|
|
Bitmap picture classification
Lukšová, Ivana ; Surynek, Pavel (vedoucí práce) ; Holan, Tomáš (oponent)
V tejto práci navrhujeme metódu na automatickú klasifikáciu bitmapových obrázkov na základe obsahu do tried ako budovy, krajinky, fotografie apod. Metóda využíva koncepty strojového učenia, konkrétne mechanizmus rozhodovacieho stromu. Z obrázkov sú extrahované charakteristiky ako kontrast, rozloženie farieb, výskyt priamych línií. Na základe týchto charakteristík je vybudovaný rozhodovací strom použitím algoritmu ID3. Súčasťou práce je vytvorenie programu, ktorý umožňuje operácie s databázou obrázkov vzhľadom k výsledkom klasifikácie - vyhľadávanie, triedenie do adresárov atď. Metóda má dosahuje úspešnosť 75-85% v rámci tried.
|
|
|
Ontology Enrichment Based on Unstructured Text Data
Lukšová, Ivana ; Nečaský, Martin (vedoucí práce) ; Kozák, Jakub (oponent)
Název práce: Rozširovaní ontologie z nestrukturovaného textu Autor: Ivana Lukšová Katedra: Katedra softwarového inženýrství Vedoucí diplomové práce: Mgr. Martin Nečaský, Ph.D., Katedra soft- warového inženýrství Abstrakt: Sémantická anotace - přirazení sémantických informací k textu - je základní úloha v oblasti získávaní znalostí. V posledních letech byly navrženy víceré platformy pro sémantickou anotaci, avšak automatické vytváření ontologií z textu je stále náročný problém. V této práci je představena nová metoda pro polo-automatické rozšiřovaní ontologie z nestrukturovaného textu, která by měla tento proces usnadnit. Nové elementy ontologie, jako koncepty a relace, jsou extrahovány z textu - zapojením metod zpracovaní přirozeného jazyka a strojového učení. Naše metoda dosahuje F-skóre až 71% pro ex- trakci konceptů a až 68% pro extrakci relací. Klíčová slova: ontologie, strojové učení, získavaní znalostí 1
|
|
|
Bitmap picture classification
Lukšová, Ivana ; Surynek, Pavel (vedoucí práce) ; Holan, Tomáš (oponent)
V tejto práci navrhujeme metódu na automatickú klasifikáciu bitmapových obrázkov na základe obsahu do tried ako budovy, krajinky, fotografie apod. Metóda využíva koncepty strojového učenia, konkrétne mechanizmus rozhodovacieho stromu. Z obrázkov sú extrahované charakteristiky ako kontrast, rozloženie farieb, výskyt priamych línií. Na základe týchto charakteristík je vybudovaný rozhodovací strom použitím algoritmu ID3. Súčasťou práce je vytvorenie programu, ktorý umožňuje operácie s databázou obrázkov vzhľadom k výsledkom klasifikácie - vyhľadávanie, triedenie do adresárov atď. Metóda má dosahuje úspešnosť 75-85% v rámci tried.
|
host ::
RSS.