Objavljeno: 21.06.2018. 21:34

Znanstvenici ZEL-a razvili novu metodu grupiranja podataka generiranih iz nelinearnih potprostora

Grupiranje podataka, tj. traženje uzoraka, jedan je od temeljnih problema u računalnim znanostima čija rješenja nude praktične koristi u, primjerice, suvremenoj medicini gdje se različitim dijagnostičkim postupcima prikupljaju vrlo heterogeni skupovi podataka koje je potrebno grupirati (segmentirati)

Znanstvenici Laboratorija za reprezentacije znanja i strojno učenje Zavoda za elektroniku Instituta Ruđer Bošković dr. sc. Dijana Tolić i dr. sc. Ivica Kopriva, te dr. sc. Nino Antulov – Fantulin s ETH-a u Zurichu, razvili su nove metode grupiranja podataka generiranih iz nelinearnih potprostora, a rezultati njihovog istraživanja objavljeni su u znanstvenom časopisu Pattern Recognition, jednom od vodećih časopisa u području računalnih znanosti i umjetne inteligencije, s faktorom utjecaja 4.582.

Znanstvenici ZEL-a razvili novu metodu grupiranja podataka generiranih iz nelinearnih potprostora

„Praktičnu korist naše metode najbolje ilustriraju primjeri segmentacija organa iz medicinske slike (PET, CT, MR) ili tkiva iz slike histopatoloških preparata. Originalan znanstveni doprinos razvijenih metoda je u formulaciji problema grupiranja podataka kao problema nelinearne faktorizacije nenegativne matrice (FNM) s ograničenjem ortogonalnosti na matricu reprezentacije.

Time rješenje FNM problema predstavlja i rješenje problema segmentacije podataka. Nelinearna FNM implicira da je problem faktorizacije formuliran u Hilbertovom prostoru induciranom reprodukcijskom jezgrom čime je omogućeno grupiranje podataka koji pripadaju nelinearnim prostorima.“, izjavio je dr. sc. Ivica Kopriva iz Laboratorija za reprezentacije znanja i strojno učenje Instituta Ruđer Bošković.

Jedna od razvijenih metoda je dodatno regularizirana graf matricom procijenjenom iz podataka čime se u obzir uzima lokalna geometrija prostora podataka. Navedene osobine omogućavaju segmentaciju podataka prikupljenih u složenim eksperimentalnim uvjetima poput niskog intenziteta svjetla ili slabog kontrasta.

Za sve razvijene metode je teorijski dokazana konvergencija u stacionarnu točku, a postupak je ilustriran na primjeru grupiranja/pridruživanja lica snimljenih iz različitih projekcija odgovarajućim osobama.

Ova stranica koristi kolačiće

Neki od tih kolačića nužni su za ispravno funkcioniranje stranice, dok se drugi koriste za praćenje korištenja stranice radi poboljšanja korisničkog iskustva.

Za više informacija pogledajte naše uvjete korištenja.

  • Kolačići koji su nužni za ispravno funkcioniranje stranice. Moguće ih je onemogućiti u postavkama preglednika.