|
|
Příznaky pro analýzu a klasifikaci buněk ve snímcích z holografického mikroskopu
Navrátilová, Markéta ; Kolář, Radim (oponent) ; Vičar, Tomáš (vedoucí práce)
Tato bakalářská práce se zabývá problematikou příznaků používaných při analýze snímků buněk pořízených holografickým mikroskopem a pro jejich klasifikaci. Popisuje jednotlivé příznaky, stejně tak jako nástroje pro klasifikaci. Příznaky jsou extrahovány na dodaných nasegmentovaných buňkách v programovém prostředí Matlab. Na základě těchto příznaků jsou buňky klasifikovány s využitím metody podpůrných vektorů. Pomocí metod pro shlukování a redukci dimenzionality je analyzován výskyt různých buněčných typů. Zároveň je zhodnocena účinnost a využitelnost jednotlivých příznaků.
|
|
|
Vyhledávání fotografií podle obsahu
Valenta, Martin ; Mlích, Jozef (oponent) ; Španěl, Michal (vedoucí práce)
Tato práce se zabývá studiem metod vhodných k vyhledávání fotografií na základě obsahu a následným návrhem a implementací aplikace pro vyhledávání budov. Cílem zmíněné aplikace je vytvořit interaktivního průvodce městem s využitím kombinace webových a klientských technologií (mobilních, desktopových). Podrobněji jsou popsány jednotlivé kroky rozpoznávání. Extrakce klíčových bodů obrazu metodou SURF, vytvoření vizuálního slovníku pomocí algoritmu k-means, váhování slovníku metodou TF-IDF. K popisu obrazových dat je využit postup Bag of Words. V textu jsou dále zmíněny nové trendy v této oblasti a shrnut návrh aplikace a dosažené implementační výsledky.
|
|
| |
|
|
Classification on unbalanced data
Hlosta, Martin ; Popelínský, Lubomír (oponent) ; Štěpánková,, Olga (oponent) ; Zendulka, Jaroslav (vedoucí práce)
This thesis is focused on classification on unbalanced data. It is an important part of machine learning with the objective to address the issues when one class is significantly underrepresented compared to the other one. The minority class is usually more important, and the traditional algorithms favouring the majority class may ignore the importance of the minority class. Two application domains motivated the research and identification of two specific problems of the imbalanced data. First, the presence of a constraint on the performance of a minority class in the computer security domain resulted in the formulation of the constrained classification problem. I proposed a solution that combines the cost-sensitive logistic regression and stochastic algorithms, which in the conducted experiments always improved the performance of the logistic regression.The domain of Learning Analytics motivated me to define a general prediction problem, whether a goal is has been achieved within the deadline. I designed the Self-Learning framework, in which models are trained by analysing attributes of objects that achieved the goal early in the investigated period. Because only a few objects satisfy the goal at the beginning, the problem is by its nature imbalanced, with the imbalance decreasing in time. The evaluation, performed on the task of identification of at-risk students in the distance higher education, showed (1) the predictive power compared the specified baseline models and (2) that methods for tackling the class imbalance without domain information didn't lead to significant improvements. When the domain information is utilised in the extended version of Self-Learning, the evaluation showed the performance increase. Understanding and exploiting the source of imbalance can also lead to better results.
|
|
|
Snížení náročnosti výpočtů v libSVM s použitím řetězcových funkcí
Kubernát, Tomáš ; Sehnalová, Pavla (oponent) ; Michlovský, Zbyněk (vedoucí práce)
Cílem práce bylo implementovat čtyři řetězcové funkce do knihovny libSVM . Za pomoci této knihovny a výše zmíněných řetězcových funkcí poté provést sérii testování s různými hodnotami parametrů ovlivňujících výpočet samotných řetězcových funkcí. Pomocí experimentů byla porovnána rychlost a úspěšnost klasifikace mojí implementace řetězcových funkcí v knihovně libSVM s implementací řetězcových funkcí v programu kernels . V práci jsou také popsány průběhy všech testování i s naměřenými hodnotami a grafy pro grafické znázornění výsledků.
|
|
|
Segmentace žeber v hrudních CT skenech
Kašík, Ondřej ; Kolář, Radim (oponent) ; Jakubíček, Roman (vedoucí práce)
Tato práce se zabývá návrhem a realizací algoritmu pro segmentaci žeber z hrudních CT dat. Pro segmentaci je zvolena metoda detekce středových linií žeber. Prvním krokem tohoto přístupu je extrakce středových linií kostí vstupních CT dat. Středové linie jsou rozděleny na krátká primitiva, která jsou poté klasifikována do dvou kategorií podle toho, zdali reprezentují středovou linii žebra či nikoliv. Následně se středové linie žeber stávají počátečními body metody narůstání oblastí v trojrozměrném prostoru, kterou je realizována finální segmentace žeber. V rámci práce byla manuálně anotována databáze 10 CT skenů, která byla následně využita pro validaci navrženého přístupu segmentace. Dosažená úspěšnost klasifikace primitiv je 96,7 %, úspěšnost segmentace žeber (Dice koeficient) je pak 86,8 %.
|
|
| |
|
|
Umělá inteligence ve hře Bang!
Kolář, Vít ; Lodrová, Dana (oponent) ; Orság, Filip (vedoucí práce)
Cílem této diplomové práce je vytvoření umělé inteligence do karetní hry Bang!. Obsahem této práce je kompletní popis hry Bang!, její pravidla, strategické principy používané při hraní a rozbor hry pohledu UI. Dále práce podává přehled metod umělé inteligence a základní informace o disciplíně teorie her. Následuje popis implementace v jazyce C++ a způsobu vytvoření umělé inteligence za pomoci Bayesovské klasifikace a rozhodovacích stromů založených na expertních systémech. Poslední část obsahuje zhodnocení vesměs pozitivních výsledků a závěr s možnými dalšími rozšířeními.
|
|
|
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 hyper parametrů na kvalitu unární klasifikace pro jednotlivé architektury. Součástí odevzdání práce je potom praktický příklad reimplementace unárního klasifikátoru.
|
|
|
Moderní řečové příznaky používané při diagnóze chorob
Bílý, Ondřej ; Smékal, Zdeněk (oponent) ; Mekyska, Jiří (vedoucí práce)
Tato práce se zabývá diagnózou Parkinsonovy choroby na základě analýzy řečového signálu. Na začátku práce je popsána tvorba řečového signálu. Následuje popis analýzy řečového signálu, jeho předzpracování a následná extrakce příznaků. Dále je popsána Parkinsonova choroba a změna řečového signálu při tomto postižení. V následující části jsou popsány příznaky, které se používají pro diagnózu Parkinsonovy choroby (FCR, VSA, VOT atd.). Další část práce se zabývá metodami redukce a výběru příznaků pomocí učících se algoritmů (SVM, ANN, k-NN) a jejich následné ohodnocení. V poslední části diplomové práce je popsán vytvořený program pro počítání příznaků. Dále je popsán výběr příznaků a na konec jsou zhodnoceny všechny dosažené výsledky.
|
host ::
RSS.