Metody Rozpoznawania Obrazów Laboratorium nr 5 Metoda
Transkrypt
Metody Rozpoznawania Obrazów Laboratorium nr 5 Metoda
Metody Rozpoznawania Obrazów Laboratorium nr 5 Metoda Skalowania Wielowymiarowego 1. Format sprawozdania W trakcie zajęć naleŜy wykonać wszystkie doświadczenia opisane w rozdziale „Opis doświadczeń podstawowych”. Uzyskane wyniki naleŜy umieścić w sprawozdaniu z ćwiczeń, łącznie z ich analizą i dyskusją, zachowując numerację paragrafów zgodną z instrukcją. W szczególności, naleŜy umieścić wyniki oznaczone symbolem (SPR). Sprawozdanie powinno być zwięzłe, i nie powinno zawierać wprowadzenia do rozwaŜanych zagadnień ani opisu przeprowadzonych doświadczeń, o ile nie dokonano w trakcie ich przeprowadzania Ŝadnych modyfikacji w stosunku do poniŜszej instrukcji. NaleŜy przygotować jedno sprawozdanie na grupę dwuosobową. Sprawozdanie naleŜy umieścić w katalogu o nazwie składającej się z 4 członów: nr ćwiczenia, nr grupy ćwiczeniowej, nazwisko1, imię1, nazwisko2, imię2 (np. 1_7_Nowak_Janina_Kowalski_Jan). Katalog wraz z jego zawartością naleŜy skompresować w formacie RAR do pliku o nazwie takiej jak nazwa katalogu (np. 1_7_Nowak_Janina_Kowalski_Jan.rar), tak aby po rozpakowaniu katalog odtworzył się. Następnie plik skompresowany naleŜy przesłać na adres: [email protected] Sprawozdania końcowe naleŜy przesłać na powyŜszy adres nie później niŜ w 2 tygodnie od dnia ostatniego laboratorium poświęconego tej tematyce. PowyŜsze ćwiczenie wykonywane jest na 1 zajęciu. Katalog powinien zawierać, oprócz samego sprawozdania w formacie PDF, równieŜ podkatalog o nazwie „kod”, w którym umieszczone są wszystkie pliki źródłowe procedur i skryptów napisanych w trakcie ćwiczeń. 2. Wprowadzenie 2.1. - Zapoznanie się z metodami skalowania wielowymiarowego i wizualizacją przestrzeni wielowymiarowych: MDS (multidimensional scaling) metodą Kruskala i Sammona. oraz porównaniem tych metod dla wybranych danych z repozytorium UCI datasets. 2.2. - Cele laboratorium Literatura Algorytmy: Wykład http://www.icsr.agh.edu.pl/~mro/MDS/mds.rar • Dodatek z pracy magisterskiej (magistrant prof. Dzwinela) • Załączona prezentacja (doktorant prof. Dzwinela) 2.3. Zbiory danych Zbiory danych wykorzystywane w tym ćwiczeniu maja zostać wygenerowane oraz znajdują się na stronie repozytorium UCI. 3. Opis doświadczeń podstawowych 3.1. Implementacja metody Niemanna Zaimplementuj w Matlab’ie metodę skalowania wielowymiarowego Niemanna opisaną w załączonym dokumencie. Zbadaj czasową efektywność wykonanego programu. Zoptymalizuj go w środowisku Matlaba. 3.2. Czym róŜni się MDS od PCA - eksperymenty na sztucznie wygenerowanych zbiorach danych i zbiorach UCI Wygeneruj w 100-D hipersześcianie [0,1]10 losowe wektory stuwymiarowe. Zobacz jak będzie wyglądał ich obraz w 2-D po transformacie MDS dla wag z p=1, p=0 i p=-1. To samo zrób dla zbioru danych reprezentujących wierzchołki hipersześcianu 10-D oraz spirali 3-D z linią w środku. (SPR). Dla wygenerowanych danych i obrazów po transformacie MDS: 1. Narysuj diagramy Sheparda. 2. Policz trustworthiness i continuity. 3. Porównaj histogramy odległości w przestrzeni oryginalnej i docelowej Porównaj wyniki z obrazami otrzymanymi po transformacie PCA (SPR). Skomentuj otrzymane wyniki (SPR). (poprawny i celny komentarz będzie miał duŜą wagę w końcowej ocenie za to ćwiczenie, i umoŜliwia podwyŜszenie oceny nawet do 6.0) Powtórz te same czynności dla zbiorów UCI tych, na których wykonywałeś/aś poprzednie ćwiczenie z transformatą K-L (PCA i ME). Dotyczy to szczególnie zbiorów trudno separowalnych. Przedstaw wyniki transformacji MDS w przestrzeni 3-D. Porównaj je z wynikami uzyskanymi przy pomocy metod liniowych (PCA i ME).