|
|
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.
|
|
|
Comparison of Classification Methods
Dočekal, Martin ; Zendulka, Jaroslav (referee) ; Burgetová, Ivana (advisor)
This thesis deals with a comparison of classification methods. At first, these classification methods based on machine learning are described, then a classifier comparison system is designed and implemented. This thesis also describes some classification tasks and datasets on which the designed system will be tested. The evaluation of classification tasks is done according to standard metrics. In this thesis is presented design and implementation of a classifier that is based on the principle of evolutionary algorithms.
|
|
|
Machine Learning in the Domain of Stylometry and Authorship Attribution
Drápela, Karel ; Škoda, Petr (referee) ; Smrž, Pavel (advisor)
Thesis deals with authorship attribution of english internet comments. It describes state of art in authorship attribution on social networks. It decsribes how the new system created during the work on this thesis functions. System is based on selection of most informative characteristics mostly from character n-grams and part of speech tags. It presents results of testing on comments from social networks Quora and Twitter.
|
|
| |
|
|
Feature Selection Based on Combination of Uncorrelated Evaluation Functions
Vaculík, Karel ; Klusáček, Jan (referee) ; Honzík, Petr (advisor)
In order to process large amount of data, it is necessary to use computers. It is possible to use statistical methods or machine learning in some cases. In either case, data can be represented with large number of features. Selection of suitable subset of features can be crucial for efficient processing. This thesis explores a subgroup of feature selection methods which are called filter methods. Comparison of such methods is carried out and the results are used in the design of a new method. This new method uses a combination of existing methods.
|
|
|
DEVELOPMENT OF ALGORITHMS FOR GUNSHOT DETECTION
Hrabina, Martin ; Tučková, Jana (referee) ; Počta, Peter (referee) ; Sigmund, Milan (advisor)
Táto práca sa zaoberá rozpoznávaním výstrelov a pridruženými problémami. Ako prvé je celá vec predstavená a rozdelená na menšie kroky. Ďalej je poskytnutý prehľad zvukových databáz, významné publikácie, akcie a súčasný stav veci spoločne s prehľadom možných aplikácií detekcie výstrelov. Druhá časť pozostáva z porovnávania príznakov pomocou rôznych metrík spoločne s porovnaním ich výkonu pri rozpoznávaní. Nasleduje porovnanie algoritmov rozpoznávania a sú uvedené nové príznaky použiteľné pri rozpoznávaní. Práca vrcholí návrhom dvojstupňového systému na rozpoznávanie výstrelov, monitorujúceho okolie v reálnom čase. V závere sú zhrnuté dosiahnuté výsledky a načrtnutý ďalší postup.
|
|
|
Methods of Web Page Classification
Nachtnebl, Viktor ; Burget, Radek (referee) ; Bartík, Vladimír (advisor)
This work deals with methods of web page classification. It explains the concept of classification and different features of web pages used for their classification. Further it analyses representation of a page and in detail describes classification method that deals with hierarchical category model and is able to dynamically create new categories. In the second half it shows implementation of chosen method and describes the results.
|
|
|
Classification of glioma grading in brain MRI
Olešová, Kristína ; Mézl, Martin (referee) ; Chmelík, Jiří (advisor)
This thesis deals with a classification of glioma grade in high and low aggressive tumours and overall survival prediction based on magnetic resonance imaging. Data used in this work is from BRATS challenge 2019 and each set contains information from 4 weighting sequences of MRI. Thesis is implemented in PYTHON programming language and Jupyter Notebooks environment. Software PyRadiomics is used for calculation of image features. Goal of this work is to determine best tumour region and weighting sequence for calculation of image features and consequently select set of features that are the best ones for classification of tumour grade and survival prediction. Part of thesis is dedicated to survival prediction using set of statistical tests, specifically Cox regression
|
|
|
Analysis of phonation in patients with Parkinson's disease
Kopřiva, Tomáš ; Smékal, Zdeněk (referee) ; Mekyska, Jiří (advisor)
This work deals with analysis of phonation in patients with Parkinson’s disease (PD). Approximately 90% of patients with Parkinson’s disease suffer from speech motor dysfunction called hypokinetic dysarthria. System for Parkinson’s disease analysis from speech signals is proposed and several types of features are examined. Czech Parkinson’s speech database called PARCZ is used for classification. This dataset consists of 84 PD patients and 49 healthy controls. Results are evaluated in two ways. Firstly, features are individually analysed by Spearman correlation, mutual information and Mann-Whitney U test. Classification is based on random forests along with leave-one-out validation. Secondly, SFFS algorithm is employed for feature selection in order to get the best classification result. Proposed system is tested for each gender individually and both genders together as well. Best result for both genders together is expressed by accuracy 89,47 %, sensitivity 91,67% and specificity 85,71 %. Results of this work showed that the most important vowel realizations for phonation analysis are sustained vowels pronounced with maximum or minimum intensity (not whispering).
|
|
|
Recognition of emotions in Czech texts
Červenec, Radek ; Smékal, Zdeněk (referee) ; Burget, Radim (advisor)
With advances in information and communication technologies over the past few years, the amount of information stored in the form of electronic text documents has been rapidly growing. Since the human abilities to effectively process and analyze large amounts of information are limited, there is an increasing demand for tools enabling to automatically analyze these documents and benefit from their emotional content. These kinds of systems have extensive applications. The purpose of this work is to design and implement a system for identifying expression of emotions in Czech texts. The proposed system is based mainly on machine learning methods and therefore design and creation of a training set is described as well. The training set is eventually utilized to create a model of classifier using the SVM. For the purpose of improving classification results, additional components were integrated into the system, such as lexical database, lemmatizer or derived keyword dictionary. The thesis also presents results of text documents classification into defined emotion classes and evaluates various approaches to categorization.
|
guest ::
