|
|
Nalezení a rozpoznání dominantních rysů obličeje
Švábek, Hynek ; Láník, Aleš (oponent) ; Chmelař, Petr (vedoucí práce)
Tato práce pojednává o stále více se rozvíjející oblasti biometrických systémů, kterou je rozpoznání obličejů. Dokument se zabývá možnostmi lokalizace tváře na obrazcích a jejich normalizací, která je nutná z důvodu vnějších vlivů i vlivem různých snímacích technik. Jsou zde popsány různé techniky lokalizace dominatních rysů obličeje, kterými jsou např. oči, ústa, nos. V neposlední řadě práce popisuje různé přístupy k rozpoznání obličejů. Dále je zpracován návrh s implementací aplikace pro rozpoznání dominantních rysů obličeje demonstrující zvolené metody pro nalezení dominatních rysů (Houghova transformace pro detekci kružnic, lokalizace úst ze znalosti umístění očí) a identifikaci obličeje (lineární diskriminační analýza, jádrová diskriminační analýza). Poslední část diplomové práce obsahuje shrnutí dosažených výsledků a závěr.
|
|
|
Nástroj pro predikci atributů životního stylu na základě metagenomických dat z tlustého střeva
Kubica, Jan ; Hon, Jiří (oponent) ; Smatana, Stanislav (vedoucí práce)
Tato práce se zabývá analýzou lidského mikrobiomu na základě metagenomických dat z tlustého střeva. Předmětem zkoumání je zastoupení bakterií na různých taxonomických úrovních v závislosti na životním stylu jedince. Byl vytvořen nástroj klasifikující jednotlivé atributy, jako jsou stravovací návyky (vegetarián, vegan, všežravec), citlivost na lepek a laktózu, body mass index nebo věk či pohlaví, s využitím metod strojového učení. Při implementaci byly zvoleny metody k nejbližších sousedů (kNN), náhodný les (RF) a metoda podpůrných vektorů (SVM). Data pro natrénování klasifikátoru a vyhodnocení byla čerpána z projektu American Gut. Práce se rovněž zaobírá problémy spojenými s danými datovými sadami, jako je mnoharozměrnost, řídkost, jejich kompoziční závislost a nevyváženost.
|
|
|
Person Identification and Verification Using EEG
Žitný, Roland ; Orság, Filip (oponent) ; Tinka, Jan (vedoucí práce)
The aim of this work was to create a brain-computer interface that reliably identifies and verifies a person using his electroencephalographic signals. Creating a user profile and verifying it is based on processing reactions to his own face, and the face of strangers or acquaintances. Algorithms such as bandpass and noise removal using wavelet transformation are user to filter signals. The classification of reactions is performed using a convolutional neural network or linear discriminant analysis. The average accuracy of the linear discriminant analysis is 66.2 % and of the convolutional neural network is 58.7 %. The maximum achieved accuracy was with linear discriminant analysis and at 93.7 %.
|
|
|
Identifikace obličeje
Macenauer, Oto ; Drozd, Michal (oponent) ; Chmelař, Petr (vedoucí práce)
Tato práce uvádí čtenáře do problematiky rozpoznání obličeje. Jsou zde zmíněny a rozřazeny různé metody sloužící k identifikaci obličeje. Hlavní důraz práce je kladen na problémy současných řešení problému rozpoznání obličeje a následně je vyvinuta snaha tyto problémy vyřešit. Vyřešení těchto nedostatků technologie je nutností pro masivní rozšíření implementací identifikace obličeje. Dále se práce zaměřuje na implementaci zvolených metod, což jsou lineární diskriminační analýza a analýza hlavních komponent. Tyto metody jsou vzájemně porovnány a výsledky jsou poskytnuty v závěru práce.
|
|
|
Rozpoznání hudebního slohu z orchestrální nahrávky za pomoci technik Music Information Retrieval
Jelínková, Jana ; Zvončák, Vojtěch (oponent) ; Kiska, Tomáš (vedoucí práce)
Pojem klasická hudba obsahuje, stejně jako žánry populární hudby, mnoho žánrových variant. Cílem práce je pomocí strojového učení rozlišit tyto žánrové varianty z orchestrálních nahrávek. Tato práce se zaměřuje na skladby z období od konce 16. století do začátku 20. století, jedná se tedy o baroko, klasicismus a romantismus. K identifikaci těchto tří hudebních slohů je využita metoda Music Information Retrieval, která spočívá v získávání parametrů z nahrávek a jejich evaluaci. Evaluované parametry jsou využity jako vstupní data pro klasifikátory. Klasifikace probíhá pomocí metod strojového učení, konkrétně se jedná o algoritmy kNN (K-Nearest Neighbor, v češtině k-nejbližší soused), LDA (Linear Discriminant Analysis, lineárně diskriminační analýza), GMM (Gaussian Mixture Models, Gaussovy smíšené modely) a SVM (Support Vector Machines, podpůrné vektory). V závěru práce je shrnuta dosažená úspěšnost jednotlivých klasifikačních algoritmů. Výsledky ukázaly, že značná odlišnost barokního slohu od zbylých dvou slohů, umožňuje jeho velmi přesnou klasifikaci. Naproti tomu klasicismus vykazuje velkou podobnost s romantismem a jeho identifikace proto dosahuje nižší úspěšnosti. Toto zjištění je ve shodě s předpokladem, který vychází z hudebně-teoretické charakteristiky slohů, která je popsána v první kapitole této práce.
|
|
|
Molecular Signature as Optima of Multi-Objective Function with Applications to Prediction in Oncogenomics
Aligerová, Zuzana ; Maděránková, Denisa (oponent) ; Provazník, Ivo (vedoucí práce)
Content of this work is theoretical introduction and follow-up practical processing of topic Molecular signature as optima of multi-objective function with applications to prediction in oncogenomics. Opening chapters are targeted on topic of cancer, mainly on breast cancer and its subtype Triple Negative Breast Cancer. Succeeds the literature review of optimization methods, mainly on meta-heuristic methods for multi-objective optimization and problematic of machine learning. Part is focused on the oncogenomics and on the principal of microarray and also to statistics methods with emphasis on the calculation of p-value and Bimodality Index. Practical part of work consists from concrete research and conclusions lead to next steps of research. Implementation of selected methods was realised in Matlab and R, with use of other programming languages Java and Python.
|
|
|
Person Identification and Verification Using EEG
Žitný, Roland ; Orság, Filip (oponent) ; Tinka, Jan (vedoucí práce)
The aim of this work was to create a brain-computer interface that reliably identifies and verifies a person using his electroencephalographic signals. Creating a user profile and verifying it is based on processing reactions to his own face, and the face of strangers or acquaintances. Algorithms such as bandpass and noise removal using wavelet transformation are user to filter signals. The classification of reactions is performed using a convolutional neural network or linear discriminant analysis. The average accuracy of the linear discriminant analysis is 66.2 % and of the convolutional neural network is 58.7 %. The maximum achieved accuracy was with linear discriminant analysis and at 93.7 %.
|
|
|
Rozpoznání hudebního slohu z orchestrální nahrávky za pomoci technik Music Information Retrieval
Jelínková, Jana ; Zvončák, Vojtěch (oponent) ; Kiska, Tomáš (vedoucí práce)
Pojem klasická hudba obsahuje, stejně jako žánry populární hudby, mnoho žánrových variant. Cílem práce je pomocí strojového učení rozlišit tyto žánrové varianty z orchestrálních nahrávek. Tato práce se zaměřuje na skladby z období od konce 16. století do začátku 20. století, jedná se tedy o baroko, klasicismus a romantismus. K identifikaci těchto tří hudebních slohů je využita metoda Music Information Retrieval, která spočívá v získávání parametrů z nahrávek a jejich evaluaci. Evaluované parametry jsou využity jako vstupní data pro klasifikátory. Klasifikace probíhá pomocí metod strojového učení, konkrétně se jedná o algoritmy kNN (K-Nearest Neighbor, v češtině k-nejbližší soused), LDA (Linear Discriminant Analysis, lineárně diskriminační analýza), GMM (Gaussian Mixture Models, Gaussovy smíšené modely) a SVM (Support Vector Machines, podpůrné vektory). V závěru práce je shrnuta dosažená úspěšnost jednotlivých klasifikačních algoritmů. Výsledky ukázaly, že značná odlišnost barokního slohu od zbylých dvou slohů, umožňuje jeho velmi přesnou klasifikaci. Naproti tomu klasicismus vykazuje velkou podobnost s romantismem a jeho identifikace proto dosahuje nižší úspěšnosti. Toto zjištění je ve shodě s předpokladem, který vychází z hudebně-teoretické charakteristiky slohů, která je popsána v první kapitole této práce.
|
|
|
Nástroj pro predikci atributů životního stylu na základě metagenomických dat z tlustého střeva
Kubica, Jan ; Hon, Jiří (oponent) ; Smatana, Stanislav (vedoucí práce)
Tato práce se zabývá analýzou lidského mikrobiomu na základě metagenomických dat z tlustého střeva. Předmětem zkoumání je zastoupení bakterií na různých taxonomických úrovních v závislosti na životním stylu jedince. Byl vytvořen nástroj klasifikující jednotlivé atributy, jako jsou stravovací návyky (vegetarián, vegan, všežravec), citlivost na lepek a laktózu, body mass index nebo věk či pohlaví, s využitím metod strojového učení. Při implementaci byly zvoleny metody k nejbližších sousedů (kNN), náhodný les (RF) a metoda podpůrných vektorů (SVM). Data pro natrénování klasifikátoru a vyhodnocení byla čerpána z projektu American Gut. Práce se rovněž zaobírá problémy spojenými s danými datovými sadami, jako je mnoharozměrnost, řídkost, jejich kompoziční závislost a nevyváženost.
|
|
|
Identifikace obličeje
Macenauer, Oto ; Drozd, Michal (oponent) ; Chmelař, Petr (vedoucí práce)
Tato práce uvádí čtenáře do problematiky rozpoznání obličeje. Jsou zde zmíněny a rozřazeny různé metody sloužící k identifikaci obličeje. Hlavní důraz práce je kladen na problémy současných řešení problému rozpoznání obličeje a následně je vyvinuta snaha tyto problémy vyřešit. Vyřešení těchto nedostatků technologie je nutností pro masivní rozšíření implementací identifikace obličeje. Dále se práce zaměřuje na implementaci zvolených metod, což jsou lineární diskriminační analýza a analýza hlavních komponent. Tyto metody jsou vzájemně porovnány a výsledky jsou poskytnuty v závěru práce.
|
host ::
RSS.