Skip to ContentSkip to Navigation
Over onsNieuws en agendaNieuwsberichten

Adaptive dissimilarity measures, dimension reduction and visualization

16 december 2011

Promotie: mw. K. Bunte, 12.45 uur, Aula Academiegebouw, Broerstraat 5, Groningen

Proefschrift: Adaptive dissimilarity measures, dimension reduction and visualization

Promotor(s): prof.dr. M. Biehl, prof.dr. N. Petkov

Faculteit: Wiskunde en Natuurwetenschappen

Nieuwe technieken voor beeldherkenning

In haar proefschrift presenteert Kerstin Bunte enkele uitbreidingen van het Learning Vector Quantization (LVQ) algoritme. Het algoritme kan gebruikt worden in een grote verscheidenheid aan applicaties, bijvoorbeeld in software voor medisch beeldherkenning. Met deze methode won de onderzoeksgroep kort geleden de DREAM6/FlowCAP Challenge voor ‘Molecular Classification of Acute Myeloid Leukaemia’.

In het eerste deel worden applicaties besproken van Content Based Image Retrieval (CBIR) op dermatologische afbeeldingen, supervised dimension reduction en advanced texture learning bij beeldanalyse.

Het gedetailleerde onderzoek naar dimensionality reduction komt uitgebreid aan bod in de tweede helft van het proefschrift. We stellen een algemeen framework voor, dat de aanpassing van verschillende methoden voor dimension reduction voor explicit mappings vergemakkelijkt. Hiermee wordt naast rechtstreekse out-of-sample extensies ook het theoretische onderzoek naar de generalisatie-eigenschappen van dimension reduction mogelijk. Dit concept wordt geïllustreerd op verschillende unsupervised en supervised examples.

Verder wordt een nieuwe techniek voor efficiënt unsupervised non-linear dimension reduction voorgesteld die de concepten van fast online learning en optimalisatie van divergenties combineert. In contrast met de meeste niet-lineaire technieken, waarvan de computationele inspanningen kwadratisch toenemen met het aantal punten, heeft de voorgestelde methode lineaire complexiteit. Tot slot worden drie op divergentie gebaseerde algoritmes gegeneraliseerd en onderzocht op het gebruik van willekeurige divergenties.

Kerstin Bunte (Duitsland, 1981) studeerde informatica aan de universiteit van Bielefeld. Het onderzoek werd uitgevoerd aan het Johann Bernoulli Institute for Mathematics and Computer Sciences van de RUG en gefinancierd door NWO. Bunte gaat door in de wetenschap op het Cognitive Interaction Technology centrum van de universiteit van Bielefeld.

Laatst gewijzigd:15 september 2017 15:41
printOok beschikbaar in het: English

Meer nieuws