ; Haindl, Michal
Výzkumná zpráva obsahuje přehled metod výběru příznaků ve statistickém rozpoznávání s důrazem na metody vyvinuté výzkumníky projektu MATEO Centre of Mechatronics. Diskutované metody zahrnují nejnovější verze optimalizačních algoritmů, sub-optimální techniky a modelování simultánní semi-parametrické pravděpodobnostní hustoty a metody výběru příznaků. Metody jsou ilustrované na reálných datech pomocí programu Feature Selection Toolbox.
|
|
| |
|
|
Úvod do statistického rozpoznávání
Pudil, Pavel ; Somol, Petr ; Haindl, Michal
Problém rozpoznávání je stručně charakterizován jako proces strojového učení. Jeho hlavní etapy (redukce dimenzionality, návrh klasifikátoru) jsou definovány. Prioritou článku je statistický přístup. Dva přístupy k redukci dimenzionality - výběr příznaků (FS) a extrakce příznaků (FE) jsou zmíněny. Přestože je FS speciálním případem FE, tyto přístupy se velmi liší z praktického pohledu a proto musí studovány odděleně.
|
|
|
Rozpoznávání založené na vícerozměrných modelech
Haindl, Michal ; Pudil, Pavel ; Somol, Petr
Tato kapitola vysvětluje obecné přístupy k některým aplikacím rozpoznávání dat založené na modelech. Součástí je i stručný popis tří základních tříd vícerozměrných datových modelů. Pro každou třídu modelů je popsán odhad parametrů a syntéza modelových dat. Na závěr jsou shrnuty výhody a nevýhody studovaných tříd vícerozměrných datových modelů.
|
|
| |
|
| |
|
|
Nový algoritmus hledání cesty pro sešívání obrazů a pokročilé dlaždicování textur
Somol, Petr ; Haindl, Michal
Navrhujeme rychlý a upravitelný sub-optimální algoritmus pro vyhledávání hranic s minimální chybou mezi překrývajícími se obrázky. Algoritmus slouží jako alternativa tradičních pomalých algoritmů, jako je dynamické programování. Náš algoritmus používáme v kombinaci s adaptivním rozpíjením k sešívání oblastí obrázku. Tato technika je dále využita v kontextu vzorkovací syntézy textur, kde navrhujeme algoritmus s oddělenou fází analýzy a syntézy. Syntéza je zde velmi jednoduchá a rychlá.
|
|
| |
host ::
RSS.