A new evolutionary metaheuristic for formation of topologically ordered maps and extensions
| Autor: | Maia, José Everardo Bessa |
|---|---|
| Přispěvatelé: | Barreto, Guilherme de Alencar |
| Jazyk: | portugalština |
| Rok vydání: | 2011 |
| Předmět: | |
| Zdroj: | Repositório Institucional da Universidade Federal do Ceará (UFC) Universidade Federal do Ceará (UFC) instacron:UFC |
| Popis: | Topologically ordered maps are data representation techniques based on dimensionality reduction with the special property of preserving the neighborhood between the data prototypes lying in the data space and their positions on to the output space. Based on this property, topologically ordered maps are applied mainly in clustering projected, vector quantization or dimensionality reduction and data visualization. This thesis proposes a new classification for the existing algorithms devoted to the formation of topologically ordered maps, which is based on the mechanism of correlation between the input and output spaces, and describes a new algorithm based on evolutionary computation, called EvSOM, for the topologically ordered maps formation. The main properties of the new algorithm are its flexibility for consideration by the user of the relative importance of the properties of vector quantization and topology preservation of the final map, and good outliers rejection when compared to the Kohonen SOM algorithm. The work provides an empirical evaluation of these properties. The EvSOM is a hybrid , neural-evolutionary, biologically inspired algorithm, which uses concepts of competitive neural networks, evolutionary computing, optimization and iterative approximation approximation. To validate its application feasibility, EvSOM is extended and specialized to solve two relevant basic problems in image processing and computer vision, namely, the medical image registration problem and the visual tracking of objects in video problem. The algorithm exhibits satisfactory performance in both aplications. Mapas topologicamente ordenados são técnicas de representação de dados baseadas em redução de dimensionalidade com a propriedade especial de preservação da vizinhança espacial entre os protótipos no espaço dos dados e entre suas respectivas posições no espaço de saída. Com base nesta propriedade, mapas topologicamente ordenados são aplicados principalmente em agrupamento, quantização vetorial ou redução de dimensionalidade e visualização de dados. Esta tese propõe uma nova classificação para os algoritmos de formação de mapas topologicamente ordenados baseada no mecanismo de correlação entre os espaços de entrada e de saída, e descreve um novo algoritmo, baseado em computação evolucionária, denominado EvSOM, para a formação de mapas topologicamente ordenado. As principais propriedades do novo algoritmo são a sua flexibilidade para ponderação pelo usuário da importância relativa das propriedades de quantização vetorial e de preservação de topologia no mapa final, além de boa rejeição a outliers quando comparado ao algoritmo SOM de Kohonen. O trabalho desenvolve uma avaliação empírica destas propriedades. O EvSOM é um algoritmo híbrido, neural-evolucionário, biologicamente inspirado, que se utiliza de conceitos de redes neurais competitivas, computação evolucionária, otimização e aproximação iterativa. Para validar sua viabilidade de aplicação, o EvSOM é estendido e especializado para a solução de dois problemas básicos relevantes em processamento de imagens e visão computacional, quais sejam, o problema de registro de imagens médicas e o problema de rastreamento visual de objetos em vídeo. O algoritmo apresentou desempenho satisfatório nas duas aplicações. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|