Tilastollisia luokittelumenetelmiä koneelliseen tunnistamiseen : sovellus pohjaeläinaineistoon

DSpace/Manakin Repository

Show simple item record

dc.contributor.author Ärje, Johanna
dc.date.accessioned 2010-06-10T09:13:19Z
dc.date.available 2010-06-10T09:13:19Z
dc.date.issued 2010
dc.identifier.uri http://urn.fi/URN:NBN:fi:jyu-201006102027 en
dc.identifier.uri http://hdl.handle.net/123456789/24379
dc.description.abstract Pohjaeläimiä käytetään biologisessa seurannassa, jolla tutkitaan ihmistoiminnan vaikutuksia vesistöjen ympäristön tilaan. Perinteisesti pohjaeläimet tunnistetaan manuaalisesti. Tässä työssä tarkastellaan, miten pohjaeläimiä tunnistetaan koneellisesti käyttäen luokittelumenetelmiä, jotka ovat tuottaneet hyviä tuloksia planktoneilla. Pohjaeläinten tapauksessa on tärkeää saavuttaa mahdollisimman tarkat estimaatit lajien suhteellisille osuuksille. Tätä varten tarkastellaan sekaannusmatriisikorjauksena tunnettua menetelmää lajiosuuksien estimaateille. Pohjaeläimet ovat vesistöjen pohjassa eläviä selkärangattomia eläimiä, jotka reagoivat nopeasti ympäristön muutoksiin. Niiden runsaussuhteiden muutokset kertovat ympäristön tilan muutoksista. Biologinen seuranta on biologisten laatutekijöiden, kuten pohjaeläinten, havainnointia. Biologisessa seurannassa pohjaeläinten havaituista lukumääristä lasketaan useita indeksejä, joita käytetään vesistöjen vertailussa. Koneellisessa tunnistamisessa tutkittavat kohteet kuvataan tietokoneelle, ja kuvasta segmentoidaan, eli erotellaan, jokainen hahmo muista yksilöistä ja taustasta. Yksilökuvista määritetään yksilön ominaisuuksia kuvaavia piirteitä, joiden avulla hahmot luokitellaan. Tässä työssä keskitytään luokittelumenetelmiin. Aineistoon sovellettavat luokittelumenetelmät ovat Bayes-luokittelija, päätöspuu ja satunnainen metsä. Lisäksi tarkastellaan vähemmän käytettyä satunnaisen metsän sovellusta Bayes-luokittelijaan. Tämän odotetaan parantavan perinteisen Bayes-luokittelijan robustisuutta ja tarkkuutta. Luokkakohtaiset luokitteluvirheet aiheuttavat harhaa luokittelun tuloksena saataviin lajiosuuksien estimaatteihin. Tämän vuoksi työssä sovelletaan sekaannusmatriisikorjauksena tunnettua menetelmää näiden estimaattien korjaamiseksi. Tutkielmassa kaikilla luokittelumenetelmillä saavutetaan erittäin hyviä tuloksia. Bayes-luokittelijan luokitteluvirhe on pienin ja sillä saavutettuja tuloksia esitellään myös käsikirjoituksessa [10]. Erityisesti lajiosuuksien korjaus tuottaa kiinnostavia tuloksia. Bayes-luokittelija toimii jo itsessään hyvin, mutta kaikilla muilla luokittelijoilla sekaannusmatriisikorjauksella saadaan luokittelun tuloksia paremmat estimaatit lajien suhteellisille osuuksille. Etenkin satunnaisen Bayes-metsän korjatuilla estimaateilla saavutetaan kilpailukykyisiä tuloksia Bayes-luokittelijan luokittelun tuloksena saatujen lajiosuuksien estimaattien kanssa.
dc.format.extent 34
dc.language.iso fin
dc.rights This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited. en
dc.rights Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty. fi
dc.subject.other Bayes luokittelija
dc.title Tilastollisia luokittelumenetelmiä koneelliseen tunnistamiseen : sovellus pohjaeläinaineistoon
dc.type Book en
dc.identifier.urn URN:NBN:fi:jyu-201006102027
dc.subject.ysa bayesilainen menetelmä
dc.subject.ysa pohjaeläimistö
dc.subject.ysa tunnistaminen
dc.subject.ysa luokitus
dc.type.dcmitype Text en
dc.type.ontasot Pro gradu fi
dc.type.ontasot Master's thesis en
dc.contributor.tiedekunta Matemaattis-luonnontieteellinen tiedekunta fi
dc.contributor.tiedekunta Faculty of Mathematics and Science en
dc.contributor.laitos Matematiikan ja tilastotieteen laitos fi
dc.contributor.laitos Department of Mathematics and Statistics en
dc.contributor.yliopisto University of Jyväskylä en
dc.contributor.yliopisto Jyväskylän yliopisto fi
dc.contributor.oppiaine Statistics en
dc.contributor.oppiaine tilastotiede fi

This item appears in the following Collection(s)

Show simple item record