|
|
Optimalizace pro registraci obrazů založená na genetických algoritmech
Horáková, Pavla ; Mézl, Martin (oponent) ; Harabiš, Vratislav (vedoucí práce)
Diplomová práce se zabývá globálními optimalizačními metodami a jejich využitím při registraci medicínských obrazů. Hlavní cíl spočívá ve vytvoření genetického algoritmu a testování jeho funkčnosti na syntetických datech. Kromě testovacích funkcí a obrazců byl algoritmus podroben i skutečným medicínským snímkům. K tomuto účelu se vytvořilo grafické uživatelské prostředí s volbou parametrů podle aktuální potřeby. Přidáním iterační gradientní metody se algoritmus stal hybridním genetickým algoritmem.
|
|
|
Fuzzy Preference Structures in Multicriterial Decision Making
Majer, Tomáš ; Stryka, Lukáš (oponent) ; Hliněná, Dana (vedoucí práce)
In many decision problems a set of actions is evaluated with respect to a set of viewpoints, called criteria. For example, in evaluating a car one can consider criteria such as maximum speed, price, acceleration, fuel consumption. In general, evaluations with respect to different criteria can be discordant with respect to preferences. One of the simplest aggregation procedures is the weighted sum of the evaluations with respect to considered criteria. We apply the results of the solution of a multicriterial optimization problem. There is used a comparison of the criterion fuzzy preference relations and the general fuzzy preference relation based on ordinary set operations. We illustrate our approach on practical example.
|
|
|
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.
|
|
|
Míry podobnosti pro nominální data v hierarchickém shlukování
Šulc, Zdeněk ; Řezanková, Hana (vedoucí práce) ; Šimůnek, Milan (oponent) ; Žambochová, Marta (oponent)
Tato disertační práce se zabývá mírami podobnosti pro nominální data v hierarchickém shlukování, které umožňují zacházet s proměnnými s více než dvěma kategoriemi a které si kladou za cíl nahradit postupy založené na koeficientu prosté shody, které se v této oblasti běžně používají. Tyto míry podobnosti uvažují dodatečné informace ohledně datového souboru, jako je rozdělení četností kategorií u dané proměnné nebo počet jejích kategorií. Tato práce se věnuje třem hlavním cílům. Prvním cílem je prozkoumání a ohodnocení kvality shlukování vybraných měr podobnosti pro hierarchické shlukování objektů a proměnných. K dosažení tohoto cíle bylo provedeno několik experimentů, které se zabývají jak shlukováním objektů, tak proměnných. Tyto experimenty zkoumají kvalitu shluků vytvořených za pomocí zkoumaných měr podobnosti pro nominální data ve srovnání běžně používanými mírami podobnostmi využívajícími binární transformaci a dále s několika alternativními metodami pro shlukování nominálních dat. Toto porovnání je provedeno na reálných i generovaných souborech. Výstupy těchto experimentů vedou ke zjištění, které míry podobnosti jsou vhodné k obecnému použití, které podávají dobré výsledky v konktrétních situacích a které nejsou doporučeny pro shlukování objektů nebo proměnných. Druhým cílem práce je navržení míry podobnosti vycházející z teoretických předpokladů a její následné porovnání s ostatními zkoumanými mírami podobnosti. Na základě tohoto cíle byly představeny dvě nové míry podobnosti, Variable Entropy a Variable Mutability. Obzvláště prvně zmíněná míra podává velmi dobré výsledky u souborů s nižším počtem proměnných. Třetím cílem této práce je poskytnout komfortní sofwarové řešení založené na zkoumaných mírách podobnosti pro nominální data, které pokrývá celý proces shlukování od výpočtu matice vzdálenosti po hodnocení výsledných shluků. Tento cíl byl dosažen vytvořením balíčku nomclust pro program R, který řeší tuto problematiku a který je volně dostupný.
|
|
|
Fuzzy Preference Structures in Multicriterial Decision Making
Majer, Tomáš ; Stryka, Lukáš (oponent) ; Hliněná, Dana (vedoucí práce)
In many decision problems a set of actions is evaluated with respect to a set of viewpoints, called criteria. For example, in evaluating a car one can consider criteria such as maximum speed, price, acceleration, fuel consumption. In general, evaluations with respect to different criteria can be discordant with respect to preferences. One of the simplest aggregation procedures is the weighted sum of the evaluations with respect to considered criteria. We apply the results of the solution of a multicriterial optimization problem. There is used a comparison of the criterion fuzzy preference relations and the general fuzzy preference relation based on ordinary set operations. We illustrate our approach on practical example.
|
|
|
Optimalizace pro registraci obrazů založená na genetických algoritmech
Horáková, Pavla ; Mézl, Martin (oponent) ; Harabiš, Vratislav (vedoucí práce)
Diplomová práce se zabývá globálními optimalizačními metodami a jejich využitím při registraci medicínských obrazů. Hlavní cíl spočívá ve vytvoření genetického algoritmu a testování jeho funkčnosti na syntetických datech. Kromě testovacích funkcí a obrazců byl algoritmus podroben i skutečným medicínským snímkům. K tomuto účelu se vytvořilo grafické uživatelské prostředí s volbou parametrů podle aktuální potřeby. Přidáním iterační gradientní metody se algoritmus stal hybridním genetickým algoritmem.
|
|
| |
|
| |
host ::
RSS.