Genetic feature subset selection for classification of eye-cup region in fundus eye images

• Autorzy: Stąpor K. , Mazurkiewicz M. , Rzendkowski M.

Warianty tytułu

PL

Selekcja cech z wykorzystaniem algorytmu genetycznego do klasyfikacji wnęki naczyniowej na cyfrowych obrazach dna oka.

• Języki publikacji: EN

Abstrakty

EN

The analysis of possibilities of applying methods, which arę implemented in virtual shared memory based on Linda model in JavaSpaces system, arę presented in this paper. These methods arę concerned with the way of distributed database management specially distribution transaction processing. The possibilities of using JavaSpaces system in asynchronous replicated data update arę also considered.

PL

W opracowaniu przedstawiona została analiza możliwości wykorzystania metod zaimplementowanych w środowisku wirtualnie współdzielonej pamięci opartej na modelu Lindy w systemie JavaSpaces. Metody te dotyczą sposobu zarządzania rozproszoną bazą danych, a w szczególności realizacją rozproszonych transakcji. Rozważono możliwość wykorzystania systemu JavaSpaces do asynchronicznego uaktualniania kopii danych.

Słowa kluczowe

EN

feature selection; genetic algorithms; classifier; glaucoma

PL

selekcja cech; algorytmy genetyczne; klasyfikator; jaskra

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2003
• Tom: Vol. 24, nr 4
• Strony: 331--344
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Stąpor K.

• Politechnika Śląska, Instytut Informatyki, ul. Akademicka 16, 44-101 Gliwice, Polska

autor

Mazurkiewicz M.

• Politechnika Śląska, Instytut Informatyki, ul. Akademicka 16, 44-101 Gliwice, Polska

autor

Rzendkowski M.

• Szpital Wielospecjalistyczny, Oddział Okulistyczny, ul. Kościuszki, 44-100 Gliwice

Bibliografia

• 1. Arabas J.: Lectures on genetic algorithm (in Polish). WNT, Warsaw , 2001.
• 2. Devijer P. A., K ittler J.: Pattern recognition: a statistical approach. Prentice-Hall, 1982.
• 3. Goldberg D.: Genetic algorithms in search optimization and machine learning. Addison-Wesley 1989.
• 4. G onzalez R. C., Woods R.E.: Digital Image Processing. Prentice-Hall, 2002
• 5. Jain A., Zongker D.: Feature selection: evaluation, application and small sample performance. IEEE Trans. Pattern Analysis Machine Intelligence, v.19, Nr 2, pp. 153-158, 1997.
• 6. Kański J. et al.: Glaucoma. A color manual of diagnosis and treatment. Butterworth-Heinemann, 1996.
• 7. Roth G., Levine M.: Geometric primitive extraction using a genetic algorithm. IEEE Trans. Pattern Analysis Machine Intelligence, v. 16, nr 10, pp. 901-905, 1994.
• 8. Siedlecki W ., Sklansky J.: On automatic feature selection. Int. J. Pattern Recognition Artificial Intelligence, v.2, nr 2, pp 197-220, 1988.
• 9. Siedlecki W., Sklansky J.: A note on genetic algorithm s for large-scale feature selection. Pattern Recognition Letters, V. 10, Nr 1, pp 335-347, 1989.
• 10. Stąpor K., Pawlaczyk L., Rzendkowski M.: Adaptive local thresholding for automatic segmentation of eye-cup in fundus eye images. Studia Infonnatica, 2003, in press.
• 11. Trier O., Jain A ., T axt T.: Feature extraction m ethods for character recognition - a survey. Pattern Recognition, v.29, N r 4, pp. 641-662, 1996.