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).