Wyniki wyszukiwania - BazTech

1

Bayesian HCS-based multi-SVNN: A classification approach for brain tumor segmentation and classification using Bayesian fuzzy clustering

Raju A. R., Suresh P., Rao R. R.

Biocybernetics and Biomedical Engineering

|

2018

|

Vol. 38, no. 3

646--660

EN

Brain tumor segmentation and classification is the interesting area for differentiating the tumerous and the non-tumerous cells in the brain and to classify the tumerous cells for identifying its level. The conventional methods lack the automatic classification and they consumed huge time and are ineffective in decision-making. To overcome the challenges faced by the conventional methods, this paper proposes the automatic method of classification using the Harmony-Crow Search (HCS) Optimization algorithm to train the multi-SVNN classifier. The brain tumor segmentation is performed using the Bayesian fuzzy clustering approach, whereas the tumor classification is done using the proposed HCS Optimization algorithm-based multi-SVNN classifier. The proposed method of classification determines the level of the brain tumor using the features of the segments generated based on Bayesian fuzzy clustering. The robust features are obtained using the information theoretic measures, scattering transform, and wavelet transform. The experimentation performed using the BRATS database conveys proves the effectiveness of the proposed method and the proposed HCS-based tumor segmentation and classification achieves the classification accuracy of 0.93 and outperforms the existing segmentation methods.

2

Rozmyta klasteryzacja surowych trójwymiarowych danych tomograficznych dla potrzeb rozpoznawania przepływów dwufazowych

Fiderek P., Jaworski T., Wajman R., Kucharski J.

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2015

|

nr 4

12--16

PL

Artykuł zawiera opis wykorzystania klasteryzacji rozmytej dla potrzeb rozpoznawania rodzajów przepływów dwufazowych typu gaz-ciecz. Autorzy przedstawili szczegółowy opis procesu pozyskiwania trójwymiarowych danych tomograficznych, tak zwanych surowych danych tomograficznych, nowych metod gromadzenia, interpretacji oraz statystycznego przetwarzania tego typu danych. Dodatkowo w artykule znajduje się opis podstawowych zagadnień z zakresu logiki rozmytej i klasteryzacji rozmytej takich jak wyznaczanie wektora cech znaczących czy zasady działania klasyfikatora rozmytego (FCM) w odniesieniu do specyficznego rodzaju danych wykorzystanych podczas badań. Uzasadniając wybór klasteryzacji rozmytej autorzy zaprezentowali wyniki przeprowadzanych eksperymentów, które potwierdziły, że algorytmy rozmyte bardzo dobrze nadają się do badań nad zjawiskami o bardzo dynamicznym charakterze, jakimi bez wątpienia są przepływy dwufazowe typu gaz-ciecz.

EN

The paper contains a description of the fuzzy clustering method usage for the recognition of two-phase gas-liquid flows. The authors present a detailed description of the obtaining process of three dimensional tomographic data, the so-called raw tomographic data, and new methods of the data collection, interpretation and statistical processing. In addition, the article includes a description of the key issues in the field of fuzzy logic and fuzzy clustering such as the determination of the primary features vector or the fuzzy classifier (FCM) principle of use with a specific type of data used in the study. Justifying the choice of fuzzy clustering authors presented the results of experiments carried out, which confirmed that the fuzzy algorithms are very good matched to the study of phenomena of a very dynamic nature, which, definitely, are the two-phase gas-liquid flows.

3

Analiza modelu krótkoterminowego prognozowania obciążeń systemów elektroenergetycznych opartego na klasteryzacji rozmytej

Dudek G.

Badania Operacyjne i Decyzje

|

2007

|

nr 2

15-34

PL

Zaprezentowano model krótkoterminowego prognozowania obciążeń systemów elektroenergetycznych oparty na rozmytej klasteryzacji, który można zaliczyć do klasy modeli opartych na podobieństwie. Modele te bazują na założeniu, że jeśli obrazy sekwencji szeregów czasowych są do siebie podobne, to skojarzone z nimi obrazy prognoz również są do siebie podobne. Oznacza to, że obrazy sąsiednich sekwencji pozostają ze sobą w pewnej relacji, która nie zmienia się znacząco w czasie. Zależnie od charakteru szeregu czasowego i jego właściwości, relację tę, jak i stopień podobieństwa, można kształtować za pomocą definicji obrazów, funkcji przynależności, defuzyfikacji i miary odległości pomiędzy obrazami. Do budowy modeli prognostycznych wykorzystano cztery rodzaje funkcji przynależności optymalizując ich parametry. Zbadano empirycznie działanie modelu przy różnych miarach odległości pomiędzy obrazami. Zbadano wrażliwość modelu na szerokość funkcji przynależności. Analizowano odporność modelu na zaszumione i brakujące dane oraz działanie przy różnych definicjach zbiorów referencyjnych. Badania pozwoliły sformułować kilka wniosków na temat jakości i odporności modelu.

EN

A model of the short-term power system load forecasting based on fuzzy clustering is presented. It can be classified as similarity-based models relying on the assumption that if patterns of the time series sequences are similar, then the forecast patterns associated with them are also similar. This means that the patterns of the neighboring sequences are in some relation to each other which does not change significantly with time. Depending on the character and properties of the time series, this relation as well as similarity degree can be shaped with the help of definitions of patterns, membership and defuzzification functions, and the distance measure between patterns. Four types of the membership functions with optimized parameters were used in the model construction. The model performance with the various distance measures between patterns was empirically examined. The model sensitivity to the membership function width was analyzed. The model resistance to the noisy and missing data and the model performance with the various definitions of the reference sets were analyzed. The tests allow to formulate some conclusions on the model quality and resistance.

4

Krótkoterminowe prognozowanie zapotrzebowania na moc elektryczną metodą klasteryzacji rozmytej

Dudek G.

Przegląd Elektrotechniczny

|

2006

|

R. 82, nr 9

26-28

PL

Przedstawiono metodę prognozy przebiegów dobowych zapotrzebowania na moc elektryczną wykorzystującą klasteryzację rozmytą. Metoda polega na uformowaniu klastera wokół wektora profilu wejściowego, reprezentującego charakterystykę obciążeń godzinowych poprzedzających moment prognozy. Profile prognoz skojarzone z profilami tworzącymi klaster formują prognozę, w stopniu zależnym od przynależności do klastera. Model zweryfikowano na przykładach prognoz obciążenia i cen energii na rynku bilansującym.

EN

A method of the daily electrical load profiles forecasting using fuzzy clustering is presented. This method creates a cluster around the input profile vector, which represents an hourly load profile preceding a forecast moment. Forecast profiles, associated with profiles creating a cluster, form the forecast in the degree dependent on the membership to the cluster. The model was verified on the several examples of the forecast - load and energy prices on the balance market.

5

Automatic segmentation of fundus eye images using fuzzy clustering supporting glaucoma diagnosing

Stąpor K., Brueckner A.

Studia Informatica

|

2004

|

Vol. 25, nr 3

61-70

EN

In this paper the new method for automatic segmentation of cup region from fundus eye images taken from classical fundus camera. The proposed method which is based on fuzzy clustering algorithm is a first step in automatic classification of fundus eye images into normal and glaucomatous ones.

PL

W artykule przedstawiono nową metodę automatycznej segmentacji wnęki naczyniowej na cyfrowych obrazach dna oka. Metoda wykorzystuje klasteryzację rozmytą i stanowi pierwszy etap w systemie automatycznej klasyfikacji obrazów dna oka na jaskrowe i normalne.