|
|
Klasifikace objektů v obraze podle textury
Wozniak, Jan ; Hradiš, Michal (oponent) ; Španěl, Michal (vedoucí práce)
Práce se zabývá analýzou texturních příznaků a klasi fikací známých objektů. Poskytuje základní přehled běžně používaných texturních příznaků a principů jejich klasi fikace, přičemž užší pozornost je věnována extrakci local binary patterns a klasifi kátoru založeném na algoritmu support vector machine. Práce také obsahuje vyhodnocení dosažených výsledků pomocí statistických metod jackkni ngu a F-measure.
|
|
|
Segmentace obrazu jako výškové mapy
Moučka, Milan ; Kršek, Přemysl (oponent) ; Španěl, Michal (vedoucí práce)
Práce se zabývá segmentací objemových medicínských dat. Popisuje známou metodu rozvodí a klade důraz na předzpracování obrazových dat. Aplikace je navržena pro přímou segmentací trojrozměrných dat s využitím ITK a VTK knihoven. Před samotnou metodou rozvodí je použito několik metod předzpracování obrazu. Získané výsledky jsou porovnány s ručně anotovanou datovou sadu pomocí metriky F-Measure a následně zhodnoceny.
|
|
|
Klasifikace objektů v obraze podle textury
Wozniak, Jan ; Hradiš, Michal (oponent) ; Španěl, Michal (vedoucí práce)
Práce se zabývá analýzou texturních příznaků a klasi fikací známých objektů. Poskytuje základní přehled běžně používaných texturních příznaků a principů jejich klasi fikace, přičemž užší pozornost je věnována extrakci local binary patterns a klasifi kátoru založeném na algoritmu support vector machine. Práce také obsahuje vyhodnocení dosažených výsledků pomocí statistických metod jackkni ngu a F-measure.
|
|
|
Segmentace obrazu jako výškové mapy
Moučka, Milan ; Kršek, Přemysl (oponent) ; Španěl, Michal (vedoucí práce)
Práce se zabývá segmentací objemových medicínských dat. Popisuje známou metodu rozvodí a klade důraz na předzpracování obrazových dat. Aplikace je navržena pro přímou segmentací trojrozměrných dat s využitím ITK a VTK knihoven. Před samotnou metodou rozvodí je použito několik metod předzpracování obrazu. Získané výsledky jsou porovnány s ručně anotovanou datovou sadu pomocí metriky F-Measure a následně zhodnoceny.
|
|
|
Srovnání vybraných klasifikačních metod pro vícerozměrná data
Stecenková, Marina ; Řezanková, Hana (vedoucí práce) ; Berka, Petr (oponent)
Cílem této diplomové práce je srovnání vybraných klasifikačních metod, a to logistické regrese (binární a multinomické), vícevrstvého perceptronu a klasifikačních stromů CHAID a CRT. V první části je připomenut teoretický základ těchto metod a vysvětlena podstata parametrů modelu. V další části jsou na šesti datových souborech aplikovány výše uvedené klasifikační metody a následně porovnány výstupy těchto metod. Důraz je kladen zejména na hodnocení diskriminační síly modelů. Této problematice je věnována samostatná kapitola. Hodnocení diskriminační síly modelu je založeno na celkové úspěšnosti, F-míře a velikosti plochy pod ROC křivkou. Přínosem práce není pouze srovnání vybraných klasifikačních metod na základě statistik hodnotících diskriminační sílu modelů, ale také celkový přehled o přednostech a nedostatcích jednotlivých metod.
|
host ::
RSS.