Unsupervised visual object categorization

The number of digital images has been increasing exponentially in the last few years. People have problems managing their image collections and finding a specific image. An automatic image categorization system could help them to manage images and find specific images. In this thesis, an unsupervised visual object categorization system was implemented to categorize a set of unknown images. The system is unsupervised, and hence, it does not need known images to train the system which needs to be manually obtained. Therefore, the number of possible categories and images can be huge. The system implemented in the thesis extracts local features from the images. These local features are used to build a codebook. The local features and the codebook are then used to generate a feature vector for an image. Images are categorized based on the feature vectors. The system is able to categorize any given set of images based on the visual appearance of the images. Images that have similar image regions are grouped together in the same category. Thus, for example, images which contain cars are assigned to the same cluster. The unsupervised visual object categorization system can be used in many situations, e.g., in an Internet search engine. The system can categorize images for a user, and the user can then easily find a specific type of image.

Comparison of Local Feature Detectors and Descriptors for Visual Object Categorization

Local features are used in many computer vision tasks including visual object categorization, content-based image retrieval and object recognition to mention a few. Local features are points, blobs or regions in images that are extracted using a local feature detector. To make use of extracted local features the localized interest points are described using a local feature descriptor. A descriptor histogram vector is a compact representation of an image and can be used for searching and matching images in databases. In this thesis the performance of local feature detectors and descriptors is evaluated for object class detection task. Features are extracted from image samples belonging to several object classes. Matching features are then searched using random image pairs of a same class. The goal of this thesis is to find out what are the best detector and descriptor methods for such task in terms of detector repeatability and descriptor matching rate.

Jäsenkategorisoinnin analyysi kulttuurisena metodina

Summary: Membership categorization device as a cultural method

Capturing Weak Signals for Foresight Building

Tulevaisuuden hahmottamisen merkitys heikkojen signaalien avulla on korostunut viime vuosien aikana merkittävästi,koska yrityksen liiketoimintaympäristössä tapahtuvia muutoksia on ollut yhä vaikeampaa ennustaa historian perusteella. Liiketoimintaympäristössä monien muutoksien merkkejä on ollut nähtävissä, mutta niitä on ollut vaikea havaita. Heikkoja signaaleja tunnistamalla ja keräämällä sekä reagoimalla tilanteeseen riittävän ajoissa, on mahdollista saavuttaa ylivoimaista kilpailuetua. Kirjallisuustutkimus keskittyy heikkojen signaalien tunnistamisen haasteisiin liiketoimintaympäristöstä, signaalien ja informaation kehittymiseen sekä informaation hallintaan organisaatiossa. Kiinnostus näihin perustuu tarpeeseen määritellä heikkojen signaalien tunnistamiseen vaadittava prosessi, jonka avulla heikot signaalit voidaan huomioida M-real Oyj:n päätöksenteossa. Kirjallisuustutkimus osoittaa selvästi sen, että heikkoja signaaleita on olemassa ja niitä pystytään tunnistamaan liiketoimintaympäristöstä. Signaaleja voidaan rikastuttaa yrityksessä olevalla tietämyksellä ja hyödyntää edelleen päätöksenteossa. Vertailtaessa sekä kirjallisuustutkimusta että empiiristä tutkimusta tuli ilmi selkeästi tiedon moninaisuus; määrä,laatu ja tiedonsaannin oikea-aikaisuus päätöksenteossa. Tutkimuksen aikana kehittyi prosessimalli tiedon suodattamiselle, luokittelulle ja heikkojen signaalien tunnistamiselle. Työn edetessä prosessimalli kehittyi osaksi tässä työssä kehitettyä kokonaisuutta 'Weak Signal Capturing' -työkalua. Monistamalla työkalua voidaan kerätä heikkoja signaaleja eri M-realin liiketoiminnan osa-alueilta. Tietoja systemaattisesti kokoamalla voidaan kartoittaa tulevaisuutta koko M-realille.

Supervised localimage feature detection

This thesis is about detection of local image features. The research topic belongs to the wider area of object detection, which is a machine vision and pattern recognition problem where an object must be detected (located) in an image. State-of-the-art object detection methods often divide the problem into separate interest point detection and local image description steps, but in this thesis a different technique is used, leading to higher quality image features which enable more precise localization. Instead of using interest point detection the landmark positions are marked manually. Therefore, the quality of the image features is not limited by the interest point detection phase and the learning of image features is simplified. The approach combines both interest point detection and local description into one phase for detection. Computational efficiency of the descriptor is therefore important, leaving out many of the commonly used descriptors as unsuitably heavy. Multiresolution Gabor features has been the main descriptor in this thesis and improving their efficiency is a significant part. Actual image features are formed from descriptors by using a classifierwhich can then recognize similar looking patches in new images. The main classifier is based on Gaussian mixture models. Classifiers are used in one-class classifier configuration where there are only positive training samples without explicit background class. The local image feature detection method has been tested with two freely available face detection databases and a proprietary license plate database. The localization performance was very good in these experiments. Other applications applying the same under-lying techniques are also presented, including object categorization and fault detection.

Perusterveydenhuollon ja erikoissairaanhoidon käytön seuranta ja ennakointi kuntanäkökulmasta

Follow-up of utilisation and prediction of primary health care and hospital care from the municipality point of view. Planning, follow-up, and evaluation of primary health care within municipality entail comprehensive information about factors that influence health. In addition to populationbased research, various statistical data and registries serve as sources of information. The present study examined utilisation of primary health care and hospital care with the existing databases, registries, and categorization of Diagnosis Related Groups (DRGs) from the municipality (purchaser) point of view. Research involving the cases of Paimio, Sauvo, and Turku as examples of municipalities pointed out that, even in the small municipalities, it is possible to assess and predict health services to be offered to the inhabitants by following databases and registries. Health-related databases and registries include a plenty of possible uses that have not adequately been employed at the level of municipality. Descriptive futures research and community analysis formed the framework of the study. Descriptive futures research may be used to establish predictions based on past developmental traditions, and quantitative time trend analyses may be employed to make estimations about future events. Community analysis will assist in making conclusions about population- based health care needs, in assessing the functionality or effectiveness of the health care system, and in appropriately targeting limited resources. The aim of the present study was to describe the health service profile so that the arrangements and planning of health services as well as the contract negotiations of hospital care become easier within municipalities. Another aim was to assess the application of Hilmo (registry for posting hospital care periods), Aitta and Sotka (statistical databases) for the purposes of resource planning in the procurement of hospital care. A third aim was to evaluate how the system of the DRGs adapts in the prediction of retaining health services within short (1-year), intermediate (5-year) and long range (10-15-year) intervals. The findings indicated that the follow-up of primary health care utilisation combined with follow-up of hospital care utilisation allows municipalities to plan and predict health services when databases are applied. Information about the past contacts with the databases has indicated that the health care culture and incidence of disease change rather slowly in the area of investigation. For the purposes of health care research, it is recommended that methods of application used in making predictions about health care utilisation need to be further developed

Intelligent Internet Data Searching

In this thesis author approaches the problem of automated text classification, which is one of basic tasks for building Intelligent Internet Search Agent. The work discusses various approaches to solving sub-problems of automated text classification, such as feature extraction and machine learning on text sources. Author also describes her own multiword approach to feature extraction and pres-ents the results of testing this approach using linear discriminant analysis based classifier, and classifier combining unsupervised learning for etalon extraction with supervised learning using common backpropagation algorithm for multilevel perceptron.

Web Client for Smart Messaging Exchange

TeliaSoneran älykkään viestintäjärjestelmän kehitysluonnoksella (SME) pilotoidaan prototyyppipalveluita, joiden avulla asiakkaat voivat välittää viestejä matkapuhelimilla sekä tietokoneilla. SME:n peruspalveluita voidaan käyttää SIP-standardin mukaisilla asiakasohjelmilla sekä SME:n omilla WAP- ja WWW-käyttöliittymillä. Käyttäjät voivat nähdä toistensa tilatiedon, muuttaa omaa tilatietoaan sekä lähettää SIP-pikaviestejä, sähköpostiviestejä ja tekstiviestejä. Käyttäjät voivat myös ylläpitää listaa yhteyshenkilöistään, vastaanottaa pikaviestejä ja selata vastaanotettuja viestejä. Diplomityössä käsitellään yleisesti SME-järjestelmän rakennetta ja paneudutaan tutkimaan työssä toteutetun SME:n WWW-asiakasohjelman toteutusta. Diplomityössä käydään läpi projektiin liittyviä standardeja, suosituksia, toteustekniikoita sekä palveluita. Lisäksi tarkastellaan työssä hyödynnettyjä ohjelmointirajapintoja, nykyisiä älypuhelimia sekä niiden Internet-selaimia, jotka rajoittavat WWW-asiakaspalvelun toteutuksessa käytettyjä toteutustekniikkavaihtoehtoja. Lopuksi esitellään toteutettujen ohjelmistojen sisäistä rakennetta ja toimintaa.

Cost allocation of corporate IT-services

Cost allocation is an inescapable problem in nearly every organization and in nearly every facet of accounting. Within large corporations there are several different types of units, like profit-making business units and non-profit service units. In order to evaluate the performance of the business units and to fund the operations of service units, the expenses of service production need to be allocated to the business units benefiting from the services.The objective of this thesis was to find good and fair allocating factors for the costs of corporate wide IT services. In order to reach this objective, the cost allocation process was studied in general and an overview of cost structure was established. All possible cost driver candidates were mapped and their good and bad properties were weighed. The cost allocation problem was handled separately according to organizational division of corporate IT department: infrastructure, administrative systems, sales system and e-business. The emphasis was on two largest cost groups: infrastructure costs and sales system costs. As a result of the study an allocation model is presented. It contains categorization of the costs, selected cost drivers and cost distributions for the current year.

Voimalaitoskattilan pyörivän regeneratiivisen ilman esilämmittimen suorituskyky ja mitoitus

Diplomityön tarkoituksena oli kehittää laskentaohjelma pyörivälle regeneratiiviselle lämmönsiirtimelle. Työ tehtiin Foster Wheeler Energia Oy:n Varkauden toimipisteessä. Työn ensimmäisessä osuudessa tutkittiin kirjallisuuden avulla regeneraattoreihin liittyvää teoriaa. Tämä osuus sisältää regeneratiivisen lämmönsiirron perusteita, regeneraattoreiden luokittelua, sektorijakoja, vuotoja, lämpöpintojen geometriaa ja likaantumista. Soveltavassa osassa tehtiin laskentaohjelma, jonka avulla voidaan laskea pyörivän regeneraattorin mitoitus- ja suorituskykylaskuja. Lisäksi ohjelman avulla voidaan laskea regeneraattorin lämpötilaprofiili.

The Dynamic Customer Portfolio Method in Customer Relationship Management

Tutkielman tavoitteena on määritellä keskeiset ja sopivat asiakasportfoliomallit ja asiakasmatriisit asiakassuhteen määrittämiseen. Tutkimus keskittyy asiakassuhteen arvottamiseen ja avainasiakkaiden määrittämiseen kohdeyrityksessä. Keskeisimmät ja sopivimmat asiakasportfliomallit huomioidaan asiakkaiden arvioinnissa. Tutkielman teoriaosassa esitellään tunnetuimmat ja käytetyimmät asiakasportfoliomallit ja matriisit alan kirjallisuuden perusteella. Tämän lisäksi asiakasportfoliomalleihin yhdistetään näkökulmia suhdemarkkinoinnin, asiakkuuksien johtamisen ja tuoteportfolioiden teorioista. Keskeisimmät kirjallisuuden lähteet ovat johtamisen ja markkinoinnin alalta. Tutkielman empiriaosassa esitellään kohdeyritys ja sen tämän hetkinen asiakassuhteiden johtamiskäytäntö. Lisäksi tehdään parannusehdotuksia kohdeyrityksen nykyiseen asiakassuhteiden arvottamismenetelmään jotta asiakassuhteiden arvon laskeminen vastaisi mahdollisimman hyvin kohdeyrityksen nykyisiä tarpeita. Asiakassuhteen arvon määrittämiseksi käytetään myös fokusryhmähaastattelua. Avainasiakkaat määritellään ja tilannetta havainnollistetaan sijoittamalla avainasiakkaat asiakasportfolioon.

MRO-tuotteiden hankintaprosessin tehostaminen toimittajayhteistyön avulla

Tutkimuksen tavoitteena oli selvittää MRO-tuotteiden hankinnassa käytettäviä liiketoimintasuhdemuotoja sekä huomioitavia asioita siirryttäessä kohti yhteistyötä toimittajan kanssa. Tutkimus toteutettiin kvalitatiivisena case-tutkimuksena, jossa aineiston kokoaminen pohjautui haastatteluihin, sisäisiin dokumentaatioihin sekä osallistuvaan havainnointiin. Analysointi tapahtui teoreettisen tuoteluokittelun pohjalta sekä luokitteluryhmien tarkastelulla käytännössä. Tutkimuksen keskeisimpänä tuloksena on havainto yhteistyösuhteiden käytön lisääntymisestä vakiotuotteiden hankinnassa. Tämä johtuu pyrkimyksestä suorittaa ko. tuotteiden hankinta mahdollisimman vähin resurssein, jolloin hankintojen huomio voidaan keskittää kriittisempiin tuotteisiin. MRO-tuotteissa käytettäviä yleisimpiä liiketoimintasuhteita ovat kilpailutus sekä vuosi- ja puitesopimukset. Ylläpitosopimukset ja kumppanuus-suhteet ovat mahdollisia, kun tuotteiden strateginen merkitys nousee merkittäväksi ja osapuolten välillä vallitsee korkea luottamus.

New kernel functions and learning methods for text and data mining

Recent advances in machine learning methods enable increasingly the automatic construction of various types of computer assisted methods that have been difficult or laborious to program by human experts. The tasks for which this kind of tools are needed arise in many areas, here especially in the fields of bioinformatics and natural language processing. The machine learning methods may not work satisfactorily if they are not appropriately tailored to the task in question. However, their learning performance can often be improved by taking advantage of deeper insight of the application domain or the learning problem at hand. This thesis considers developing kernel-based learning algorithms incorporating this kind of prior knowledge of the task in question in an advantageous way. Moreover, computationally efficient algorithms for training the learning machines for specific tasks are presented. In the context of kernel-based learning methods, the incorporation of prior knowledge is often done by designing appropriate kernel functions. Another well-known way is to develop cost functions that fit to the task under consideration. For disambiguation tasks in natural language, we develop kernel functions that take account of the positional information and the mutual similarities of words. It is shown that the use of this information significantly improves the disambiguation performance of the learning machine. Further, we design a new cost function that is better suitable for the task of information retrieval and for more general ranking problems than the cost functions designed for regression and classification. We also consider other applications of the kernel-based learning algorithms such as text categorization, and pattern recognition in differential display. We develop computationally efficient algorithms for training the considered learning machines with the proposed kernel functions. We also design a fast cross-validation algorithm for regularized least-squares type of learning algorithm. Further, an efficient version of the regularized least-squares algorithm that can be used together with the new cost function for preference learning and ranking tasks is proposed. In summary, we demonstrate that the incorporation of prior knowledge is possible and beneficial, and novel advanced kernels and cost functions can be used in algorithms efficiently.