gj 2 (t) (2.1.1) d j (u, v) = t=u t=u
|
|
- Ἡρὼ Ταμτάκος
- 5 χρόνια πριν
- Προβολές:
Transcript
1 Τελική Εκθεση Πεπραγμένων Μεταδιδακτορικής Ερευνας Μελέτη εφαρμογών του προβλήματος της ισοδιαμέρισης καμπύλης σε σήματα και επιφάνειες Δρ. Κων/νος Παναγιωτάκης Τμήμα Επιστήμης Υπολογιστών Σχολή Θετικών και Τεχνολογικών Επιστημών Πανεπιστήμιο Κρήτης Ηράκλειο Δεκέμβριος 10
2 Περίληψη Το γενικό γεωμετρικό πρόβλημα της διαμέρισης συνεχούς καμπύλης σε N τμήματα ίσων χορδών κάτω από οποιαδήποτε μετρική, το πρόβλημα της ισοδιαμέρισης καμπύλης, ορίσθηκε και μελετήθηκε πρώτη φορά στη διατριβή του Κώστα Παναγιωτάκη. Εχει αποδειχτεί πως το πρόβλημα επιδέχεται πάντοτε λύση και έχουν αναπτυχθεί εφαρμογές του προβλήματος, όπως η πολυγωνική προσέγγιση και η επιλογή αντιπροσωπευτικών πλάνων μιας σκηνής. Στην παρούσα εργασία μελετώνται νέες εφαρμογές του προβλήματος της ισοδιαμέρισης καμπύλης σε σήματα με στόχο τη τμηματοποίηση τους, την ανακατασκευή τους, το χαρακτηρισμό των τμημάτων τους και τη συμπίεσή τους. Η προτεινόμενη μεθοδολογία έχει εφαρμοστεί σε διαφορετικά τύπου σήματα όπως: ήχου, ανθρώπινης κίνησης, ιατρικά και οικονομικές χρονοσειρές για να αποδειχτεί και η γενικότητά της. Επίσης, έχει μελετηθεί η εφαρμογή του προβλήματος σε επιφάνειες με στόχο έναν εναλλακτικό ορισμό του προβλήματος σε εφαρμογές με πολυδιάστατα δεδομένα (επιφάνειες) και τη πρόταση υπολογιστικά εφικτών αλγορίθμων που επιλύουν το πρόβλημα. Η περίπτωση των επιφανειών εμπεριέχει μεγάλο πλήθος πιθανών εφαρμογών όπως η τμηματοποίηση εικόνων, τρισδιάστατων μοντέλων, χαρτών, σημείων του χώρου, κτλ. Για την περίπτωση των πολυδιάστατων δεδομένων που μπορούν να περιγραφούν από γράφους, έχουμε αναγάγει το πρόβλημα σε ισοδιαμέριση του δυαδικού δένδρου των ελάχιστων μονοπατιών του γράφου. Η παραπάνω μεθοδολογία έχει επιτυχώς εφαρμοστεί στο πρόβλημα microaggregation. Τα αποτελέσματα της έρευνας έχουν ήδη γίνει αποδεκτά διεθνή επιστημονικά συνέδρια [15], [12], και έχουν αποσταλεί άρθρο σε διεθνή επιστημονικό περιοδικά [16], [11] τα οποία βρίσκονται στο στάδιο της κρίσης. i
3 Περιεχόμενα Περίληψη i 1 Εισαγωγή 1 2 Εφαρμογές σε μονοδιάστατα δεδομένα Εφαρμογές σε σήματα Εφαρμογές σε πολυδιάστατα δεδομένα Ισοδιαμέριση περιοχών σε εικόνα Ισοδιαμέριση δένδρου και το Microaggregation πρόβλημα Ισοδιαμέριση δένδρου και το πρόβλημα της τμηματοποίησης εικόνας Βιβλιογραφία 9 Παράρτημα - Κατάλογος Δημοσιεύσεων 12 ii
4 Κεφάλαιο 1 Εισαγωγή Η τμηματοποίηση καμπυλών είναι ένα σημαντικό θεωρητικό πρόβλημα που μπορεί να δώσει σημαντικό αριθμό εφαρμογών και επιπλέον μπορεί να οριστεί και να λυθεί περιπτώσεις με πολυδιάστατα δεδομένα (επιφάνειες). Σύμφωνα, με το πρόβλημα της ισοδιαμέρισης καμπύλης στόχος είναι η διαμέριση συνεχούς καμπύλης σε N τμήματα ίσων χορδών κάτω από οποιαδήποτε μετρική. Το πρόβλημα της ισοδιαμέρισης καμπύλης έχει επιτυχημένα εφαρμοστεί στη διδακτορική διατριβή του Δρ. Κων/νου Παναγιωτάκη σε δύο θεμελιώδη προβλήματα, την πολυγωνική προσέγγιση [8, 14] και τον υπολογισμό χαρακτηριστικών πλάνων βίντεο [8 10, 13]. Στην πολυγωνική προσέγγιση στόχος είναι να απλοποιηθεί δοσμένη πολυγωνική γραμμή, δηλαδή να υπολογιστεί νέο πολύγωνο με μικρότερο αριθμό κορυφών που να προσεγγίζει το αρχικό [14]. Ενώ στην περίπτωση υπολογισμού χαρακτηριστικών πλάνων η εφαρμογή του προβλήματος της ισοδιαμέρισης παρέχει στα προτεινόμενα χαρακτηριστικά πλάνα την ιδιότητα να είναι ισοδύναμα στην περίληψη του περιεχομένου του βίντεο. Το γεγονός αυτό είναι ιδιαίτερα σημαντικό στο βίντεο όπου η βέλτιστη περίληψη ουσιαστικά θα πρέπει, να δώσει χαρακτηριστικά πλάνα που ισαπέχουν μεταξύ τους στο περιεχόμενο, περιγράφοντας το βίντεο από ισοδύναμου περιεχομένου εικόνες. Επιπλέον πλεονέκτημα της προτεινόμενης μεθόδου είναι ότι μπορεί να εφαρμοστεί με οποιοδήποτε περιγραφέα βίντεο, εικόνας και ήχου. Στην παρούσα μεταδιδακτορική έρευνα, μελετώνται νέες εφαρμογές του προβλήματος της ισοδιαμέρισης καμπύλης σε μονοδιάστατα δεδομένα (λ.χ. σήματα) με στόχο τη τμηματοποίηση τους, την ανακατασκευή τους, το χαρακτηρισμό των τμημάτων τους και τη συμπίεσή τους. Επίσης, έχει μελετηθεί η εφαρμογή του προβλήματος σε πολυδιάστατα δεδομένα (λ.χ. εικόνες) με στόχο έναν εναλλακτικό ορισμό του προβλήματος και τη πρόταση υπολογιστικά εφικτών αλγορίθμων που επιλύουν το πρόβλημα. Αποτελέσματα της έρευνας έχουν ήδη γίνει αποδεκτά διεθνή επιστημονικά συνέδρια [15], [12], και έχουν αποσταλεί άρθρο σε διεθνή επιστημονικά περιοδικά [16], [11] τα οποίο βρίσκονται στο στάδιο της κρίσης. Στο κεφάλαια 2, 3 περιγράφεται η έρευνα σε μονοδιάστατα και πολυδιάστατα δεδομένα αντίστοιχα και στο παράρτημα έχουν επισυναπτεί τα προαναφερθέντα άρθρα. 1
5 Κεφάλαιο 2 Εφαρμογές σε μονοδιάστατα δεδομένα 2.1 Εφαρμογές σε σήματα Το πρόβλημα της ισοδιαμέρισης καμπύλης έχει εφαρμοστεί επιτυχώς σε σήματα με στόχο τη τμηματοποίηση τους, την ανακατασκευή τους και το χαρακτηρισμό των τμημάτων τους. Η προτεινόμενη μάλιστα μεθοδολογία έχει εφαρμοστεί σε διαφορετικά τύπου σήματα όπως: ήχου, ανθρώπινης κίνησης, ιατρικά και οικονομικές χρονοσειρές για να αποδειχτεί και η γενικότητά της. Σχετικό άρθρο που περιγράφει την παραπάνω εφαρμογή έχει σταλεί και έχει γίνει αποδεκτό προς παρουσίαση στο διεθνές συνέδριο ICPR [15], το οποίο και επισυνάπτεται στο παράρτημα της έκθεσης. Στην εργασία αυτήν το σήμα χωρίζεται σε τμήματα τα οποία έχουν ίσα σφάλματα στην ανακατασκευή, σύμφωνα με την αρχή της ισοδιαμέρισης, επιλέγοντας ταυτόχρονα το κατάλληλο μοντέλο για την ανακατασκευή κάθε τμήματος του σήματος. Η τμηματοποίηση και η επιλογή του βέλτιστου μοντέλου γίνεται ταυτόχρονα με αναγωγή στο πρόβλημα της ισοδιαμέρισης καμπύλης. Η προτεινόμενη μέθοδος είναι ιδιαίτερα ευέλικτη στις αλλαγές του κριτηρίου σφάλματος αλλά και στα χαρακτηριστικά του σήματος. Στην εργασία [15] έχουν χρησιμοποιηθεί τρεις διαφορετικές βάσεις (μοντέλα) για την ανακατασκευή των τμημάτων σήματος, Fourier, polynomial (Πολυώνυμα) και wavelet (Κυματίδια) και η συνάρτηση σφάλματος d j (u, v) για το τμήμα του σήματος [u, v]: 1 v d j (u, v) = v u + 1 f 2 (t) t=u t=u v gj 2 (t) (2.1.1) όπου f(t) είναι το δοσμένο σήμα, και g j (t) είναι το ανακατασκευασμένο χρησιμοποιώντας το j μοντέλο 1. Σύμφωνα με την αρχή της ισοδιαμέρισης η ζητούμενη τμηματοποίηση [0, s 1 ] 1 Τα χρησιμοποιούμενα μοντέλα Fourier, polynomial και wavelet αντιστοιχούν σε j = 1, j = 2 και j = 3, αντίστοιχα. 2
6 N = 5 Original Fourier modellling EP reconstruction Segmentation 50 Fourier Polynomial Polynomial Wavelets Fourier samples (αʹ) (βʹ) N = 4 Polynomial Wavelets Wavelets Wavelets Original Polynomial modelling 1.5 EP reconstruction Segmentation samples (γʹ) (δʹ) 1.5 N = 3, SNR = 18.97, SNR(EP) = 21.66, S = Wavelets Fourier Polynomial Original 1 Fourier modellling EP reconstruction Segmentation samples (εʹ) (ϛʹ) Σχήμα 2.1: Αποτελέσματα τμηματοποίησης και ανακατασκευής σημάτων. 3
7 (αʹ) (βʹ) (γʹ) Σχήμα 2.2: Η συνάρτηση d(u, v) για τα τρία παραδείγματα τμηματοποίησης του Σχήματος 2.1. [s 1, s 2 ] [s N 1, T 1], όπου T είναι το πλήθος των δειγμάτων του αρχικού σήματος θα ικανοποιεί την εξίσωση: ɛ = d(0, s 1 ) = d(s 1, s 2 ) = = d(s N 1, T 1) (2.1.2) όπου η συνάρτηση σφάλματος d(u, v) αντιστοιχεί στο ελάχιστο σφάλμα για την ανακατασκευή του τμήματος [u, v]: d(u, v) = min j d j (u, v). (2.1.3) Η m(u, v) = arg min j d j (u, v) αντιστοιχεί στη μέθοδο που δίνει το ελάχιστο σφάλμα. Στο Σχήμα 2.1 εικονίζονται αποτελέσματα της προτεινόμενης μεθόδου σε σε διαφορετικά τύπου σήματα όπως ιατρικά (Σχήματα 2.1(αʹ), 2.1(βʹ)), ανθρώπινης κίνησης (Σχήματα 2.1(γʹ), 2.1(δʹ)) και συνθετικά (Σχήματα 2.1(εʹ), 2.1(ϛʹ)). Οι εικόνες που βρίσκονται αριστερά στο Σχήμα 2.1 απεικονίζουν τη συμμετρική συνάρτηση m(u, v). Τα σημεία με κυανό χρώμα αντιστοιχούν στην επιλογή Fourier μοντέλου (m(u, v) = 1). Τα σημεία με κυανό χρώμα αντιστοιχούν στην επιλογή Πολυωνυμικού μοντέλου (m(u, v) = 2). Τα σημεία με κυανό χρώμα αντιστοιχούν στην επιλογή Κυματιδιακού μοντέλου (m(u, v) = 3). Οι εικόνες που βρίσκονται δεξιά στο Σχήμα 2.1 δείχνουν το αρχικό σήμα (μπλε χρώμα) και το ανακατασκευασμένο (κόκκινο χρώμα). Οι μαύρες διακεκομμένες γραμμές καθορίζουν τα όρια των τμημάτων ενώ για κάθε τμήμα εικονίζεται και το επιλεγμένο μοντέλο ανακατασκευής. Στο Σχήμα 2.2 εικονίζεται η συμμετρική συνάρτηση d(u, v) για τα τρία παραδείγματα τμηματοποίησης του Σχήματος
8 Κεφάλαιο 3 Εφαρμογές σε πολυδιάστατα δεδομένα Το πρόβλημα της ισοδιαμέρισης καμπύλης έχει εφαρμοστεί επιτυχώς σε επιφάνειες, με στόχο τον ορισμό του προβλήματος σε πολυδιάστατα δεδομένα και τη πρόταση υπολογιστικά εφικτών αλγορίθμων που επιλύουν το πρόβλημα. Η προτεινόμενη μάλιστα μεθοδολογία έχει εφαρμοστεί σε περιοχές (regions) εικόνων και σε δένδρα (είδος γράφου) και έχουν συγγραφεί τρία άρθρα [12], [11], [16], που περιγράφουν τις δύο παραπάνω εφαρμογές, τα οποία και επισυνάπτονται στο παράρτημα της έκθεσης. 3.1 Ισοδιαμέριση περιοχών σε εικόνα Το πρόβλημα της ισοδιαμέρισης περιοχών (region) το ορίζουμε ως εξής: Μας δίνεται η δυαδική εικόνα της περιοχής (λ.χ. Σχήμα 3.1(αʹ)) με στόχος να χωριστεί σε N τμήματα - υποπεριοχές (sub-regions) ίσου εμβαδού και ίσης ελάχιστης εκκεντρότητας. Με βάση το παραπάνω ορισμό δεν υπάρχει περιορισμός στον αριθμό των λύσεων που προκύπτουν. Στόχος μας είναι να προταθεί υπολογιστικά εφικτός αλγόριθμος που θα υπολογίζει πάντοτε μία λύση του προβλήματος για οποιοδήποτε αριθμό τμημάτων. Ο προτεινόμενος αλγόριθμος είναι υπολογιστικά εφικτός, με πολυωνυμικό κόστος O(M 2 ), όπου M ο αριθμός των κελιών (pixels) της δοσμένης περιοχής. Ο αλγόριθμος είναι ιεραρχικός, υπολογίζοντας αρχικά N σημεία, ένα για κάθε υπο-περιοχή από τα οποία ξεκινάει κατάλληλη μέθοδος επέκτασης περιοχής (Region Growing [6]). Τα N σημεία υπολογίζονται με βάση το κριτήριο να απέχουν ανά δύο τη μεγαλύτερη δυνατή απόσταση. Ενώ η μέθοδος επέκτασης περιοχής εκτελείται παράλληλα για κάθε υπο-περιοχή προσθέτοντας σε κάθε βήμα ένα σημείο (pixel) σε κάθε υπο-περιοχή ώστε πάντοτε το εμβαδόν των υπο-περιοχών να είναι ίσο. Ταυτόχρονα, το σημείο αυτό επιλέγεται ώστε να ελαχιστοποιεί την εκκεντρότητα της υπο-περιοχής. Συνέπεια του παραπάνω ορισμού του προβλήματος και του προτεινόμενου αλγορίθμου, είναι οι 5
9 (αʹ) (βʹ) (γʹ) Σχήμα 3.1: Παράδειγμα διαμέρισης της περιοχής (α ) σε (β ) N i = 2. (γ ) και N i = 3 υπο-περιοχές. υπο-περιοχές που υπολογίζονται να έχουν ίδιο εμβαδόν και ελάχιστη εκκεντρότητα. Ο περιορισμός της ελάχιστης εκκεντρότητας ισοδυναμεί με υπο-περιοχές που μοιάζουν με κυκλικούς δίσκους μιας και ο κύκλος είναι το σχήμα με την ελάχιστη εκκεντρότητα. Η αναλυτική περιγραφή του αλγορίθμου υπάρχει στο άρθρο [12] (Τμήμα Region Splitting). Στο άρθρο αυτό ο αλγόριθμος ισοδιαμέρισης περιοχών χρησιμοποιήθηκε για την αναγνώριση καρκινικών δομών (lymphocyte nuclei) και το διαχωρισμό τους σε υπο-περιοχές, μιας και στην περίπτωση που υπάρχουν συσσωματώματα είναι σημαντικός ο αυτόματος διαχωρισμός τους σε υπο-περιοχές. Μάλιστα η κάθε υποπεριοχή έχει περίπου το ίδιο εμβαδόν και κυκλικό περίπου σχήμα, οπότε έχει ιδιαίτερο ενδιαφέρον η παραπάνω εφαρμογή του προτεινόμενου αλγορίθμου στο συγκεκριμένο πρόβλημα. Στο άρθρο έχει αναπτυχθεί κατάλληλη μεθοδολογία για τον αυτόματο προσδιορισμό του αριθμού των υπο-περιοχών που θα πρέπει να γίνει ο διαχωρισμός χρησιμοποιώντας κριτήρια σχήματος και χαρακτηριστικά ανίχνευσης. Στο Σχήμα 3.1 εικονίζεται παράδειγμα εκτέλεσης της προτεινόμενης μεθόδου με τον χωρισμό σε δύο και τρεις υπο-περιοχές. Με βάση τον αυτόματο προσδιορισμό του αριθμού των υπο-περιοχών, ο προτεινόμενος αλγόριθμος έδωσε τρεις περιοχές για τη συγκεκριμένη περίπτωση που είναι και ο σωστός αριθμός σύμφωνα με τα δεδομένα επαλήθευσης (ground truth). Στο Σχήμα 3.2 εικονίζεται παράδειγμα ανίχνευσης καρκινικών δομών (lymphocyte nuclei). Στο παράδειγμα αυτό με πράσινο χρώμα εμφανίζονται τα κέντρα των πραγματικών καρκινικών δομών (ground truth) και με κόκκινο οι ανιχνεύσεις. Το ποσοστό σωστής ανίχνευσης είναι %, ενώ έχει ανιχνευτεί και διαχωριστεί σωστά και ένα συσσωμάτωμα δύο ενωμένων δομών (πάνω αριστερά στην εικόνα). 3.2 Ισοδιαμέριση δένδρου και το Microaggregation πρόβλημα Το πρόβλημα της ισοδιαμέρισης δένδρου (Tree Equipartition) αποτελεί επέκταση της ισοδιαμέρισης καμπύλης [1]. Ο στόχος της ισοδιαμέρισης καμπύλης είναι να βρεθούν τα διαδοχικά 6
10 Σχήμα 3.2: Παράδειγμα ανίχνευσης καρκινικών δομών (lymphocyte nuclei). σημεία επί καμπύλης, έτσι ώστε η καμπύλη μπορεί να διαιρεθεί σε τμήματα με τις ίσες χορδές κάτω από μια μετρική [1]. Ομοίως, σε ένα δένδρο ο στόχος της ισοδιαμέρισης είναι ο χωρισμός του σε υποδένδρα σύμφωνα με κάποιο κριτήριο (π.χ. σχεδόν ίσοι διάμετροι σε κάθε υποδένδρο). Η ομοιότητα ανάμεσα στο δένδρο και στην καμπύλη εμφανίζεται και στο γεγονός πως αν αφαιρεθεί μία ακμή από το δένδρο, τότε προκύπτουν δύο υποδένδρα, γεγονός που αντίστοιχα συμβαίνει αντίστοιχα και στις καμπύλες. Μια έκδοση του προβλήματος της ισοδιαμέρισης δένδρων είναι το πρόβλημα του κ-διαχωρισμού δένδρου (k-split tree problem). Ο στόχος αυτού του προβλήματος είναι ο διαχωρισμός του δέντρου με στόχο την ελαχιστοποίηση της αναλογίας του μεγίστου προς τον ελάχιστο αριθμό ακμών των υποδένδρων sub-trees [17]. Αυτό το πρόβλημα είναι NP-hard [17]. Ο προτεινόμενος αλγόριθμος είναι υπολογιστικά εφικτός, με πολυωνυμικό κόστος O(M 2 ), όπου M ο αριθμός των κόμβων του δένδρου. Ο αλγόριθμος είναι ιεραρχικός, και σε κάθε βήμα του αφαιρεί από το δένδρο στο οποίο το δοσμένο κριτήριο μεγιστοποιείται την κατάλληλη ακμή ώστε τα δύο νέα υποδένδρα που προκύπτουν να ελαχιστοποιούν το δοσμένο κριτήριο. Η προτεινόμενη μέθοδος είναι ιδιαίτερα ευέλικτη στις αλλαγές του κριτηρίου. Η αναλυτική περιγραφή του αλγορίθμου υπάρχει στο άρθρο [16] όπου ο προτεινόμενος αλγόριθμος έχει εφαρμοστεί στο Microaggregation πρόβλημα [2 5]. Στόχος του προβλήματος αυτού είναι η διαμέριση (partitioning) N σημείων (πολυδιάστατα δεδομένα) σε ομάδες από τουλάχιστον K σημεία, έτσι ώστε το συνολικό τετραγωνικό σφάλμα στις ομάδες (within-partition squared error (SSE)) να ελαχιστοποιείται. Οπως φαίνεται κι από τον ορισμό του το Microaggregation πρόβλημα είναι πρόβλημα διαμέρισης πολυδιάστατων σημείων. Το Microaggregation πρόβλημα είναι NP-hard [7] και οι αλγόριθμοι επίλυσής του που έχουν προταθεί στη βιβλιογραφία, οι περισσότεροι από τους οποίους είναι ευριστικοί, το επιλύουν προσεγγιστικά. Σύμφωνα με τον αλγόριθμο που προτείνουμε, το πρόβλημα του Microaggregation ανάγεται στο πρόβλημα ισοδιαμέρισης δένδρου υπολογίζοντας το ελάχιστο συνδετικό δένδρο (Minimum spanning tree (MST)) του πλήρη γράφου που ορίζεται από τα N δοσμένα σημεία και συνέχεια το MST χωρίζεται διαδοχικά σε υποδένδρα ώστε το (SSE) να ελαχιστοποιείται. Επομένως ο αλγόριθμος είναι βέλτιστος για την περίπτωση των δύο τμημάτων στον χώρο ψαξίματος του (MST) και είναι ο πρώτος αλγόριθμος που προτείνεται στη βιβλιογραφία 7
11 Y X Σχήμα 3.3: Παράδειγμα διαμέρισης δένδρου. με την παραπάνω ιδιότητα και με υπολογιστικό κόστος O(M 2 ). Με βάση τα πειραματικά αποτελέσματα που παρουσιάζονται αναλυτικά στο άρθρου [16] σε σύνολα από πραγματικά και συνθετικά δεδομένα, ο προτεινόμενος αλγόριθμος έχει γενικά καλύτερες επιδόσεις από αντίστοιχους αλγορίθμους στην βιβλιογραφία. Στο Σχήμα 3.3 εικονίζεται διαμέριση δένδρου σε υποδένδρα τα οποία έχουν ελάχιστο αριθμό κόμβων τουλάχιστον (K = ). Στο παράδειγμα αυτό με μπλε εμφανίζονται οι ακμές των υποδένδρων τα οποία σχηματίζονται μετά την αφαίρεση των ακμών του αρχικού που εμφανίζονται με κόκκινο διακεκομμένο χρώμα. 3.3 Ισοδιαμέριση δένδρου και το πρόβλημα της τμηματοποίησης εικόνας Το πρόβλημα της ισοδιαμέρισης δένδρου (Tree Equipartition) όπως περιγράφηκε προηγουμένως έχει εφαρμοστεί και ως αρχικό στάδιο σε μέθοδο τμηματοποίησης εικόνας. Το πλεονέκτημα της χρήσης του αλγορίθμου είναι ο υπολογισμός μιας αρχικής τμηματοποίησης σε επίπεδο block που μπορεί να χρησιμοποιηθεί για την εκτίμηση παραμέτρων των κλάσεων και να βοηθήσει την τελική τμηματοποίηση. Ενα πλεονεκτήματα της μεθόδου είναι ότι είναι εντελώς αυτόματη (χωρίς παραμέτρους). Το αποτέλεσμα της μεθόδου είναι μια υπερτμηματοποίηση (περισσότερα τμήματα από τα πραγματικά), που οφείλεται στο Minimum spanning tree (MST) της αρχικής εικόνας, με ταυτόχρονα πολύ μικρή πιθανότητα λάθους ως προς την ένωση τμημάτων. Η μέθοδος περιγράφεται αναλυτικά στο άρθρο [11], στο οποίο φαίνεται πως η χρήση της 8
12 (αʹ) (βʹ) Σχήμα 3.4: Αποτέλεσμα ισοδιαμέρισης δένδρου σε δύο εικόνες. μεθόδου Tree Equipartition βελτίωσε σε απόδοση και σε χρόνο εκτέλεσης τον συνολικό αλγόριθμο τμηματοποίησης. Στο Σχήμα 3.4 εικονίζεται αποτελέσματα του αλγορίθμου ισοδιαμέρισης δένδρου σε δύο εικόνες. Στην εικόνα αριστερά έχουν αφαιρεθεί 39 ακμές από το MST και έχουν δημιουργηθεί 40 περιοχές, ενώ στην εικόνα δεξία έχουν αφαιρεθεί 42 ακμές από το MST και έχουν δημιουργηθεί 43 περιοχές. Σε κάθε περίπτωση τα αντικείμενα και το φόντο έχουν υπερτμηματοποιηθεί χωρίς να υπάρχει κάποιο λάθος σε ένωση τμημάτων. 9
13 Βιβλιογραφία [1] K. Athanassopoulos C. Panagiotakis and G. Tziritas. The equipartition of curves. Computational Geometry: Theory and Applications, 42(6-7): , 09. [2] Chin-Chen Chang, Yu-Chiang Li, and Wen-Hung Huang. Tfrp: An efficient microaggregation algorithm for statistical disclosure control. J. Syst. Softw., 80(11): , 07. [3] J. Domingo-Ferrer and J. M. Mateo-Sanz. Practical data-oriented microaggregation for statistical disclosure control. IEEE Trans. on Knowl. and Data Eng., 14(1):189 1, 02. [4] Josep Domingo-Ferrer, Antoni Martinez-Balleste, Josep Maria Mateo-Sanz, and Francesc Sebe. Efficient multivariate data-oriented microaggregation. The VLDB Journal, 15(4): , 06. [5] Josep Domingo-Ferrer, Francesc Sebé, and Agusti Solanas. A polynomial-time approximation to optimal multivariate microaggregation. Comput. Math. Appl., 55(4): , 08. [6] Rafael C. Gonzalez and Richard E. Woods. Digital Image Processing (2nd Edition). Prentice Hall, 02. [7] A. Oganian and J. Domingo-Ferrer. On the complexity of optimal microaggregation for statistical disclosure control. Statistical J. United Nations Economic Commission for Europe, 18(4): , 01. [8] C. Panagiotakis. Motion Analysis and Modeling for Activity Recognition and 3-D Animation based on Geometrical and Video Processing Algorithms. PhD thesis, Univ. of Crete, 07. [9] C. Panagiotakis, A. Doulamis, and G. Tziritas. Equivalent key frames selection based on iso-content distance and iso-distortion principles. In 8th International Workshop on Image Analysis for Multimedia Interactive Services,
14 [10] C. Panagiotakis, A. Doulamis, and G. Tziritas. Equivalent key frames selection based on iso-content principles. IEEE Transactions on Circuits and Systems for Video Technology, 19(3): , 09. [11] C. Panagiotakis, I. Grinias, and G. Tziritas. Natural image segmentation based on tree equipartition, bayesian flooding and region merging. IEEE Transactions on Image Processing, 10 (submitted). [12] C. Panagiotakis, E. Ramasso, and G. Tziritas. Lymphocyte segmentation using mixture of gaussians and the transferable belief model. In th International Conference for Pattern Recognition (ICPR), 10 (accepted). [13] C. Panagiotakis, E. Ramasso, G. Tziritas, M. Rombaut, and D. Pellerin. Automatic people detection and counting for athletic videos classification. In IEEE International Conference on Advanced Video and Signal based Surveillance, 07. [14] C. Panagiotakis and G. Tziritas. Any dimension polygonal approximation based on equal errors principle. Pattern Recognition Letters, 28(5): , 07. [15] C. Panagiotakis and G. Tziritas. Simultaneous segmentation and modelling of signals based on an equipartition principle. In th International Conference for Pattern Recognition (ICPR), 10 (accepted). [16] C. Panagiotakis and G. Tziritas. Hierarchical equipartition based on optimal tree splitting for microaggregation. IEEE Transactions on Knowledge and Data Engineering, 10 (submitted). [17] Bang Ye Wu, Hung-Lung Wang, Shih Ta Kuan, and Kun-Mao Chao. On the uniform edge-partition of a tree. Discrete Appl. Math., 155(10): ,
15 Παράρτημα - Κατάλογος Δημοσιεύσεων Στο τμήμα αυτό εμφανίζονται τα τέσσερα άρθρα του Κων/νου Παναγιωτάκη που περιγράφουν τα αποτελέσματα της μεταδιδακτορικής έρευνας. C. Panagiotakis and G. Tziritas. Simultaneous segmentation and modelling of signals based on an equipartition principle. In th International Conference for Pattern Recognition (ICPR), 10. C. Panagiotakis, E. Ramasso, and G. Tziritas. Lymphocyte segmentation using mixture of gaussians and the transferable belief model. In th International Conference for Pattern Recognition (ICPR), 10. C. Panagiotakis and G. Tziritas. Hierarchical equipartition based on optimal tree split- ting for microaggregation. IEEE Transactions on Knowledge and Data Engineering, 10 (under revision). C. Panagiotakis, I. Grinias and G. Tziritas, Natural Image Segmentation based on Tree Equipartition, Bayesian Flooding and Region Merging, IEEE Transactions on Image Processing, 10 (under revision). 12
ΑΝΑΓΝΩΡΙΣΗ ΚΟΙΝΟΤΗΤΩΝ ΚΑΙ ΣΥΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΗΝ ΧΡΗΣΗ ΣΥΝΘΕΤΙΚΩΝ ΣΥΝΤΕΤΑΓΜΕΝΩΝ
ΑΝΑΓΝΩΡΙΣΗ ΚΟΙΝΟΤΗΤΩΝ ΚΑΙ ΣΥΣΤΑΣΗ ΠΛΗΡΟΦΟΡΙΑΣ ΜΕ ΤΗΝ ΧΡΗΣΗ ΣΥΝΘΕΤΙΚΩΝ ΣΥΝΤΕΤΑΓΜΕΝΩΝ Παπαδάκης Χαράλαμπος 1, Παναγιωτάκης Κώστας 2, Παρασκευή Φραγκοπούλου 1 1 Τμήμα Μηχ/κών Πληροφορικής, ΤΕΙ Κρήτης 2 Τμήμα
Διαβάστε περισσότεραΕυφυές Σύστημα Ανάλυσης Εικόνων Μικροσκοπίου για την Ανίχνευση Παθολογικών Κυττάρων σε Εικόνες Τεστ ΠΑΠ
Ευφυές Σύστημα Ανάλυσης Εικόνων Μικροσκοπίου για την Ανίχνευση Παθολογικών Κυττάρων σε Εικόνες Τεστ ΠΑΠ ΚΩΔΙΚΟΣ MIS: 346961 Φορέας Υποβολής: Πανεπιστήμιο Ιωαννίνων - Τμήμα Πληροφορικής Φορέας Χρήστης:
Διαβάστε περισσότεραΑνάλυση σχημάτων βασισμένη σε μεθόδους αναζήτησης ομοιότητας υποακολουθιών (C589)
Ανάλυση σχημάτων βασισμένη σε μεθόδους αναζήτησης ομοιότητας υποακολουθιών (C589) Μεγαλοοικονόμου Βασίλειος Τμήμα Μηχ. Η/ΥκαιΠληροφορικής Επιστημονικός Υπεύθυνος Στόχος Προτεινόμενου Έργου Ανάπτυξη μεθόδων
Διαβάστε περισσότεραΜάθημα 10 ο. Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 10 ο Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Η περιγραφή μίας περιοχής μπορεί να γίνει: Με βάση τα εξωτερικά χαρακτηριστικά (ακμές, όρια). Αυτή η περιγραφή προτιμάται όταν μας ενδιαφέρουν
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 4 : Δειγματοληψία και κβάντιση (Sampling and Quantization) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 6 : Κωδικοποίηση & Συμπίεση εικόνας Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΠΕΙΡΑΜΑΤΙΚΕΣ ΠΡΟΣΟΜΟΙΩΣΕΙΣ ΚΕΦΑΛΑΙΟ 4. είναι η πραγματική απόκριση του j δεδομένου (εκπαίδευσης ή ελέγχου) και y ˆ j
Πειραματικές Προσομοιώσεις ΚΕΦΑΛΑΙΟ 4 Όλες οι προσομοιώσεις έγιναν σε περιβάλλον Matlab. Για την υλοποίηση της μεθόδου ε-svm χρησιμοποιήθηκε το λογισμικό SVM-KM που αναπτύχθηκε στο Ecole d Ingenieur(e)s
Διαβάστε περισσότεραΒιογραφικό Σηµείωµα Κωνσταντίνου Παναγιωτάκη
Βιογραφικό Σηµείωµα Κωνσταντίνου Παναγιωτάκη 1. ΠΡΟΣΩΠΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Επώνυµο: Παναγιωτάκης Όνοµα: Κωνσταντίνος Πατρώνυµο: Εµµανουήλ Όνοµα µητρός: Αφροδίτη Τόπος γέννησης: Ηράκλειο Ηµ/νία γέννησης: 27/04/1979
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Τμηματοποίηση εικόνας Τμηματοποίηση εικόνας Γενικά Διαμερισμός μιας εικόνας σε διακριτές περιοχές
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 7 : Πρότυπο συμπίεσης JPEG Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 9 : Κωδικοποίηση βίντεο Πρότυπο συμπίεσης MPEG Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το
Διαβάστε περισσότεραΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ Λ03Β ΑΛΓΟΡΙΘΜΟΙ ΔΙΚΤΥΩΝ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ ΦΛΕΒΑΡΗΣ 2004
ΕΡΓΑΣΙΑ ΣΤΟ ΜΑΘΗΜΑ Λ03Β ΑΛΓΟΡΙΘΜΟΙ ΔΙΚΤΥΩΝ & ΠΟΛΥΠΛΟΚΟΤΗΤΑ ΦΛΕΒΑΡΗΣ 2004 Παρουσίαση του paper: Increasing the Weight of Minimum Spanning Trees Greg N. Frederickson and Roberto Solis- Oba Journal of Algorithms
Διαβάστε περισσότεραΒιογραφικό Σηµείωµα Κωνσταντίνου Παναγιωτάκη
Βιογραφικό Σηµείωµα Κωνσταντίνου Παναγιωτάκη 1. ΠΡΟΣΩΠΙΚΕΣ ΠΛΗΡΟΦΟΡΙΕΣ Επώνυµο: Παναγιωτάκης Όνοµα: Κωνσταντίνος Πατρώνυµο: Εµµανουήλ Όνοµα µητρός: Αφροδίτη Τόπος γέννησης: Ηράκλειο Ηµ/νία γέννησης: 27/04/1979
Διαβάστε περισσότεραΚεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 8 NP και Υπολογιστική Δυσεπιλυσιμότητα Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 πρόβλημα αναζήτησης (search problem) Ένα πρόβλημα αναζήτησης είναι ένα πρόβλημα στο
Διαβάστε περισσότεραDIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης
DIP_05 Τμηματοποίηση εικόνας ΤΕΙ Κρήτης ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Τμηματοποίηση εικόνας είναι η διαδικασία με την οποία διαχωρίζεται μία εικόνα σε κατάλληλες περιοχές ή αντικείμενα. Για την τμηματοποίηση
Διαβάστε περισσότεραΚεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιµότητα. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.
Κεφάλαιο 8 NP και Υπολογιστική Δυσεπιλυσιµότητα Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 πρόβληµα αναζήτησης (search problem) Ένα πρόβληµα αναζήτησης είναι ένα πρόβληµα στο
Διαβάστε περισσότεραΕΚΘΕΣΗ ΠΡΟΟ ΟΥ Υποψήφιος ιδάκτορας: Ιωάννης Κυριαζής
ΕΚΘΕΣΗ ΠΡΟΟ ΟΥ Υποψήφιος ιδάκτορας: Ιωάννης Κυριαζής Το πρόβληµα Το πρόβληµα που καλείται ο υποψήφιος διδάκτορας να επιλύσει είναι η εξαγωγή χαρακτηριστικών (feature extraction) από ένα 3 αντικείµενο,
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων:
Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων: Oμαδοποίηση: Μέρος B http://delab.csd.auth.gr/~gounaris/courses/dwdm/ gounaris/courses/dwdm/ Ευχαριστίες Οι διαφάνειες του μαθήματος σε γενικές γραμμές ακολουθούν
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 07-08 Αριθμητική Ολοκλήρωση Εισαγωγή Έστω ότι η f είναι μία φραγμένη συνάρτηση στο πεπερασμένο
Διαβάστε περισσότεραΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.) ΣΕΡΡΩΝ Τμήμα ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ
Διαβάστε περισσότεραΑναγνώριση Προτύπων Ι
Αναγνώριση Προτύπων Ι Ενότητα 1: Μέθοδοι Αναγνώρισης Προτύπων Αν. Καθηγητής Δερματάς Ευάγγελος Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΤεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας
Τεχνικές Μείωσης Διαστάσεων Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας 1 Εισαγωγή Το μεγαλύτερο μέρος των δεδομένων που καλούμαστε να επεξεργαστούμε είναι πολυδιάστατα.
Διαβάστε περισσότεραPr(10 X 15) = Pr(15 X 20) = 1/2, (10.2)
Κεφάλαιο 10 Συνεχείς τυχαίες μεταβλητές Σε αυτό το κεφάλαιο θα εξετάσουμε τις ιδιότητες που έχουν οι συνεχείς τυχαίες μεταβλητές. Εκείνες οι Τ.Μ. X, δηλαδή, των οποίων το σύνολο τιμών δεν είναι διακριτό,
Διαβάστε περισσότεραΤμηματοποίηση με χρήση τυχαίων πεδίων Markov. Κοινή ιδιότητα σημείων τμήματος Εισαγωγή χωρικής πληροφορίας Εξομάλυνση πεδίου κατατάξεων
Τμηματοποίηση με χρήση τυχαίων πεδίων Markov Κοινή ιδιότητα σημείων τμήματος Εισαγωγή χωρικής πληροφορίας Εξομάλυνση πεδίου κατατάξεων Κόστος τμηματοποίησης Δυαδικοποίηση Κόστος σφαλμάτων σημειακής κατάταξης
Διαβάστε περισσότεραΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ
ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΕΠ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επεξεργασία Ιατρικών Εικόνων
Διαβάστε περισσότεραΑριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον
Τμήμα Μηχανικών Πληροφορικής Αριθμητικές Μέθοδοι σε Προγραμματιστικό Περιβάλλον Δρ. Δημήτρης Βαρσάμης Επίκουρος Καθηγητής Οκτώβριος 2015 Δρ. Δημήτρης Βαρσάμης Οκτώβριος 2015 1 / 68 Αριθμητικές Μέθοδοι
Διαβάστε περισσότεραsubstructure similarity search using features in graph databases
substructure similarity search using features in graph databases Aleksandros Gkogkas Distributed Management of Data Laboratory intro Θα ενασχοληθούμε με το πρόβλημα των ερωτήσεων σε βάσεις γραφημάτων.
Διαβάστε περισσότεραΔιαίρει και Βασίλευε. πρόβλημα μεγέθους Ν. διάσπαση. πρόβλημα μεγέθους k. πρόβλημα μεγέθους Ν-k
Διαίρει και Βασίλευε πρόβλημα μεγέθους Ν διάσπαση πρόβλημα μεγέθους k πρόβλημα μεγέθους Ν-k Διαίρει και Βασίλευε πρόβλημα μεγέθους Ν διάσπαση επιλύουμε αναδρομικά τα υποπροβλήματα πρόβλημα μεγέθους k πρόβλημα
Διαβάστε περισσότεραΕΚΘΕΣΗ ΠΡΟΟ ΟΥ Υποψήφιος ιδάκτορας: Ιωάννης Κυριαζής
ΕΚΘΕΣΗ ΠΡΟΟ ΟΥ Υποψήφιος ιδάκτορας: Ιωάννης Κυριαζής Το πρόβληµα Το πρόβληµα που καλείται ο υποψήφιος διδάκτορας να επιλύσει είναι η εξαγωγή χαρακτηριστικών (feature extraction) από ένα 3 αντικείµενο,
Διαβάστε περισσότεραΚεφ. 3: Παρεμβολή. 3.1 Εισαγωγή. 3.2 Πολυωνυμική παρεμβολή Παρεμβολή Lagrange Παρεμβολή Newton. 3.3 Παρεμβολή με κυβικές splines
Κεφ. 3: Παρεμβολή 3. Εισαγωγή 3. Πολυωνυμική παρεμβολή 3.. Παρεμβολή Lagrage 3.. Παρεμβολή Newto 3.3 Παρεμβολή με κυβικές splies 3.4 Μέθοδος ελαχίστων τετραγώνων 3.5 Παρεμβολή με ορθογώνια πολυώνυμα 3.
Διαβάστε περισσότεραΧρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ. Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ»
Χρήστος Ι. Σχοινάς Αν. Καθηγητής ΔΠΘ Συμπληρωματικές σημειώσεις για το μάθημα: «Επιχειρησιακή Έρευνα ΙΙ» 2 ΔΥΝΑΜΙΚΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ Προβλήματα ελάχιστης συνεκτικότητας δικτύου Το πρόβλημα της ελάχιστης
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 8: Ομαδοποίηση Μέρος B Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
HMY 220: Σήματα και Συστήματα Ι Διδάσκων: Γεώργιος Μήτσης, Λέκτορας, Τμήμα ΗΜΜΥ Γραφείο: 401 Πράσινο Άλσος Ώρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Ηλ. Ταχ.: : gmitsis@ucy.ac.cy Ιωάννης Τζιώρτζης
Διαβάστε περισσότεραΠροσεγγιστικοί Αλγόριθμοι
Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. http://xkcd.com/287/ Πολλά NP-πλήρη προβλήματα έχουν μεγάλο πρακτικό ενδιαφέρον. Πως μπορούμε να αντιμετωπίσουμε το γεγονός ότι είναι απίθανη(;)
Διαβάστε περισσότεραΔομές Δεδομένων και Αλγόριθμοι
Δομές Δεδομένων και Αλγόριθμοι Χρήστος Γκόγκος ΤΕΙ Ηπείρου Χειμερινό Εξάμηνο 2014-2015 Παρουσίαση 9 P vs NP 1 / 13 Δυσκολία επίλυσης υπολογιστικών προβλημάτων Κάποια προβλήματα είναι εύκολα να λυθούν με
Διαβάστε περισσότεραΣήματα και Συστήματα ΙΙ
Σήματα και Συστήματα ΙΙ Ενότητα 3: Διακριτός και Ταχύς Μετασχηματισμός Fourier (DTF & FFT) Α. Ν. Σκόδρας Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Επιμέλεια: Αθανάσιος Ν. Σκόδρας, Καθηγητής
Διαβάστε περισσότεραI. ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ. math-gr
I ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ i e ΜΕΡΟΣ Ι ΟΡΙΣΜΟΣ - ΒΑΣΙΚΕΣ ΠΡΑΞΕΙΣ Α Ορισμός Ο ορισμός του συνόλου των Μιγαδικών αριθμών (C) βασίζεται στις εξής παραδοχές: Υπάρχει ένας αριθμός i για τον οποίο ισχύει i Το σύνολο
Διαβάστε περισσότεραHMY 795: Αναγνώριση Προτύπων
HMY 795: Αναγνώριση Προτύπων Διάλεξη 3 Επιλογή μοντέλου Επιλογή μοντέλου Θεωρία αποφάσεων Επιλογή μοντέλου δεδομένα επικύρωσης Η επιλογή του είδους του μοντέλου που θα χρησιμοποιηθεί σε ένα πρόβλημα (π.χ.
Διαβάστε περισσότεραΚεφάλαιο 8. NP και Υπολογιστική Δυσεπιλυσιμότητα. Παύλος Εφραιμίδης V1.1,
Κεφάλαιο 8 NP και Υπολογιστική Δυσεπιλυσιμότητα Παύλος Εφραιμίδης V1.1, 2015-01-19 Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne. 1 πρόβλημα αναζήτησης (search problem) Ένα πρόβλημα
Διαβάστε περισσότεραΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΟΝΤΕΛΟΠΟΙΗΣΗ-ΨΗΦΙΑΚΗ ΣΥΝΘΕΣΗ ΕΙΚΟΝΩΝ Διδάσκων: Ν. ΝΙΚΟΛΑΙΔΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΜΟΝΤΕΛΟΠΟΙΗΣΗ-ΨΗΦΙΑΚΗ ΣΥΝΘΕΣΗ ΕΙΚΟΝΩΝ Διδάσκων: Ν. ΝΙΚΟΛΑΙΔΗΣ 3 η Σειρά Ασκήσεων 1. Ένα σωματίδιο με μάζα m=4 βρίσκεται αρχικά (t=0) στη θέση x=(2,2)
Διαβάστε περισσότερα9. O Προσομοιωτής Κβαντικού Υπολογιστή QCS
9. O Προσομοιωτής Κβαντικού Υπολογιστή QCS Σύνοψη Στο κεφάλαιο αυτό δίνονται οι οδηγίες χρήσης του προσομοιωτή κβαντικού υπολογιστή QCS, ο οποίος έχει αναπτυχθεί από τον συγγραφέα και συνοδεύει το βιβλίο
Διαβάστε περισσότεραf x και τέσσερα ζευγάρια σημείων
ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟΔΟΙ, 014 015, 5 Ο ΕΞΑΜΗΝΟ ΕΡΓΑΣΙΑ #: ΑΡΙΘΜΗΤΙΚΗ ΠΑΡΕΜΒΟΛΗ Ημερομηνία ανάρτησης εργασίας στην ιστοσελίδα του μαθήματος: 1 11 014 Ημερομηνία παράδοσης εργασίας: 18 11 014 Επιμέλεια απαντήσεων:
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 8 : Πρότυπο συμπίεσης JPEG2000 Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΥπολογιστική Πολυπλοκότητα
Υπολογιστική Πολυπλοκότητα ημήτρης Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Υπολογιστική Πολυπλοκότητα Γιατί κάποια (επιλύσιμα) προβλήματα είναι δύσκολο
Διαβάστε περισσότεραΙσορροπημένα Δένδρα. για κάθε λειτουργία; Ισορροπημένο δένδρο : Διατηρεί ύψος κάθε εισαγωγή ή διαγραφή
Ισορροπημένα Δένδρα Μπορούμε να επιτύχουμε για κάθε λειτουργία; χρόνο εκτέλεσης Ισορροπημένο δένδρο : Διατηρεί ύψος κάθε εισαγωγή ή διαγραφή μετά από Περιστροφές x αριστερή περιστροφή από το x y α β y
Διαβάστε περισσότεραΧρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων
ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 10 : Κωδικοποίηση καναλιού Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Ομιλίας Απόσταση και βάρος Hamming Τεχνικές και κώδικες ανίχνευσης &
Διαβάστε περισσότεραΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΩΝ ΚΑΙ ΑΥΤΟΜΑΤΩΝ
ΘΕΩΡΙΑ ΥΠΟΛΟΓΙΣΜΩΝ ΚΑΙ ΑΥΤΟΜΑΤΩΝ Ενότητα 13: Πολυωνυμική αναγωγή Ρεφανίδης Ιωάννης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότεραΥπολογιστικές μέθοδοι για την ανάλυση της πληροφορίας των εικόνων και την κατανόηση του περιεχομένου
Ανάλυση Εικόνων Εικόνα : μορφή πληροφορίας Ανάλυση : εξαγωγή γνώσης Υπολογιστικές μέθοδοι για την ανάλυση της πληροφορίας των εικόνων και την κατανόηση του περιεχομένου Θέματα ειδίκευσης Υπολογιστική Όραση
Διαβάστε περισσότεραΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ
ΤΟΠΟΓΡΑΦΙΚΑ ΔΙΚΤΥΑ ΚΑΙ ΥΠΟΛΟΓΙΣΜΟΙ ΑΝΑΣΚΟΠΗΣΗ ΘΕΩΡΙΑΣ ΣΥΝΟΡΘΩΣΕΩΝ Βασίλης Δ. Ανδριτσάνος Δρ. Αγρονόμος - Τοπογράφος Μηχανικός ΑΠΘ Επίκουρος Καθηγητής ΤΕΙ Αθήνας 3ο εξάμηνο http://eclass.teiath.gr Παρουσιάσεις,
Διαβάστε περισσότεραΟμαδοποίηση ΙΙ (Clustering)
Ομαδοποίηση ΙΙ (Clustering) Πασχάλης Θρήσκος PhD Λάρισα 2016-2017 pthriskos@mnec.gr Αλγόριθμοι ομαδοποίησης Επίπεδοι αλγόριθμοι Αρχίζουμε με μια τυχαία ομαδοποίηση Βελτιώνουμε επαναληπτικά KMeans Ομαδοποίηση
Διαβάστε περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2014-2015 Κβάντιση Δρ. Ν. Π. Σγούρος 2 Άσκηση 5.1 Για ένα σήμα που έχει τη σ.π.π. του σχήματος να υπολογίσετε: μήκος του δυαδικού κώδικα για Ν επίπεδα κβάντισης για σταθερό μήκος λέξης;
Διαβάστε περισσότεραΕΚΘΕΣΗ ΠΡΟΟ ΟΥ Υποψήφιος ιδάκτορας: Ιωάννης Κυριαζής
ΕΚΘΕΣΗ ΠΡΟΟ ΟΥ Υποψήφιος ιδάκτορας: Ιωάννης Κυριαζής Το πρόβληµα Το πρόβληµα που καλείται ο υποψήφιος διδάκτορας να επιλύσει είναι η εξαγωγή χαρακτηριστικών (feature extraction) από ένα 3 αντικείµενο,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ. Διάλεξη 10: Συναγωγή και διάχυση (συνέχεια)
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΥΔΡΑΥΛΙΚΗΣ ΚΑΙ ΠΕΡΙΒΑΛΛΟΝΤΙΚΗΣ ΤΕΧΝΙΚΗΣ Διάλεξη 10: Συναγωγή και διάχυση (συνέχεια) Χειμερινό εξάμηνο 2008 Προηγούμενη παρουσίαση... Ολοκληρώσαμε
Διαβάστε περισσότεραΕπίλυση Προβληµάτων µε Greedy Αλγόριθµους
Επίλυση Προβληµάτων µε Greedy Αλγόριθµους Περίληψη Επίλυση προβληµάτων χρησιµοποιώντας Greedy Αλγόριθµους Ελάχιστα Δέντρα Επικάλυψης Αλγόριθµος του Prim Αλγόριθµος του Kruskal Πρόβληµα Ελάχιστης Απόστασης
Διαβάστε περισσότεραέντρα ιδάσκοντες:. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο
έντρα ιδάσκοντες:. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο έντρα έντρο: πρότυπο ιεραρχικής δομής. Αναπαράσταση
Διαβάστε περισσότεραΟΜΑΔΟΠΟΙΗΣΗ ΑΡΙΘΜΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΑΓΡΟΝΟΜΩΝ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ ΤΟΜΕΑΣ ΤΟΠΟΓΡΑΦΙΑΣ ΟΜΑΔΟΠΟΙΗΣΗ ΑΡΙΘΜΗΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΒΥΡΩΝΑΣ ΝΑΚΟΣ ΑΘΗΝΑ 2006 ΠΕΡΙΕΧΟΜΕΝΑ Περιεχόμενα 1. Εισαγωγή 1 2. Μέθοδοι σταθερών
Διαβάστε περισσότεραΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ ΠΑΓΚΥΠΡΙΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΔΕΚΕΜΒΡΙΟΣ 2017
ΚΥΠΡΙΑΚΗ ΜΑΘΗΜΑΤΙΚΗ ΕΤΑΙΡΕΙΑ ΠΑΓΚΥΠΡΙΟΣ ΔΙΑΓΩΝΙΣΜΟΣ ΔΕΚΕΜΒΡΙΟΣ 2017 Α ΓΥΜΝΑΣΙΟΥ Ημερομηνία: 02/12/2017 Ώρα Εξέτασης: 09:30-12:30 ΟΔΗΓΙΕΣ: 1. Να λύσετε όλα τα θέματα, αιτιολογώντας πλήρως τις απαντήσεις
Διαβάστε περισσότεραΥπολογιστική Πολυπλοκότητα
Υπολογιστική Πολυπλοκότητα ιδάσκοντες: Σ. Ζάχος,. Φωτάκης Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο Άδεια Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΕπίλυση Προβλημάτων με Χρωματισμό. Αλέξανδρος Γ. Συγκελάκης asygelakis@gmail.com
Επίλυση Προβλημάτων με Χρωματισμό Αλέξανδρος Γ. Συγκελάκης asygelakis@gmail.com 1 Η αφορμή συγγραφής της εργασίας Το παρακάτω πρόβλημα που τέθηκε στο Μεταπτυχιακό μάθημα «Θεωρία Αριθμών» το ακαδημαϊκό
Διαβάστε περισσότεραΚατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση
ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία
Διαβάστε περισσότεραΑριθμητική Ανάλυση και Εφαρμογές
Αριθμητική Ανάλυση και Εφαρμογές Διδάσκων: Δημήτριος Ι. Φωτιάδης Τμήμα Μηχανικών Επιστήμης Υλικών Ιωάννινα 2017-2018 Παρεμβολή και Παρεκβολή Εισαγωγή Ορισμός 6.1 Αν έχουμε στη διάθεσή μας τιμές μιας συνάρτησης
Διαβάστε περισσότεραΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - 02/07/08) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ
Ονοματεπώνυμο:......... Α.Μ....... Ετος... ΑΙΘΟΥΣΑ:....... I. (περί τις 55μ. = ++5++. Σωστό ή Λάθος: ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - //8 ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ (αʹ Αν AB = BA όπου A, B τετραγωνικά και
Διαβάστε περισσότεραΑλγόριθµοι και Πολυπλοκότητα
Αλγόριθµοι και Πολυπλοκότητα Ν. Μ. Μισυρλής Τµήµα Πληροφορικής και Τηλεπικοινωνιών, Πανεπιστήµιο Αθηνών Καθηγητής: Ν. Μ. Μισυρλής () Αλγόριθµοι και Πολυπλοκότητα 15 Ιουνίου 2009 1 / 26 Εισαγωγή Η ϑεωρία
Διαβάστε περισσότεραιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
έντρα ιδάσκοντες: Φ. Αφράτη,. Φωτάκης,. Σούλιου Επιμέλεια διαφανειών:. Φωτάκης Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Εθνικό Μετσόβιο Πολυτεχνείο έντρα έντρο: πρότυπο ιεραρχικής δομής.
Διαβάστε περισσότεραΑνάκτηση πολυμεσικού περιεχομένου
Ανάκτηση πολυμεσικού περιεχομένου Ανίχνευση / αναγνώριση προσώπων Ανίχνευση / ανάγνωση κειμένου Ανίχνευση αντικειμένων Οπτικές λέξεις Δεικτοδότηση Σχέσεις ομοιότητας Κατηγοριοποίηση ειδών μουσικής Διάκριση
Διαβάστε περισσότεραΜοντέρνα Θεωρία Ελέγχου
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 5: Διακριτοποίηση συστημάτων Νίκος Καραμπετάκης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΜερικές Διαφορικές Εξισώσεις
Πανεπιστήμιο Πατρών, Τμήμα Μαθηματικών Μερικές Διαφορικές Εξισώσεις Χειμερινό εξάμηνο ακαδημαϊκού έτους 24-25, Διδάσκων: Α.Τόγκας ο φύλλο προβλημάτων Ονοματεπώνυμο - ΑΜ: ΜΔΕ ο φύλλο προβλημάτων Α. Τόγκας
Διαβάστε περισσότεραΚΕΦΑΛΑΙΟ 3. Περιγραφή της Μεθόδου ΠΕΡΙΓΡΑΦΗ ΤΗΣ ΜΕΘΟΔΟΥ
ΚΕΦΑΛΑΙΟ 3 Περιγραφή της Μεθόδου Το αντικείμενο αυτής της εργασίας είναι η χρήση μιας μεθόδου προσέγγισης συναρτήσεων που έχει προταθεί από τον hen-ha huang και ονομάζεται Ασαφώς Σταθμισμένη Παλινδρόμηση
Διαβάστε περισσότεραΛύσεις 2ης Ομάδας Ασκήσεων
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΠΙΘΑΝΟΤΗΤΕΣ Γ. ΚΟΝΤΟΓΙΑΝΝΗΣ. (Μπάλες Λύσεις ης Ομάδας Ασκήσεων Τμήμα Α Λ (αʹ Έστω A το ενδεχόμενο να επιλέξουμε τουλάχιστον μια άσπρη μπάλα. Θα υπολογίσουμε
Διαβάστε περισσότεραΔΙΑΧΩΡΙΣΤΙΚΗ ΟΜΑΔΟΠΟΙΗΣΗ
ΔΙΑΧΩΡΙΣΤΙΚΗ ΟΜΑΔΟΠΟΙΗΣΗ Εισαγωγή Τεχνικές διαχωριστικής ομαδοποίησης: Ν πρότυπα k ομάδες Ν>>k Συνήθως k καθορίζεται από χρήστη Διαχωριστικές τεχνικές: επιτρέπουν πρότυπα να μετακινούνται από ομάδα σε
Διαβάστε περισσότεραER-Tree (Extended R*-Tree)
1-9825/22/13(4)768-6 22 Journal of Software Vol13, No4 1, 1, 2, 1 1, 1 (, 2327) 2 (, 3127) E-mail xhzhou@ustceducn,,,,,,, 1, TP311 A,,,, Elias s Rivest,Cleary Arya Mount [1] O(2 d ) Arya Mount [1] Friedman,Bentley
Διαβάστε περισσότεραΟΜΑΔΕΣ. Δημιουργία Ομάδων
Δημιουργία Ομάδων Μεθοδολογίες ομαδοποίησης δεδομένων: Μέθοδοι για την εύρεση των κατηγοριών και των υποκατηγοριών που σχηματίζουν τα δεδομένα του εκάστοτε προβλήματος. Ομαδοποίηση (clustering): εργαλείο
Διαβάστε περισσότεραΕφαρμογές της Θεωρίας της Πληροφορίας σε διαδικασίες ανάκτησης εικόνας
Εφαρμογές της Θεωρίας της Πληροφορίας σε διαδικασίες ανάκτησης εικόνας Μακεδόνας Ανδρέας Μεταδιδακτορικός Ερευνητής Τμ. Φυσικής, Εργαστήριο Ηλεκτρονικής Ένα απλό ερώτημα Στον κόσμο την πληροφορίας υπάρχει
Διαβάστε περισσότεραΔιαχείριση Καταστάσεων προβλημάτων στο Νηπιαγωγείο. Από τη μοιρασιά της τούρτας στην ανάπτυξη γεωμετρικών εννοιών
Διαχείριση Καταστάσεων προβλημάτων στο Νηπιαγωγείο Από τη μοιρασιά της τούρτας στην ανάπτυξη γεωμετρικών εννοιών Το πρόβλημα Ζητήθηκε από τα παιδιά να χωριστούν σε ομάδες και να προσπαθήσουν να μοιράσουν
Διαβάστε περισσότερα1.2 Εξισώσεις 1 ου Βαθμού
1.2 Εξισώσεις 1 ου Βαθμού Διδακτικοί Στόχοι: Θα μάθουμε: Να κατανοούμε την έννοια της εξίσωσης και τη σχετική ορολογία. Να επιλύουμε εξισώσεις πρώτου βαθμού με έναν άγνωστο. Να διακρίνουμε πότε μια εξίσωση
Διαβάστε περισσότεραGraph Algorithms. Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Καούρη Γεωργία Μήτσου Βάλια
Graph Algorithms Παρουσίαση στα πλαίσια του μαθήματος «Παράλληλοι Αλγόριθμοι» Καούρη Γεωργία Μήτσου Βάλια Περιεχόμενα Μεταβατικό Κλείσιμο Συνεκτικές συνιστώσες Συντομότερα μονοπάτια Breadth First Spanning
Διαβάστε περισσότερα1.1 Βασικές Έννοιες των Διαφορικών Εξισώσεων
Κεφάλαιο 1 Εισαγωγικά Στο κεφάλαιο αυτό θα παρουσιάσουμε τις βασικές έννοιες και ορισμούς των Διαφορικών Εξισώσεων. Στο εδάφιο 1.1 παρουσιάζονται οι βασικές έννοιες και ορισμοί των διαφορικών εξισώσεων
Διαβάστε περισσότεραΔρ. Χάϊδω Δριτσάκη. MSc Τραπεζική & Χρηματοοικονομική
Ποσοτικές Μέθοδοι Δρ. Χάϊδω Δριτσάκη MSc Τραπεζική & Χρηματοοικονομική Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης 50100 Kozani GR
Διαβάστε περισσότεραΕνδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση
Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Εντοπισμός ενός σήματος STOP σε μια εικόνα. Περιγράψτε τη διαδικασία με την οποία μπορώ να εντοπίσω απλά σε μια εικόνα την ύπαρξη του παρακάτω
Διαβάστε περισσότεραΜεγίστου Σφάλµατος. Παναγιώτης Καρράς. Αθήνα, 26 Αυγούστου 2005
Μ ένα Σµπάρο υο Τρυγώνια: Εισάπαξ Κυµατιδιακές Συνόψεις για Μέτρα Μεγίστου Σφάλµατος Παναγιώτης Καρράς Αθήνα, 6 Αυγούστου 005 Έρευνα στο HKU µε τον Νίκο Μαµουλή Περίληψη Προκαταρκτικά & Κίνητρα Χρησιµότητα
Διαβάστε περισσότεραΔιάλεξη 14: Δέντρα IV - B-Δένδρα
ΕΠΛ231 Δομές Δεδομένων και Αλγόριθμοι 1 Διάλεξη 14: Δέντρα IV - B-Δένδρα Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: - 2-3 Δένδρα, Εισαγωγή και άλλες πράξεις - Άλλα Δέντρα: Β-δένδρα, Β+-δέντρα,
Διαβάστε περισσότεραGemini, FastMap, Applications. Εαρινό Εξάμηνο Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών
Gemini,, Applications Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Εαρινό Εξάμηνο 2011-2012 Table of contents 1 Table of contents 1 2 Table of contents 1 2 3 Table of contents
Διαβάστε περισσότεραx,f με j 012,,,...,n x,x S x f S x είναι 3 ης τάξης οι δεύτερες παράγωγοί τους S x S x y y Μέθοδος κυβικών splines: Έστω ότι έχουμε τα δεδομένα
Μέθοδος κυβικών sples: Έστω ότι έχουμε τα δεδομένα,f με,,,...,,. Για κάθε διάστημα βρίσκουμε ένα πολυώνυμο παρεμβολής 3 ης τάξης S,,..., έτσι ώστε να ισχύουν τα παρακάτω: Συνθήκη Α: S f, S f S Συνθήκη
Διαβάστε περισσότερα1.1 Δραστηριότητα: Εισαγωγή στις άπειρες διαδικασίες
1.1 Δραστηριότητα: Εισαγωγή στις άπειρες διαδικασίες Θέμα της δραστηριότητας Η δραστηριότητα αυτή είναι μια εισαγωγή στις άπειρες διαδικασίες. Η εισαγωγή αυτή επιτυγχάνεται με την εφαρμογή της μεθόδου
Διαβάστε περισσότεραΑλγόριθμοι Γραφημάτων
Αλγόριθμοι Γραφημάτων 1. Minimum Spanning Trees 2. Αλγόριθμος Prim 3. Αλγόριθμος Kruskal Εισαγωγή στην Ανάλυση Αλγορίθμων Μάγια Σατρατζέμη Minimum Spanning Tree Πρόβλημα: Για δοσμένο συνεκτικό, μη προσανατολισμένο,
Διαβάστε περισσότεραιαµέριση - Partitioning
ιαµέριση - Partitioning ιαµέριση ιαµέριση είναι η διαµοίραση αντικειµένων σε οµάδες µε στόχο την βελτιστοποίηση κάποιας συνάρτησης. Στην σύνθεση η διαµέριση χρησιµοποιείται ως εξής: Οµαδοποίηση µεταβλητών
Διαβάστε περισσότεραΕνότητα 9 Ξένα Σύνολα που υποστηρίζουν τη λειτουργία της Ένωσης (Union-Find)
Ενότητα 9 (Union-Find) ΗΥ240 - Παναγιώτα Φατούρου 1 Έστω ότι S 1,, S k είναι ξένα υποσύνολα ενός συνόλου U, δηλαδή ισχύει ότι S i S j =, για κάθε i,j µε i j και S 1 S k = U. Λειτουργίες q MakeSet(X): επιστρέφει
Διαβάστε περισσότεραΕΠΕΞΕΡΓΑΣΙΑ ΒΙΝΤΕΟ ΜΕ ΤΟ ΠΡΟΓΡΑΜΜΑ VSDC FREE VIDEO EDITOR
ΕΠΕΞΕΡΓΑΣΙΑ ΒΙΝΤΕΟ ΜΕ ΤΟ ΠΡΟΓΡΑΜΜΑ VSDC FREE VIDEO EDITOR ΠΕΡΙΕΧΟΜΕΝΑ Σελίδα Πως ανοίγουμε αρχείο βίντεο ή εικόνα για επεξεργασία 1 Εφαρμογή εφφέ σε βίντεο ή σε εικόνα 2 Πως κόβεται ένα κομμάτι του βίντεο
Διαβάστε περισσότεραΧαρακτηρισµός Νεοπλασµάτων στη Μαστογραφία από το Σχήµα της Παρυφής µε χρήση Νευρωνικών ικτύων
Χαρακτηρισµός Νεοπλασµάτων στη Μαστογραφία από το Σχήµα της Παρυφής µε χρήση Νευρωνικών ικτύων Χ. Γεωργίου 1 (xgeorgio@hol.gr),. Κάβουρας 2 (cavouras@hol.gr), Ν. ηµητρόπουλος 3, Σ. Θεοδωρίδης 1 (stheodor@di.uoa.gr)
Διαβάστε περισσότεραΣ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ
Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ Τι κάνει η Στατιστική Στατιστική (Statistics) Μετατρέπει αριθμητικά δεδομένα σε χρήσιμη πληροφορία. Εξάγει συμπεράσματα για έναν πληθυσμό. Τις περισσότερες
Διαβάστε περισσότεραΠρογραμματιστική Εργασία
Προγραμματιστική Εργασία Ημερομηνία Παράδοσης: 22 Ιουνίου 2007 1 Τίπρέπεινακάνετεγιατηνεργασίααυτή Θεωρούμε ότι έχουμε ένα πολύγωνο από n ακμές στις δύο διαστάσεις. Οι ακμές είναι δυνατόν να είναι ευθύγραμμα
Διαβάστε περισσότεραΜέθοδοι πολυδιάστατης ελαχιστοποίησης
Μέθοδοι πολυδιάστατης ελαχιστοποίησης με παραγώγους Μέθοδοι πολυδιάστατης ελαχιστοποίησης Δ. Γ. Παπαγεωργίου Τμήμα Μηχανικών Επιστήμης Υλικών Πανεπιστήμιο Ιωαννίνων dpapageo@cc.uoi.gr http://pc64.materials.uoi.gr/dpapageo
Διαβάστε περισσότεραΚλάσεις Πολυπλοκότητας
Κλάσεις Πολυπλοκότητας Παύλος Εφραιμίδης pefraimi ee.duth.gr Κλάσεις Πολυπλοκότητας 1 Οι κλάσεις πολυπλοκότητας P και NP P: Polynomial ΗκλάσηP περιλαμβάνει όλα τα υπολογιστικά προβλήματα που μπορούν
Διαβάστε περισσότεραΑυτόματη Ανακατασκευή Θραυσμένων Αντικειμένων
Αυτόματη Ανακατασκευή Θραυσμένων Αντικειμένων Κωνσταντίνος Παπαοδυσσεύς Καθηγητής ΣΗΜΜΥ, Δημήτρης Αραμπατζής Δρ. ΣΗΜΜΥ Σολομών Ζάννος Υ.Δ. ΣΗΜΜΥ Φώτιος Γιαννόπουλος Υ.Δ. ΣΗΜΜΥ Μιχαήλ Έξαρχος Δρ. ΣΗΜΜΥ
Διαβάστε περισσότεραΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ. Κεφάλαιο 3 : Πηγές Πληροφορίας Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων
ΘΕΩΡΙΑ ΠΛΗΡΟΦΟΡΙΑΣ Κεφάλαιο 3 : Πηγές Πληροφορίας Χρήστος Ξενάκης Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων Περιεχόμενα Διακριτές Πηγές Πληροφορίας χωρίς μνήμη Ποσότητα πληροφορίας της πηγής Κωδικοποίηση
Διαβάστε περισσότεραΚεφ. 3: Παρεμβολή. 3.1 Εισαγωγή. 3.2 Πολυωνυμική παρεμβολή Παρεμβολή Lagrange Παρεμβολή Newton. 3.3 Παρεμβολή με κυβικές splines
Κεφ. 3: Παρεμβολή 3. Εισαγωγή 3. Πολυωνυμική παρεμβολή 3.. Παρεμβολή Lagrage 3.. Παρεμβολή Newto 3.3 Παρεμβολή με κυβικές splies 3.4 Μέθοδος ελαχίστων τετραγώνων 3.5 Παρεμβολή με ορθογώνια πολυώνυμα 3.
Διαβάστε περισσότεραΣΧΕΔΙΑΣΜΟΣ ΚΙΝΗΣΗΣ ΚΑΙ ΧΡΟΝΟΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΑΣΙΩΝ ΣΕ ΒΙΟΜΗΧΑΝΙΚΑ ΠΕΡΙΒΑΛΛΟΝΤΑ
ΣΧΕΔΙΑΣΜΟΣ ΚΙΝΗΣΗΣ ΚΑΙ ΧΡΟΝΟΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΕΡΓΑΣΙΩΝ ΣΕ ΒΙΟΜΗΧΑΝΙΚΑ ΠΕΡΙΒΑΛΛΟΝΤΑ Ηλίας Κ. Ξυδιάς 1, Ανδρέας Χ. Νεάρχου 2 1 Τμήμα Μηχανικών Σχεδίασης Προϊόντων & Συστημάτων, Πανεπιστήμιο Αιγαίου, Σύρος
Διαβάστε περισσότεραΚατάτµηση εικόνας σε οµοιόµορφες περιοχές
KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Κατάτµηση εικόνας σε οµοιόµορφες περιοχές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Κατάτµηση µε πολυκατωφλίωση Ανάπτυξη
Διαβάστε περισσότεραΣυστήματα Υποστήριξης Αποφάσεων Διάλεξη Νο2 και 3. Ενισχυτικές διαφάνειες
Συστήματα Υποστήριξης Αποφάσεων Διάλεξη Νο2 και 3 Ενισχυτικές διαφάνειες Πρόβλημα απόφασης υπό το καθεστώς αβεβαιότητας (decision making under uncertainty) Ένα πρόβλημα τοποθετείται γενικά ως πρόβλημα
Διαβάστε περισσότεραΑσκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο
Πρόβλημα ο Ασκήσεις Φροντιστηρίου 5 o Φροντιστήριο Δίνεται το παρακάτω σύνολο εκπαίδευσης: # Είσοδος Κατηγορία 0 0 0 Α 2 0 0 Α 0 Β 4 0 0 Α 5 0 Β 6 0 0 Α 7 0 Β 8 Β α) Στον παρακάτω κύβο τοποθετείστε τα
Διαβάστε περισσότερα