Wyniki wyszukiwania - BazTech

1

An initialization-free clustering technique based on symmetry

Pal P., Chanda B.

Image Processing & Communications

|

2007

|

Vol. 12, no 2

17-25

EN

In this paper we propose a clustering technique that extracts sub-clusters based on a simple measure of isotropic symmetry. These sub-clusters are then used as building blocks to form final clusters of any arbitrary shape including concave ones through merging iteratively. The proposed method is tested on multi-spectral satellite imagery and a good result is obtained. Major advantages of this method are its simplicity and being free from initial guess about the cluster centres, shapes and the number of clusters. However, this algorithm is more suitable for mul-tivariate images even with very high spectral resolution.

2

Wybrane techniki klasteryzacyjne w przestrzeni barw

Palus H.

Zeszyty Naukowe. Automatyka / Politechnika Śląska

|

2006

|

z. 145

163-170

PL

W pracy są rozpatrywane 3 techniki klasteryzacyjne: klasyczna k-means oraz dwie nowe (optimal-cut, max quantization error). Ich porównanie przeprowadzono na 5 obrazach scen naturalnych przy klasteryzacji na 12 i 6 klasterów i zastosowaniu 2 kryteriów: błędu kwantyzacji barwy oraz oceny jakości segmentacji obrazu. Badania potwierdziły efektywność techniki optymalnego cięcia (OpC).

EN

In this paper are investigated three following clustering techniques: the classical k-means and two new techniques: the optimal-cut (OpC) and the max quantization error (MQE). The comparison presented here is based on testing of five natural color images for clustering into 12 and 6 clusters. In evaluation process two criteria were used: the colour quantization error and the image segmentation quality measure. During tests the effectivity of OpC technique has been proved.

3

Ocena skokowych zmian procesu losowego z wykorzystaniem algorytmu Expectation-Maximization (EM) na przykładzie zmiennych w czasie profili ekspresji genów bakterii deinococcus radiodurans

Łuszczkiewicz M., Polański A.

Zeszyty Naukowe. Automatyka / Politechnika Śląska

|

2006

|

z. 145

125-137

PL

Bardzo często w naukach biomedycznych przeprowadzane eksperymenty polegają na obserwacji zjawisk przy jednoczesnym mierzeniu odpowiedzi systemu w pewnym horyzoncie czasowym. Istnieje tylko kilka metod analizy zmiennych w czasie profili genów. W artykule zaproponowano metodę grupowania genów w poszczególnych chwilach czasu, których poziom ekspresji może być indukowany tym samym/tymi samymi sygnałami, co w efekcie powoduje, iż geny te wykazują podobny poziom ekspresji. W celu budowy modelu wykorzystano złożenia rozkładów normalnych Gaussa (Gaussian Mixture Models) wraz z algorytmem Expectation-Maximization (Dempster, Liard, Rubin 1977, Bilmes 1998). W przeciwieństwie do wielu innych metod, których wyniki silnie zależą od zastosowanych miar i parametrów, zaproponowany model nie posiada żadnych predefiniowalnych parametrów, tak wiec wyniki można uznać za wiarygodniejsze. Z uwagi na swoją konstrukcję może on zostać łatwo zaadaptowany do badania danych o innej strukturze.

EN

Observation of a biological phenomenon over a certain period of time simultaneously measuring object responses is a common practice in biomedical research. On the other hand there are only several methods of time-course data analysis. We propose method of grouping genes which expression's levels were measured in several time points, assuming that grouped gene's expression levels are induced by the same factor/factors. Due to built a model, we used Gaussian Mixture Model combined with Expectation-Maximization algorithm. In opposition to many other methods which results are strongly correlated to choice of parameters and methods, proposed approach's results are more stable due to lack of predefined parameters. Moreover, our model can be easily adapted to different experiment structure (several patients with same disease but treated with different drugs).