Similarity measure based classification

Luokittelujärjestelmää suunniteltaessa tarkoituksena on rakentaa systeemi, joka pystyy ratkaisemaan mahdollisimman tarkasti tutkittavan ongelma-alueen. Hahmontunnistuksessa tunnistusjärjestelmän ydin on luokitin. Luokittelun sovellusaluekenttä on varsin laaja. Luokitinta tarvitaan mm. hahmontunnistusjärjestelmissä, joista kuvankäsittely toimii hyvänä esimerkkinä. Myös lääketieteen parissa tarkkaa luokittelua tarvitaan paljon. Esimerkiksi potilaan oireiden diagnosointiin tarvitaan luokitin, joka pystyy mittaustuloksista päättelemään mahdollisimman tarkasti, onko potilaalla kyseinen oire vai ei. Väitöskirjassa on tehty similaarisuusmittoihin perustuva luokitin ja sen toimintaa on tarkasteltu mm. lääketieteen paristatulevilla data-aineistoilla, joissa luokittelutehtävänä on tunnistaa potilaan oireen laatu. Väitöskirjassa esitetyn luokittimen etuna on sen yksinkertainen rakenne, josta johtuen se on helppo tehdä sekä ymmärtää. Toinen etu on luokittimentarkkuus. Luokitin saadaan luokittelemaan useita eri ongelmia hyvin tarkasti. Tämä on tärkeää varsinkin lääketieteen parissa, missä jo pieni tarkkuuden parannus luokittelutuloksessa on erittäin tärkeää. Väitöskirjassa ontutkittu useita eri mittoja, joilla voidaan mitata samankaltaisuutta. Mitoille löytyy myös useita parametreja, joille voidaan etsiä juuri kyseiseen luokitteluongelmaan sopivat arvot. Tämä parametrien optimointi ongelma-alueeseen sopivaksi voidaan suorittaa mm. evoluutionääri- algoritmeja käyttäen. Kyseisessä työssä tähän on käytetty geneettistä algoritmia ja differentiaali-evoluutioalgoritmia. Luokittimen etuna on sen joustavuus. Ongelma-alueelle on helppo vaihtaa similaarisuusmitta, jos kyseinen mitta ei ole sopiva tutkittavaan ongelma-alueeseen. Myös eri mittojen parametrien optimointi voi parantaa tuloksia huomattavasti. Kun käytetään eri esikäsittelymenetelmiä ennen luokittelua, tuloksia pystytään parantamaan.

Financier’s credit risk: A Performance-Based Classification Model

The purpose of this study is to view credit risk from the financier’s point of view in a theoretical framework. Results and aspects of the previous studies regarding measuring credit risk with accounting based scoring models are also examined. The theoretical framework and previous studies are then used to support the empirical analysis which aims to develop a credit risk measure for a bank’s internal use or a risk management tool for a company to indicate its credit risk to the financier. The study covers a sample of Finnish companies from 12 different industries and four different company categories and employs their accounting information from 2004 to 2008. The empirical analysis consists of six stage methodology process which uses measures of profitability, liquidity, capital structure and cash flow to determine financier’s credit risk, define five significant risk classes and produce risk classification model. The study is confidential until 15.10.2012.

Differential evolution based classification with pool of distances and aggregation operators

The objective of this thesis is to develop and generalize further the differential evolution based data classification method. For many years, evolutionary algorithms have been successfully applied to many classification tasks. Evolution algorithms are population based, stochastic search algorithms that mimic natural selection and genetics. Differential evolution is an evolutionary algorithm that has gained popularity because of its simplicity and good observed performance. In this thesis a differential evolution classifier with pool of distances is proposed, demonstrated and initially evaluated. The differential evolution classifier is a nearest prototype vector based classifier that applies a global optimization algorithm, differential evolution, to determine the optimal values for all free parameters of the classifier model during the training phase of the classifier. The differential evolution classifier applies the individually optimized distance measure for each new data set to be classified is generalized to cover a pool of distances. Instead of optimizing a single distance measure for the given data set, the selection of the optimal distance measure from a predefined pool of alternative measures is attempted systematically and automatically. Furthermore, instead of only selecting the optimal distance measure from a set of alternatives, an attempt is made to optimize the values of the possible control parameters related with the selected distance measure. Specifically, a pool of alternative distance measures is first created and then the differential evolution algorithm is applied to select the optimal distance measure that yields the highest classification accuracy with the current data. After determining the optimal distance measures for the given data set together with their optimal parameters, all determined distance measures are aggregated to form a single total distance measure. The total distance measure is applied to the final classification decisions. The actual classification process is still based on the nearest prototype vector principle; a sample belongs to the class represented by the nearest prototype vector when measured with the optimized total distance measure. During the training process the differential evolution algorithm determines the optimal class vectors, selects optimal distance metrics, and determines the optimal values for the free parameters of each selected distance measure. The results obtained with the above method confirm that the choice of distance measure is one of the most crucial factors for obtaining higher classification accuracy. The results also demonstrate that it is possible to build a classifier that is able to select the optimal distance measure for the given data set automatically and systematically. After finding optimal distance measures together with optimal parameters from the particular distance measure results are then aggregated to form a total distance, which will be used to form the deviation between the class vectors and samples and thus classify the samples. This thesis also discusses two types of aggregation operators, namely, ordered weighted averaging (OWA) based multi-distances and generalized ordered weighted averaging (GOWA). These aggregation operators were applied in this work to the aggregation of the normalized distance values. The results demonstrate that a proper combination of aggregation operator and weight generation scheme play an important role in obtaining good classification accuracy. The main outcomes of the work are the six new generalized versions of previous method called differential evolution classifier. All these DE classifier demonstrated good results in the classification tasks.

Reconstruction of 3D Planar Objects with Partial Occlusion

Kolmiulotteisten kappaleiden rekonstruktio on yksi konenäön haastavimmista ongelmista, koska kappaleiden kolmiulotteisia etäisyyksiä ei voida selvittää yhdestä kaksiulotteisesta kuvasta. Ongelma voidaan ratkaista stereonäön avulla, jossa näkymän kolmiulotteinen rakenne päätellään usean kuvan perusteella. Tämä lähestymistapa mahdollistaa kuitenkin vain rekonstruktion niille kappaleiden osille, jotka näkyvät vähintään kahdessa kuvassa. Piilossa olevien osien rekonstruktio ei ole mahdollista pelkästään stereonäön avulla. Tässä työssä on kehitetty uusi menetelmä osittain piilossa olevien kolmiulotteisten tasomaisten kappaleiden rekonstruktioon. Menetelmän avulla voidaan selvittää hyvällä tarkkuudella tasomaisista pinnoista koostuvan kappaleen muoto ja paikka käyttäen kahta kuvaa kappaleesta. Menetelmä perustuu epipolaarigeometriaan, jonka avulla selvitetään molemmissa kuvissa näkyvät kappaleiden osat. Osittain piilossa olevien piirteiden rekonstruointi suoritetaan käyttämäen stereonäköä sekä tietoa kappaleen rakenteesta. Esitettyä ratkaisua voitaisiin käyttää esimerkiksi kolmiulotteisten kappaleiden visualisointiin, robotin navigointiin tai esineentunnistukseen.

Hypermarket-ketjun energiatehokkuuden tunnusluvut

Päivittäistavarakaupassa energiankulutus on kohtuullisen suurta. Etenkin kylmälaitteet, ilmanvaihto ja valaistus kuluttavat paljon sähköä. Kaupan alalla on viime vuosina tehty paljon energiansäästötoimenpiteitä, joiden ansiosta myymälöiden energiatehokkuutta on saatu merkittävästi parannettua. Yksi tärkeimmistä toimenpiteistä on lämmön talteenotto, jolla lämmönkulutusta on saatu pienennettyä. Tässä opinnäytetyössä on selvitetty kahdenkymmenen ympäri Suomea sijaitsevan Prisma-hypermarketin energiatehokkuus. Sähkön- ja lämmön sekä veden kulutusta on arvioitu suhteessa rakennusvuoteen, pinta-alaan, rakennuksen tilavuuteen, lämmitystarvelukuun, kylmätehoon sekä myyntiin. Työssä on hyödynnetty internet-pohjaista Promise-luokitustyökalua.

Molecular profiling of human endometrium and endometriosis

Endometriosis is a common hormone-dependent gynecological disease leading to severe menstrual and/or chronic pelvic pain with or without subfertility. The disease is defined by the presence of endometrium-like tissue outside the uterine cavity, primarily on the pelvic peritoneum, ovaries and infiltrating organs of the peritoneal cavity. The current tools for diagnosis and treatment of endometriosis need to be improved to ensure reliable diagnosis and effective treatment. In addition, endometriosis is associated with increased risk of ovarian cancer and, therefore, the differential diagnosis between the benign and malignant ovarian cysts is of importance. The long-term objective of the present study was to support the discovery of novel tools for diagnosis and treatment of endometriosis. This was approached by exploiting genome-wide expression analysis of endometriosis specimens. A novel expression profiling -based classification of endometriosis indicated specific subgroups of lesions partially consistent with the clinical appearance, but partially according to unknown factors. The peritoneum of women with endometriosis appeared to be altered in comparison to that of healthy control subjects, suggesting a novel aspect on the pathogenesis of the disease. The evaluation of action and metabolism of sex hormones in endometrium and endometriosis tissue indicated a novel role of androgens in regulation of the tissues. In addition, an enzyme involved in androgen and neurosteroid metabolism, hydroxysteroid (17beta) dehydrogenase 6, was found to be highly up-regulated in endometriosis tissue as compared to healthy endometrium. The enzyme may have a role in the pathogenesis of endometriosis or in the endometriosis associated pain generation. Finally, a new diagnostic biomarker, HE4, was discovered distinguishing patients with ovarian endometriotic cysts from those with malignant ovarian cancer. The information acquired in this study enables deeper understanding of endometriosis and facilitates the development of improved diagnostic tools and more specific treatments of the disease

Julkisten kansallisten palveluhankintojen tarjouspyyntöjen laatimisen ongelmakohdat

Viime vuosien aikana palveluhankintojen suhteellinen osuus kaikista toteutetuista julkisista hankinnoista on kasvanut Suomessa huomattavasti. Samalla markkinaoikeudessa on käsitelty vuosittain suuri määrä erilaisiin julkisiin hankinta-asioihin liittyviä valituksia. Merkittävä valitusten määrä on seurausta siitä, että julkisissa hankintaprosesseissa tehdään paljon virheitä. Tarjouspyynnön laatiminen on tärkeä hankintaprosessin vaihe, johon hankintayksiköissä tulisi kalliit markkinaoikeuskäsittelyt välttääkseen riittävästi panostaa. Tämän tutkielman tavoitteena oli selvittää, mitkä asiat palveluhankintojen tarjouspyyntöjen laatimisessa tuottavat hankintayksiköille ongelmia. Lisäksi tarkoituksena oli pohtia sekä itse palvelun hankkijaan että julkisten hankintojen lainsäädäntöön liittyviä tekijöitä, joista ongelmat palveluhankintojen tarjouspyyntöjen laatimisessa mahdollisesti johtuvat. Tutkimuksessa tutkimuskohteena olivat 24 markkinaoikeuden vuosina 2012–2014 antamaa hankinta-asioiden ratkaisua, ja tutkimus toteutettiin kvalitatiivisena tutkimuksena tutkimusaineistoa kategorisoimalla ja yhdenmukaistamalla. Tutkielmassa havaittiin, että merkittävin kompastuskivi kansallisten palveluhankintojen tarjouspyyntöjen laatimisessa on tarjouksen vertailuperusteiden asettaminen. Erityisesti laadun vertailuperusteiden tulkinnanvarainen ja epäselvä esittäminen oli yleistä, ja lisäksi merkittävä määrä virheitä tehtiin sekoittamalla tarjoajan soveltuvuusvaatimukset vertailuperusteisiin. Joitakin virheitä tehtiin myös vertailuperusteiden tärkeysjärjestyksen ja suhteellisen painotuksen asettamisessa sekä hankinnan kohteen määrittelyssä. Tutkimustulosten perusteella pääteltiin, että kansallisten palveluhankintojen tarjouspyyntöjen laatimisen ongelmissa on suurimmassa osin kyse hankintayksikön vähäisistä resursseista ja siten heikosta hankintojen suunnittelusta sekä hankintayksiköiden ammattitaidon ja kokemuksen puutteista. Lisäksi joitakin esiintyneitä virheitä voidaan ainakin jossain määrin perustella hankintalainsäädännön monimutkaisuudella ja tulkinnanvaraisuudella.

Classification-Based compression of Multispectral Images

The purpose of this thesis is to present a new approach to the lossy compression of multispectral images. Proposed algorithm is based on combination of quantization and clustering. Clustering was investigated for compression of the spatial dimension and the vector quantization was applied for spectral dimension compression. Presenting algo¬rithms proposes to compress multispectral images in two stages. During the first stage we define the classes' etalons, another words to each uniform areas are located inside the image the number of class is given. And if there are the pixels are not yet assigned to some of the clusters then it doing during the second; pass and assign to the closest eta¬lons. Finally a compressed image is represented with a flat index image pointing to a codebook with etalons. The decompression stage is instant too. The proposed method described in this paper has been tested on different satellite multispectral images from different resources. The numerical results and illustrative examples of the method are represented too.

Generative Part-Based Gabor Object Detector

Object detection is a fundamental task of computer vision that is utilized as a core part in a number of industrial and scientific applications, for example, in robotics, where objects need to be correctly detected and localized prior to being grasped and manipulated. Existing object detectors vary in (i) the amount of supervision they need for training, (ii) the type of a learning method adopted (generative or discriminative) and (iii) the amount of spatial information used in the object model (model-free, using no spatial information in the object model, or model-based, with the explicit spatial model of an object). Although some existing methods report good performance in the detection of certain objects, the results tend to be application specific and no universal method has been found that clearly outperforms all others in all areas. This work proposes a novel generative part-based object detector. The generative learning procedure of the developed method allows learning from positive examples only. The detector is based on finding semantically meaningful parts of the object (i.e. a part detector) that can provide additional information to object location, for example, pose. The object class model, i.e. the appearance of the object parts and their spatial variance, constellation, is explicitly modelled in a fully probabilistic manner. The appearance is based on bio-inspired complex-valued Gabor features that are transformed to part probabilities by an unsupervised Gaussian Mixture Model (GMM). The proposed novel randomized GMM enables learning from only a few training examples. The probabilistic spatial model of the part configurations is constructed with a mixture of 2D Gaussians. The appearance of the parts of the object is learned in an object canonical space that removes geometric variations from the part appearance model. Robustness to pose variations is achieved by object pose quantization, which is more efficient than previously used scale and orientation shifts in the Gabor feature space. Performance of the resulting generative object detector is characterized by high recall with low precision, i.e. the generative detector produces large number of false positive detections. Thus a discriminative classifier is used to prune false positive candidate detections produced by the generative detector improving its precision while keeping high recall. Using only a small number of positive examples, the developed object detector performs comparably to state-of-the-art discriminative methods.

Turvallisuustoimintojen käyttö ydinvoimalaitoksilla

Tässä diplomityössä tarkastellaan turvallisuustoiminto-käsitteen määrittelyä ja käyttöä osana ydinvoimalaitosten turvallisuuden varmistamista. Työssä kuvataan paine- ja kiehutusvesilaitosten toiminnan yleispiirteet, sekä Teollisuuden Voima Oy:n (TVO) laitosten Olkiluoto 1 & 2 sekä Olkiluoto 3 tarkempi turvallisuustoiminta turvallisuusjärjestelmien ja -automaation osalta. Työssä esitellään eräs tapa määrittää turvallisuustoimintoja. Malli perustuu hierarkkiseen rakenteeseen, jossa ylimpänä ovat laitostason turvallisuustoiminnot ja alimpana turvallisuustoimintoihin osallistuvien laitteiden ja niiden osien toiminnot. Turvallisuustoimintoja on mahdollista käyttää ydinvoimalaitoksen turvallisuusluokituksen tekemiseen ja perustelemiseen. Turvallisuustoiminto kertoo suoraan luokiteltavan kohteen turvallisuusmerkityksen. Kohteen turvallisuusmerkityksen selvittäminen, eli liittäminen turvallisuustoimintoon, voi olla vaikeaa. Turvallisuustoimintoja on myös mahdollista käyttää laitoksen turvallisuusautomaation riittävän varmistamisen (mm. redundanttisuus, diversiteetti ja erotus) osoittamiseen erityisesti ohjelmoitavan automaation yhteydessä. Turvallisuustoimintoja voidaan hyödyntää laitoksen hätätilanneohjeiden kehittämisessä ja myös laitoksenmuun turvallisuusdokumentaation selkeyttämisessä. Työn tuloksena kehitettiin käyville laitoksille (OL1 & 2) aikaisempaa kattavammat turvallisuustoiminnot. Lisäksi tarkasteltiin rakenteilla olevalle laitokselle (OL3) määriteltyjä turvallisuustoimintoja.

The Reflections of Strategic Orientation on profitability - A resource-based study in pulp and paper industry

Tutkielman tavoitteena oli analysoida erilaisia strategisia orientaatioita sellu- ja paperiteollisuudessa. Sellu- ja paperiteollisuus on kohtaamassa strategisia haasteita, jotka ulottuvat syvälle sen rakenteisiin. Yritykset ovat valinneet erilaisia lähestymistapoja organisoidessaan tuotantoa ja kansainvälistä arvoketjuaan tässä muuttuvassa ympäristössä. Tutkimukseen valittiin 30 suurinta sellu- ja paperiteollisuudessa toimivaa yritystä ja mahdollisia syitä kannattavuuseroihin yritysten välillä analysoitiin. Yritysten strategista orientaatiota tarkasteltiin vertailemalla muun muassa seuraavia tekijöitä: vertikaalinen integraatioaste, tuotevalikoiman laajuus, tuotantokapasiteetin levinneisyys ja tuotantokapasiteetin ikä. Kannattavuutta mitattiin erilaisilla talouden tunnusluvuilla (liikevoitto, oman pääoman tuotto-%, koko pääoman tuotto-%). Tulosten mukaan yrityksiä voidaan ryhmitellä strategisen orientaation perusteella ja ryhmien välillä on kannattavuuseroja.

Local and Global Feature Extraction for Invariant Object Recognition

Perceiving the world visually is a basic act for humans, but for computers it is still an unsolved problem. The variability present innatural environments is an obstacle for effective computer vision. The goal of invariant object recognition is to recognise objects in a digital image despite variations in, for example, pose, lighting or occlusion. In this study, invariant object recognition is considered from the viewpoint of feature extraction. Thedifferences between local and global features are studied with emphasis on Hough transform and Gabor filtering based feature extraction. The methods are examined with respect to four capabilities: generality, invariance, stability, and efficiency. Invariant features are presented using both Hough transform and Gabor filtering. A modified Hough transform technique is also presented where the distortion tolerance is increased by incorporating local information. In addition, methods for decreasing the computational costs of the Hough transform employing parallel processing and local information are introduced.

Object-oriented development of client / server application: case study of service control software

Tässä työssä on esitetty sen ohjelmiston kehittämisen prosessi, joka on tarkoitettu annettavien palveluiden valvottavaksi käyttäen prototyyppimallia. Raportti sisältää vaatimusten, kohteisiin suunnatun analyysin ja suunnittelun, realisointiprosessien kuvauksen ja prototyypin testauksen. Ohjelmiston käyttöala – antavien palveluiden valvonta. Vaatimukset sovellukselle analysoitiin ohjelmistomarkkinoiden perusteella sekä ohjelmiston engineeringin periaatteiden mukaisesti. Ohjelmiston prototyyppi on realisoitu käyttäen asiakas-/palvelinhybridimallia sekä ralaatiokantaa. Kehitetty ohjelmisto on tarkoitettu venäläisille tietokonekerhoille, jotka erikoistuvat pelipalvelinten antamiseen.

Object-Oriented Modelling of Multilayer Networks

Tämä diplomityökuuluu tietoliikenneverkkojen suunnittelun tutkimukseen ja pohjimmiltaan kohdistuu verkon mallintamiseen. Tietoliikenneverkkojen suunnittelu on monimutkainen ja vaativa ongelma, joka sisältää mutkikkaita ja aikaa vieviä tehtäviä. Tämä diplomityö esittelee ”monikerroksisen verkkomallin”, jonka tarkoitus on auttaa verkon suunnittelijoita selviytymään ongelmien monimutkaisuudesta ja vähentää verkkojen suunnitteluun kuluvaa aikaa. Monikerroksinen verkkomalli perustuu yleisille objekteille, jotka ovat yhteisiä kaikille tietoliikenneverkoille. Tämä tekee mallista soveltuvan mielivaltaisille verkoille, välittämättä verkkokohtaisista ominaisuuksista tai verkon toteutuksessa käytetyistä teknologioista. Malli määrittelee tarkan terminologian ja käyttää kolmea käsitettä: verkon jakaminen tasoihin (plane separation), kerrosten muodostaminen (layering) ja osittaminen (partitioning). Nämä käsitteet kuvataan yksityiskohtaisesti tässä työssä. Monikerroksisen verkkomallin sisäinen rakenne ja toiminnallisuus ovat määritelty käyttäen Unified Modelling Language (UML) -notaatiota. Tämä työ esittelee mallin use case- , paketti- ja luokkakaaviot. Diplomityö esittelee myös tulokset, jotka on saatu vertailemalla monikerroksista verkkomallia muihin verkkomalleihin. Tulokset osoittavat, että monikerroksisella verkkomallilla on etuja muihin malleihin verrattuna.

Classification and inventory management of abnormal demand items

The main objective of the study is to form a framework that provides tools to recognise and classify items whose demand is not smooth but varies highly on size and/or frequency. The framework will then be combined with two other classification methods in order to form a three-dimensional classification model. Forecasting and inventory control of these abnormal demand items is difficult. Therefore another object of this study is to find out which statistical forecasting method is most suitable for forecasting of abnormal demand items. The accuracy of different methods is measured by comparing the forecast to the actual demand. Moreover, the study also aims at finding proper alternatives to the inventory control of abnormal demand items. The study is quantitative and the methodology is a case study. The research methods consist of theory, numerical data, current state analysis and testing of the framework in case company. The results of the study show that the framework makes it possible to recognise and classify the abnormal demand items. It is also noticed that the inventory performance of abnormal demand items differs significantly from the performance of smoothly demanded items. This makes the recognition of abnormal demand items very important.