Hierarchikus multi-class képklasszifikáció

OData támogatás
Konzulens:
Dr. Katona Gyula
Számítástudományi és Információelméleti Tanszék

Dolgozatom keretében az adatbányászati problémák közül választottam témát, ezen belül pedig a multi-class learning-re esett a választásom, melyet részletesen is ismertetek a következő bekezdésben. Miután bemutattam a problémát, pár szóban ismertetek három kapcsolódó közelmúltbeli eredményt, illetve kitérek néhány adatbányászati fogalomra és algoritmusra is.

A munka során két különböző adathalmazt használtam. Az elsőben ezer darab kép alacsony szintű szürkeárnyalatos képleírói szerepelnek, ezeken először előfeldolgozást kellett végeznem, a klaszterezés csak ezután következhetett. A második adatbázisban huszonötezer darab kép kilencvennégy címkéhez kapcsolódó viszonya van rögzítve. Itt előfeldolgozás helyett a kategóriák egymáshoz való viszonyának a felderítése volt az első lépés. A dolgozatban először az első adatbázissal kapcsolatos munkámat és eredményeimet mutatom be, aztán rátérek a második adatbázis vizsgálata során végzett munkámra. Az első adatbázison végzett munka során LIBSVM-et és Weka-t használtam, míg a második adatbázis esetében egy saját készítésű program segítségével fát építettem a kategóriákból a köztük felderített összefüggések alapján, később pedig az ezen a fában leírt kapcsolatok alapján végeztem el a tesztképek besorolását.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.