|
|
Advanced remote sensing methods for monitoring of peat bog vegetation in the Krkonoše Mountains
Kulich, Adam ; Kupková, Lucie (advisor) ; Potůčková, Markéta (referee)
Advanced remote sensing methods for monitoring of peat bog vegetation in the Krkonoše Mountains Abstract The goal of the thesis was to create maps of vegetation cover for three peat bogs in Krkonoše National Park (KRNAP, Krkonoše NP) and to propose a method for further efficient mapping of peat bogs in the Krkonoše Mountains in collaboration with Krkonoše NP. The research utilized UAV image data and field botanical data measured by GPS. UAV images were preprocessed using Pix4D Mapper software and features such as canopy height and textures derived from GLCM were added to the resulting orthomosaics. Testing confirmed their usefulness in increasing classification accuracy. A separability analysis was performed, and an algorithm was designed to detect errors in the field data. During the analysis, two classification methods, Random Forest and Support Vector Machine (SVM), were compared. The SVM method achieved the most precise results at Kyselé kouty, where average F-1 score reached 0.957, while the F-1 scores for Hraniční louka and Pančavská louka reached only 0.899 and 0.832 respectively. The overlay analysis demonstrated that the results of the individual methods are consistent, and for Pančavská louka, combining classifiers yielded better accuracy than the individual models. The methods which led to the...
|
|
|
Cirque overdeepening in the High Tatras
Nadžadyová, Alexandra ; Křížek, Marek (advisor) ; Margold, Martin (referee)
Cirque overdeepening in the High Tatras Abstract: The High Tatras are currently an unglaciated mountain range with distinct glacial and periglacial shapes, as they were among the most glaciated mountain ranges during the Pleistocene. This allowed the formation of glacial cirques in the valley heads, which nowadays serve as ideal paleoenvironmental indicators. The aim of this work is therefore to determine the extent of cirque overdeepening in the Slovak part of the High Tatras and to establish the relationship of cirque overdeepening to standard morphometric, positional, and environmental characteristics of cirques. Based on the current digital elevation model (DEM), cirque edges, steps, and foot of cirque walls were defined and the values of morphometric parameters important for the construction of longitudinal profiles (k-curves, c-curves) were determined, thanks to which the overdeepening of the cirques was determined. The average value of the overdeepening of all the cirques according to the k coefficient was 0,85 (ranging from 0,51 to 1,46) and according to the c coefficient it was -0,97 (ranging from -0,11 to -2,96). The resulting inventory of 110 cirques was therefore used to analyse the relationships of the overdeepening coefficients to the above characteristics among themselves. The values of the...
|
|
|
Meta-heuristic algorithms for feature selection in classification of heart-related diseases
Švestková, Tereza ; Odstrčilík, Jan (referee) ; Mézl, Martin (advisor)
This thesis is devoted to the features selection for classification tasks related to heart disease. The optimal features selection is a key factor for the correct functionality of classification models and, in the case of medicine, for the improvement of diagnostics. The theoretical part discusses the general classification task in machine learning. Furthermore, some classic procedures as well as newer meta-heuristic algorithms for efficient feature selection are described in more detail. The practical part is devoted to the application of some of the described algorithms to data sets related to heart disease. The advantages and benefits of prioritizing meta-heuristic algorithms are discussed based on the verification of the validity of the result of the classification model according to selected symptoms of common procedures and evolutionary algorithms.
|
|
|
Detekce malware domén pomocí metod strojového učení
Ebert, Tomáš ; Poliakov, Daniel (referee) ; Hranický, Radek (advisor)
This bachelor thesis deals with the detection of malware domains using machine learning methods learning based on various information obtained about the domain (DNS records, geolocation data etc.). With the rapid proliferation of threats, not only in the form of malware, the current examples are often approaches are insufficient, either in terms of the speed of detection of malware domains or in terms of overall recognition,whether a domain is dangerous. The output of this work is a trained XGBoost classifier model, which has the advantage of fast and efficient real-time detection over blacklist detection, which often acquires domain data with a week delay. For this model, 131,000 malware domains were obtained, using which obtain a high-value model. Using experiments, a score of F1 of 96.8786 % for the XGBoost classifier with a false positive detection rate of 0.004887.
|
|
|
Optimization of Classification Models for Malicious Domain Detection
Pouč, Petr ; Jeřábek, Kamil (referee) ; Hranický, Radek (advisor)
Tato diplomová práce se zaměřuje na rozvoj pokročilých metod pro detekci škodlivých doménových jmen s využitím optimalizačních technik v oblasti strojového učení. Práce zkoumá a hodnotí účinnost různých optimalizačních strategií pro klasifikaci. Jako nástroje pro hodnocení jsem vybral klasifikační algoritmy, které se liší v jejich přístupu, včetně hlubokého učení, techniky rozhodovacích stromů, nebo hledání hyperrovin. Tyto metody byly posouzeny na základě schopnosti efektivně klasifikovat doménová jména v závislosti na použitých optimalizačních technikách. Optimalizace zahrnovala vytvoření přesně označených datových sad, aplikaci technik zpracování dat, pokročilou selekci atributů, řešení nerovnováhy tříd a ladění hyperparametrů. Experimentální část práce prokazuje vynikající úspěšnost kombinováním jednotlivých metod. Přičemž nejlepší modely CNN dosahovaly až 0.9926 F1 při současném snížení FPR na hodnotu 0.300%. Přínos práce spočívá v poskytnutí konkrétních metod a strategií pro efektivní detekci škodlivých doménových jmen v oblasti kybernetické bezpečnosti.
|
|
|
Reversibility of Voice Change Methods
Lička, Zbyněk ; Firc, Anton (referee) ; Malinka, Kamil (advisor)
Moderní metody pro změnu hlasu dovolují i nezkušeným uživatelům vytvářet přesvědčívé nahrávky hlasu slavné osoby s pouze pár sekundami nahraného ukázkového hlasu. Existují dvě hlavní kategorie metod pro změnu hlasu: konverze hlasu a text-to-speech. Metody konverze hlasu vyžadují vstupní řeč, která má být konvertována do hlasu jiného řečníka. Moderní metody pro konverzi hlasu se často zabývají odstraněním či redukcí množství informací o původním řečníkovi v konvertovaném hlasu. Tato práce se zabývá možnostmi pro extrakci informací z konvertovaného hlasu s případnou kompletní rekonstrukcí vstupní řeči. Výsledky této práce odhalují poznatky o nestudované vlastnosti těchto metod.
|
|
|
Analyzing a person’s handwriting for recognizing his/her emotional state
Chudárek, Aleš ; Matoušek, Jiří (referee) ; Malik, Aamir Saeed (advisor)
Rozpoznávání emocí z rukopisu je náročný a interdisciplinární úkol, který může poskytnout vhled do psychologického a emočního stavu pisatele. V této diplomové práci byl vyvinut a vyhodnocen model strojového učení schopný predikovat emoční stav pisatele na základě vzorků jeho rukopisu. Byl využit dataset EMOTHAW, který obsahuje vzorky rukopisu a kreseb od subjektů, jejichž emoční stavy byly změřeny pomocí testu DASS, který hodnotí úroveň deprese, úzkosti a stresu, a CIU Handwritten databázi pro ověření a experimentování. Bylo extrahováno množství příznaků inspirovaných standardní grafologií, stejně jako příznaky specifické pro online data. Pomocí ANOVA byly vybrány statisticky významné příznaky, které byly normalizovány pomocí Z-Score, MinMax, IQR nebo logaritmické transformace. Dimenzionalita příznaků byla snížena pomocí analýzy hlavních komponent (PCA) a lineární diskriminační analýzy (LDA). Pro klasifikaci byl použit meta-přístup Ensemble learning, který se snaží snížit chyby jednoho jednoduchého modelu využitím rozmanitosti a doplňkovosti více modelů. Struktura klasifikátoru závisí na mnoha argumentech, což vede k více než 300 000 různým konfiguracím. Optimální argumenty a tudíž optimální struktura byla hledána pomocí zamrazování argumentů. Byly identifikovány nejlepší klasifikátory pro binární a trinární klasifikaci každé emoce, což vedlo k šesti optimálním modelům. Tyto modely byly hodnoceny pomocí různých metrik, jako jsou accuracy, precision, recall a F1 Skóre, a dosáhly adekvátních výsledků ve všech metrikách. Kromě nalezení klasifikátorů tato práce zkoumala význam každého extrahovaného příznaku, čímž byl vytvořen seznam nejvýznamnějších příznaků použitých pro rozpoznávání emocí z rukopisu. Dále tato práce rozšiřuje databázi EMOTHAW identifikací úkolů, které jsou více indikativní pro specifické emoce, čímž se snižuje potřeba kompletní baterie úkolů pro emoční analýzu.
|
|
| |
|
|
Detection of DGA-based Botnets
Keznikl, Matej ; Setinský, Jiří (referee) ; Hranický, Radek (advisor)
Botnets represent significant cybersecurity threats due to their potential to cause extensive damage to computer networks and systems. One primary method by which botnets conceal their existence and communicate with servers is through the use of Domain Generation Algorithms (DGA), which enable the dynamic creation of domain names for controlling the botnet. This thesis focuses on the design and development of a highly efficient and distributed detection system for analyzing communication patterns and behaviors of botnets within DNS network traffic and identifying domain names created based on DGA. Several machine learning techniques were compared, utilizing lexical features of domain names characteristic of DGA, to determine the classifier exhibiting the best results. The LightGBM classifier, achieving a ROC-AUC score of up to 99.18%, was subsequently integrated into the detection system. Unit testing of individual blocks and integration testing were performed to ensure the functionality and reliability of the entire system and the mutual compatibility of its components. The resulting implementation of the detection system achieves high accuracy in the binary classification of domain names created based on DGA, ensuring its readiness for effective deployment in real-world operational environments.
|
|
|
Automatická kontrola dopravního značení
Čechmánek, Roman ; Klíma, Ondřej (referee) ; Musil, Petr (advisor)
The aim of this work is to create a cost-effective tool capable that would be able to automate the process of traffic sign control. This includes working with records of drives on land communications, created using inexpensive recording devices such as GoPro action cameras or certain dashcams. The control is based on the system localized traffic signs and historical traffic sign mapping data. The result of the work is a system whose input consists of drive records and historical data, and whose output is two files containing information about the inspection results. The first of these is a GEOJSON file, suitable for further processing of the collected data, and an HTML file that provides a simple user interface visualizing the inspection results on an interactive web map.
|
guest ::
