|
|
Detekce biologických struktur ve snímcích z TEM mikroskopu
Cikánek, Martin ; Chmelík, Jiří (oponent) ; Potočňák, Tomáš (vedoucí práce)
Cílem první části této diplomové práce je vysvětlit teoretické základy transmisní elektronové mikroskopie and zmínit fundamentální části transmisních elektronových mikroskopů. Další část této práce je zaměřena na možné metody segmentace obrazu, využití neuronových sítí při detekci objektů v obraze a na následné shlukování výsledků. Teoretická část práce je zakončena vysvětlením některých již publikovaných metod automatické detekce biologických struktur v obrazech z mikroskopu a teoretickým návrhem algoritmu, který bude následně vypracován. Na začátku praktické části je vysvětlen postup trénování neuronových sítí za účelem automatické detekce biologických struktur v obraze. Poté následuje zhodnocení výsledků dosažených těmito sítěmi. Následně jsou na tyto výsledky aplikovány metody shlukové analýzy, jejichž výsledky jsou porovnávány mezi sebou a taktéž s výsledky dosaženými již publikovanými metodami.
|
|
|
Učení bez učitele
Kantor, Jan ; Sáblík, Václav (oponent) ; Honzík, Petr (vedoucí práce)
Smyslem této práce bylo popsat některé techniky učení bez učitele, které se běžně používají v procesu shlukové analýzy dat. První část je zaměřena na teoretickou rešerši některých algoritmů, popis výhod a nevýhod každé z diskutovaných metod a validace kvality shlukování. V této části je zmíněna řada způsobů jak odhadnout a spočítat kvalitu shlukování založenou na interní a externí znalosti. Dobrá technika validace kvality shlukování je jedna z nejdůležitějších částí ve shlukové analýze. Druhá část práce se zabývá implementací rozdílných shlukovacích technik a programů na reálných datech a porovnává je se skutečnými rozděleními v souboru dat a publikovanými výsledky.
|
|
|
Detekce biologických struktur ve snímcích z TEM mikroskopu
Cikánek, Martin ; Chmelík, Jiří (oponent) ; Potočňák, Tomáš (vedoucí práce)
Cílem první části této diplomové práce je vysvětlit teoretické základy transmisní elektronové mikroskopie and zmínit fundamentální části transmisních elektronových mikroskopů. Další část této práce je zaměřena na možné metody segmentace obrazu, využití neuronových sítí při detekci objektů v obraze a na následné shlukování výsledků. Teoretická část práce je zakončena vysvětlením některých již publikovaných metod automatické detekce biologických struktur v obrazech z mikroskopu a teoretickým návrhem algoritmu, který bude následně vypracován. Na začátku praktické části je vysvětlen postup trénování neuronových sítí za účelem automatické detekce biologických struktur v obraze. Poté následuje zhodnocení výsledků dosažených těmito sítěmi. Následně jsou na tyto výsledky aplikovány metody shlukové analýzy, jejichž výsledky jsou porovnávány mezi sebou a taktéž s výsledky dosaženými již publikovanými metodami.
|
|
|
Shlukování dat pomocí procedury MCluster-Miner systému LISp-Miner
Pelc, Tomáš ; Šimůnek, Milan (vedoucí práce) ; Šulc, Zdeněk (oponent)
Bakalářská práce se zabývá shlukováním dat pomocí procedury MCluster-Miner systému LISp-Miner. Prvním cílem práce je shluková analýza dat pomocí zmíněné procedury a posouzení možností jejího využití na různých datových sadách. Pro dosažení tohoto cíle práce je prakticky aplikována daná procedura na šesti datových sadách. Druhým cílem práce je rozebrat možnosti implementovaných algoritmů, měr podobnosti a navrhnout doporučení pro volbu parametrů úlohy shlukování. K splnění tohoto cíle jsou dostupné algoritmy a míry podobnosti porovnány podle dosažených výsledků (kvalita rozdělení objektů do shluků, čas úlohy, počet atributů použi-tých pro shlukování). Následně jsou z těchto porovnání odvozena doporučení pro volbu parame-trů úlohy shlukování. Přínosem práce jsou tyto doporučení, porovnání dostupných algoritmů a měr podobnosti, shrnutí aktuálního stavu (ke květnu 2017) modulu MCluster-Miner a ukázání možnosti zobrazení výsledků shlukovací úlohy na interaktivní analýze geografických dat. V teo-retické části práce je popsán systém LISp-Miner, základní principy shlukování, způsoby shluková-ní a míry podobnosti, které využívá GUHA-procedura MCluster-Miner, a modul MCluster-Miner. V praktické části je aplikována procedura MCluster-Miner na šesti různých datových sadách a jsou zde shrnuty dosažené výsledky.
|
|
|
Učení bez učitele
Kantor, Jan ; Sáblík, Václav (oponent) ; Honzík, Petr (vedoucí práce)
Smyslem této práce bylo popsat některé techniky učení bez učitele, které se běžně používají v procesu shlukové analýzy dat. První část je zaměřena na teoretickou rešerši některých algoritmů, popis výhod a nevýhod každé z diskutovaných metod a validace kvality shlukování. V této části je zmíněna řada způsobů jak odhadnout a spočítat kvalitu shlukování založenou na interní a externí znalosti. Dobrá technika validace kvality shlukování je jedna z nejdůležitějších částí ve shlukové analýze. Druhá část práce se zabývá implementací rozdílných shlukovacích technik a programů na reálných datech a porovnává je se skutečnými rozděleními v souboru dat a publikovanými výsledky.
|
|
|
Shluková analýza jako nástroj klasifikace objektů
Vanišová, Adéla ; Löster, Tomáš (vedoucí práce) ; Bílková, Diana (oponent)
Cílem této diplomové práce je prověření schopnosti vybraných metod shlukové analýzy správně segmentovat datový soubor složený pouze z kvantitativních proměnných. Základním kritériem pro datové soubory je předpoklad, že musí být znám počet tříd a příslušnost jednotlivých objektů do těchto tříd. Na základě znalosti o počtu tříd byla provedena shluková analýza. Přiřazení objektů k jednotlivým shlukům bylo následně porovnáno se skutečnou příslušností objektů do původních tříd. Výstupem je relativní úspěšnost vybraných metod na zkoumaných datech. Metody shlukové analýzy samy o sobě nejsou schopné určit, jaký má být optimální počet shluků, proto byly v druhém kroku pro každý zkoumaný datový soubor určeny hodnoty vybraných kritérií odhadujících optimální počet shluků. Na základě tohoto výstupu byla zkoumána schopnost vybraných kritérií správně rozpoznat původní počet tříd. Hlavním přínosem této diplomové práce je validace schopnosti vybraných metod shlukové analýzy identifikovat podobnost objektů a ověření schopnosti vybraných kritérií odhadnout počet shluků, který odpovídá skutečnému rozdělení souboru. Zároveň tato práce nabízí strukturovaný přehled základních metod shlukové analýzy a ukazatelů pro odhad optimálního počtu shluků.
|
|
|
Hodnocení výsledků metod shlukové analýzy
Löster, Tomáš ; Řezanková, Hana (vedoucí práce) ; Berka, Petr (oponent) ; Dohnal, Gejza (oponent)
Shluková analýza zahrnuje řadu metod a postupů, které slouží především ke klasifikaci objektů. Zastává významnou roli v mnoha odvětvích. Vzhledem k tomu, že se výsledná rozdělení objektů do shluků mohou lišit v závislosti na zvolených metodách a dílčích specifikacích, je vhodné získané výsledky hodnotit. Jedním z cílů této disertační práce bylo vytvořit strukturovaný přehled existujících koeficientů a postupů určených pro hodnocení výsledků shlukování, a to jednak v závislosti na použitých metodách, jednak v závislosti na počtu shluků. Hlavním cílem pak bylo navržení nových, resp. modifikace existujících koeficientů pro hodnocení těchto výsledků v situaci, kdy jsou objekty charakterizované kvalitativními proměnnými, resp. proměnnými různých typů. Nově navržené koeficienty jsou založeny na zjišťování variability, která je současně využívána i pro stanovení odlišnosti objektů i shluků. Variabilita v případě nominálních proměnných je zjišťována buď na základě variačního poměru, nebo pomocí entropie, či Giniho koeficientu, v případě ordinálních proměnných pak na základě koeficientu dorvar; v případě kombinace s kvantitativními proměnnými jde o kombinaci s využitím rozptylu. Vhodnost použití vybraných koeficientů je zkoumána na reálných datech, u kterých je buď známé, nebo neznámé zařazení objektů do shluků. Analyzované datové soubory jsou různého rozsahu, obsahují různé typy a počty proměnných. V daných situacích je zjišťována možnost aplikace vybraných koeficientů pro stanovení optimálního počtu shluků. Cíle práce je tedy možné považovat za splněné. Přínosem této disertační práce je navržení nových způsobů měření podobnosti objektů a shluků v případech, jsou-li objekty charakterizovány jinými než pouze kvantitativními proměnnými. Dalším přínosem je klasifikace existujících hodnotících koeficientů. Stěžejním přínosem je navržení nových koeficientů pro případ kvalitativních proměnných, resp. proměnných různých typů. Na základě provedených analýz byl identifikován koeficient, pomocí něhož bylo možné správně určit optimální počet shluků (na rozdíl od dosud používaného koeficientu).
|
host ::
RSS.