Show simple item record

dc.contributor.authorÄrje, Johanna
dc.date.accessioned2010-06-10T09:13:19Z
dc.date.available2010-06-10T09:13:19Z
dc.date.issued2010
dc.identifier.otheroai:jykdok.linneanet.fi:1131080
dc.identifier.urihttps://jyx.jyu.fi/handle/123456789/24379
dc.description.abstractPohjaeläimiä 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.extent69 sivua
dc.language.isofin
dc.rightsThis publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.en
dc.rightsJulkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.fi
dc.subject.otherBayes luokittelija
dc.titleTilastollisia luokittelumenetelmiä koneelliseen tunnistamiseen : sovellus pohjaeläinaineistoon
dc.typeBooken
dc.identifier.urnURN:NBN:fi:jyu-201006102027
dc.type.dcmitypeTexten
dc.type.ontasotPro gradufi
dc.type.ontasotMaster's thesisen
dc.contributor.tiedekuntaMatemaattis-luonnontieteellinen tiedekuntafi
dc.contributor.tiedekuntaFaculty of Sciencesen
dc.contributor.laitosMatematiikan ja tilastotieteen laitosfi
dc.contributor.laitosDepartment of Mathematics and Statisticsen
dc.contributor.yliopistoUniversity of Jyväskyläen
dc.contributor.yliopistoJyväskylän yliopistofi
dc.contributor.oppiaineTilastotiedefi
dc.contributor.oppiaineStatisticsen
dc.rights.accesslevelopenAccessfi
dc.contributor.oppiainekoodi4043
dc.subject.ysobayesilainen menetelmä
dc.subject.ysopohjaeläimistö
dc.subject.ysotunnistaminen
dc.subject.ysoluokitus


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record