Browsing by Author "Wygralak, Maciej. Promotor"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Grupowa klasyfikacja danych niekompletnych – podejście nieimputacyjne z zastosowaniem we wspomaganiu diagnostyki guzów jajnika(2017) Wójtowicz, Andrzej; Wygralak, Maciej. PromotorW niniejszej pracy doktorskiej zająłem się problemem klasyfikacji danych niekompletnych. Motywacja do podjęcia badań ma swoje źródło w medycynie, gdzie bardzo często występuje zjawisko braku danych. Najpopularniejszą metodą radzenia sobie z tym problemem jest imputacja danych, będąca uzupełnieniem brakujących wartości na podstawie statystycznych zależności między cechami. W moich badaniach przyjąłem inną strategię rozwiązania tego problemu. Wykorzystując opracowane wcześniej klasyfikatory można przekształcić je do formy, która zwraca przedział możliwych predykcji. Następnie, poprzez zastosowanie operatorów agregacji oraz metod progowania, można dokonać finalnej klasyfikacji. W niniejszej pracy pokazuję jak dokonać ww. przekształcenia klasyfikatorów oraz jak wykorzystać strategie agregacji danych przedziałowych do klasyfikacji. Opracowane przeze mnie metody podnoszą jakość klasyfikacji danych niekompletnych w problemie wspomagania diagnostyki guzów jajnika. Dodatkowa analiza wyników na zewnętrznych zbiorach danych z repozytorium uczenia maszynowego Uniwersytetu Kalifornijskiego w Irvine (UCI) wskazuje, że przedstawione metody są komplementarne z imputacją.Item Miary podobieństwa przedziałowych zbiorów rozmytych w klasyfikacji danych niepewnych. Zastosowania w diagnostyce guzów jajnika(2016) Żywica, Patryk; Wygralak, Maciej. PromotorRozprawa dotyczy problemu mierzenia podobieństwa w sytuacji, gdy wiedza na temat reprezentowanych przez przedziałowe zbiory rozmyte obiektów jest tylko częściowa i niepewna. Dokonano przeglądu literatury oraz porównania obecnych podejść do mierzenia podobieństwa klasycznych i przedziałowych zbiorów rozmytych. Okazuje się, że aby możliwe było pełne uwzględnienie niekompletności danych konieczne jest wyrażenie podobieństwa przy pomocy przedziału. Zbudowano teorię niezbędną do poprawnego modelowania przedziałowego podobieństwa. Sformułowane zostały podstawowe własności, jakie w takiej sytuacji powinna spełniać miara podobieństwa, a następnie zaproponowano metodę konstrukcji nieskończenie wielu takich miar. Metoda ta pozwala na skonstruowanie nowej miary na podstawie miary podobieństwa zbiorów rozmytych, o ile ta spełnia pewne warunki. Zbadano problem efektywnego obliczania nowych miar uzyskanych tą metodą. Szczególną uwagę poświęcono uogólnionej wersji indeksu Jaccarda. Korzystając z przedziałowych miar podobieństwa zaproponowano dwie metody klasyfikacji umożliwiające pełne wsparcie dla danych niepewnych zarówno na etapie budowy klasyfikatora, jak i jego stosowania. Dokonano obszernej ewaluacji jakości klasyfikacji z wykorzystaniem rzeczywistych danych medycznych. Jedna z zaproponowanych metod została wykorzystana w inteligentnym systemie wspomagania diagnostyki guzów jajnika - OvaExpert.Item Moce skalarne zbiorów rozmytych i nieprecyzyjne kwantyfikatory lingwistyczne(2010-11-03T12:27:02Z) Pilarski, Daniel; Wygralak, Maciej. PromotorRozprawa dotyczy teorii i zastosowań pojęcia mocy zbiorów rozmytych w kwantyfikacji lingwistycznej, kategoryzacji tekstów, a przede wszystkim – w sumaryzacji lingwistycznej baz danych. Pierwsza część pracy jest poświęcona konstrukcji ogólnej teorii względnej mocy skalarnej zbiorów rozmytych oraz wprowadzeniu pojęcia uogólnionej mocy skalarnej zbioru rozmytego indukowanej przez uogólnione liczby kardynalne typu FGCount wraz z normami triangularnymi. Druga część pracy rozpoczyna się od analizy metod numerycznej interpretacji zdań skwantyfikowanych lingwistycznie w przypadku użycia uogólnionych koncepcji mocy skalarnej wprowadzonych w pierwszej części. Głównym celem tej części pracy jest prezentacja systemu Quantirius – implementacji własnego podejścia interaktywnego do agregacji danych sterowanych kwantyfikatorami lingwistycznymi. Generowanie i ocena podsumowań lingwistycznych w zbiorach danych jest w systemie realizowana z wykorzystaniem pojęcia protoformy. Kluczowym elementem tej prezentacji jest idea dalszego przetwarzania zbioru wygenerowanych podsumowań. Przedstawiony algorytm wyboru podsumowań, które są najbardziej adekwatną reprezentacją informacji zawartych w zbiorze danych zawiera mechanizm redukcji podsumowań opartej o ich stopnie prawdziwości oraz wzajemną relację, tzn. inkluzję lub nakładanie się unimodalnych terminów lingwistycznych będących ich komponentami.Item Wielopoziomowe matematyczne modelowanie roślinności, gleby i pogody(2023) Makowski, Miłosz; Wygralak, Maciej. Promotor; Pałubicki, Wojciech. Promotor pomocniczyNiniejsza dysertacja przedstawia nowatorskie podejście do modelowania realistycznych ekosystemów roślinności w zmiennych warunkach klimatycznych. Poprzednie metody starały się zredukować złożoność obliczeniową poprzez przyjęcie geometrycznych uproszczeń roślin kosztem dokładności modelowania. Inne metody umożliwiały szczegółową reprezentację roślin, jednak nie były odpowiednie do symulacji dużych ekosystemów. W tej pracy proponuje się wielopoziomową reprezentację ekosystemów roślinnych, która łączy szczegółowość z wydajnością. Podejście to uwzględnia zjawiska biologiczne, takie jak wzrost, rozsiewanie, tropizm i konkurencja o zasoby, a także modeluje wzajemne oddziaływania między roślinnością, glebą i pogodą, w tym lokalną zmiennością klimatyczną. W celu symulacji cyklu hydrologicznego opracowano model dynamiki chmur, który uwzględnia parowanie roślin i gleby, formację chmur i opady atmosferyczne. Ponadto zamodelowano transport wody w glebie na podstawie właściwości gleby oraz grawitacji. Zaproponowana metoda pozwala na interaktywne symulacje setek tysięcy roślin, uwzględniając interakcje na poziomie lokalnego zróżnicowania klimatu i zachowując zgodność z biologicznymi modelami znanymi w leśnictwie, botanice i ekologii. Podsumowując, praca ta przyczynia się do rozwoju generowania realistycznych krajobrazów z roślinnością i pogodą, potencjalnie służąc jako środek do walidacji hipotez biologicznych. Przedstawiona metoda ma szerokie zastosowanie w dziedzinach takich jak ekologia, leśnictwo i architektura krajobrazu. This dissertation presents a novel approach for modeling realistic ecosystems of vegetation under variable climatic conditions. Prior methods either reduce computational complexity through coarse geometrical approximations or provide a very detailed representation that is unsuitable for large ecosystem simulations. Therefore, this research proposes a multi-scale representation of plant ecosystems that balances detail with efficiency. This approach captures biological features such as growth, seeding, tropism, and competition for resources while modeling the feedback between vegetation, soil, and weather, including local variations of climate. To simulate the hydrological cycle, the research develops a cloud dynamics model that handles evaporation of plants and soil, cloud formation, and precipitation. Additionally, the approach models water propagation in the soil based on soil properties and gravity. The proposed method can run interactive simulations of hundreds of thousands of plants, capturing interactions with local variations of climate while adhering to biological priors known in forestry, botany, and ecology research. Overall, this research contributes to the advancement of generating realistic outdoor landscapes of vegetation and weather, potentially serving as a means for validating biological hypotheses. This approach has broad applications in fields such as ecology, forestry, and landscape architecture.