Feature selection using Fuzzy Entropy measures with Yu's Similarity measure

In this study, feature selection in classification based problems is highlighted. The role of feature selection methods is to select important features by discarding redundant and irrelevant features in the data set, we investigated this case by using fuzzy entropy measures. We developed fuzzy entropy based feature selection method using Yu's similarity and test this using similarity classifier. As the similarity classifier we used Yu's similarity, we tested our similarity on the real world data set which is dermatological data set. By performing feature selection based on fuzzy entropy measures before classification on our data set the empirical results were very promising, the highest classification accuracy of 98.83% was achieved when testing our similarity measure to the data set. The achieved results were then compared with some other results previously obtained using different similarity classifiers, the obtained results show better accuracy than the one achieved before. The used methods helped to reduce the dimensionality of the used data set, to speed up the computation time of a learning algorithm and therefore have simplified the classification task

Scalable Feature Selection Applications for Genome-Wide Association Studies of Complex Diseases

Personalized medicine will revolutionize our capabilities to combat disease. Working toward this goal, a fundamental task is the deciphering of geneticvariants that are predictive of complex diseases. Modern studies, in the formof genome-wide association studies (GWAS) have afforded researchers with the opportunity to reveal new genotype-phenotype relationships through the extensive scanning of genetic variants. These studies typically contain over half a million genetic features for thousands of individuals. Examining this with methods other than univariate statistics is a challenging task requiring advanced algorithms that are scalable to the genome-wide level. In the future, next-generation sequencing studies (NGS) will contain an even larger number of common and rare variants. Machine learning-based feature selection algorithms have been shown to have the ability to effectively create predictive models for various genotype-phenotype relationships. This work explores the problem of selecting genetic variant subsets that are the most predictive of complex disease phenotypes through various feature selection methodologies, including filter, wrapper and embedded algorithms. The examined machine learning algorithms were demonstrated to not only be effective at predicting the disease phenotypes, but also doing so efficiently through the use of computational shortcuts. While much of the work was able to be run on high-end desktops, some work was further extended so that it could be implemented on parallel computers helping to assure that they will also scale to the NGS data sets. Further, these studies analyzed the relationships between various feature selection methods and demonstrated the need for careful testing when selecting an algorithm. It was shown that there is no universally optimal algorithm for variant selection in GWAS, but rather methodologies need to be selected based on the desired outcome, such as the number of features to be included in the prediction model. It was also demonstrated that without proper model validation, for example using nested cross-validation, the models can result in overly-optimistic prediction accuracies and decreased generalization ability. It is through the implementation and application of machine learning methods that one can extract predictive genotype–phenotype relationships and biological insights from genetic data sets.

Finnish embryo transfer breeding program "ASMO" : description of the goals and a summary of the results of initial selection

Selostus: Alkionsiirtojalostusohjelma "ASMO", sen tavoitteet ja yhteenveto alkuvalinnan tuloksista

Selection of Salix myrsinifolia clones for biomass forestry in Finland

Summary

Task Support in Scenario Process: Case LUT 2016

This thesis attempts to find whether scenario planning supports the organizational strategy as a method for addressing uncertainty. The main issues are why, what and how scenario planning fits in organizational strategy and how the process could be supported to make it more effective. The study follows the constructive approach. It starts with examination of competitive advantage and the way that an organization develops strategy and how it addresses the uncertainty in its operational environment. Based on the conducted literature review, scenario methods would seem to provide versatile platform for addressing future uncertainties. The construction is formed by examining the scenario methods and presenting suitable support methods, which results in forming of the theoretical proposition for supporter scenario process. The theoretical framework is tested in laboratory conditions, and the results from the test sessions are used a basis for scenario stories. The process of forming the scenarios and the results are illustrated and presented for scrutiny

Market Area Selection of aSawmill Machinery Manufacturer

Tämän diplomityön tavoitteena on kartoittaa suomalaisen sahakonevalmistaja Veisto Oy:n kannalta lähitulevaisuuden merkittävimmät markkina-alueet, joiden sahateollisuuteen tehdään lähivuosina eniten korkean teknologian investointeja. Markkina-alueiden valinnassa sovelletaan sekä numeerisiin tilastoihin että asiantuntijahaastatteluihin pohjautuvia ranking-menetelmiä. Työn ensimmäinen osa käsittelee kansainvälisten teollisten markkinoiden ominaispiirteitä ja niiden analysointia. Pääpaino on kuitenkin screening-menetelmillä, markkina-alueiden vertailumenetelmilläja päätöksenteon työkaluilla. Työn toisessa osassa keskitytään markkina-alueiden screeningiin, analysointiin ja maiden eri ominaisuuksien vertailuun. Päätöksentekomatriiseja hyödyntäen valitaan Veisto Oy:lle kolme tällä hetkellä houkuttelevinta markkina-aluetta, joita ovat Venäjä, USA:n kaakkoisosan Southern Yellow Pine -alue sekä Etelä-Amerikan suurimmat sahaajamaat (Brasilia, Argentiina ja Chile) yhtenä alueena. Valituilla alueilla on Veiston kannalta omat haasteensa: USA:ssa vahvat kotimaiset kilpailijat ja uusien referenssien saaminen, Venäjällä investointien epävarmuus ja markkina-alueen laajuuden tuoma monimuotoisuus sekä Etelä-Amerikassa vahvat ruotsalaiset kilpailijat sekä etenkin Brasilian osalta tuntuvat suojatullit.

Guidelines for supplier selection and performance evaluation in the case-company

Tutkielmantavoitteena oli luoda ohjeistus toimittajan valinnasta ja suorituskyvyn arvioinnista case - yrityksen, Exel Oyj:n, käyttöön. Ohjeistuksen tarkoituksena oli ollalähtökohtana toimittajan valinta- ja suoristuskyvyn arviointiprosessien kehittämisessä. Tutkielma keskittyy esittelemään toimittajan valintakriteereitä ja toimittajan suorituskyvyn arviointikriteereitä. Kriteerit valittiin ja analysoitiin teorian ja empirian avulla ja kriteereistä tehtiin selkeät listaukset. Näitä listoja käytettiin avuksi pohdittaessa uusia valintakriteereitä ja suorituskyvyn arviointikriteereitä, joita case -yritys voi jatkossa käyttää. Tutkielmassa käytiin läpi myös toimittajan valintaprosessi jaapuvälineitä ja mittareita toimittajan arviointiin liittyen. Empiirisen aineiston keruu toteutettiin haastattelemalla hankintapäällikköä sekä keräämällä tietoavuosikertomuksesta ja yrityksen internet sivuilta. Tutkielman tuloksena saatiinlistauksia kriteereistä, joita yritys voi hyödyntää jatkossa sekä listaukset kriteereistä, jotka valittiin alustavasti yrityksen käyttöön.

Technology selection and group decision support systems: Case studies on supporting strategic technology selection processes

The objective of the dissertation is to increase understanding and knowledge in the field where group decision support system (GDSS) and technology selection research overlap in the strategic sense. The purpose is to develop pragmatic, unique and competent management practices and processes for strategic technology assessment and selection from the whole company's point of view. The combination of the GDSS and technology selection is approached from the points of view of the core competence concept, the lead user -method, and different technology types. In this research the aim is to find out how the GDSS contributes to the technology selection process, what aspects should be considered when selecting technologies to be developed or acquired, and what advantages and restrictions the GDSS has in the selection processes. These research objectives are discussed on the basis of experiences and findings in real life selection meetings. The research has been mainly carried outwith constructive, case study research methods. The study contributes novel ideas to the present knowledge and prior literature on the GDSS and technology selection arena. Academic and pragmatic research has been conducted in four areas: 1) the potential benefits of the group support system with the lead user -method,where the need assessment process is positioned as information gathering for the selection of wireless technology development projects; 2) integrated technology selection and core competencies management processes both in theory and in practice; 3) potential benefits of the group decision support system in the technology selection processes of different technology types; and 4) linkages between technology selection and R&D project selection in innovative product development networks. New type of knowledge and understanding has been created on the practical utilization of the GDSS in technology selection decisions. The study demonstrates that technology selection requires close cooperation between differentdepartments, functions, and strategic business units in order to gather the best knowledge for the decision making. The GDSS is proved to be an effective way to promote communication and co-operation between the selectors. The constructs developed in this study have been tested in many industry fields, for example in information and communication, forest, telecommunication, metal, software, and miscellaneous industries, as well as in non-profit organizations. The pragmatic results in these organizations are some of the most relevant proofs that confirm the scientific contribution of the study, according to the principles of the constructive research approach.

Artificially Intelligent and Adaptive Methods for Prediction and Analysis of Superheater Fireside Corrosion in Fluidized Bed Boilers

Superheater corrosion causes vast annual losses for the power companies. With a reliable corrosion prediction method, the plants can be designed accordingly, and knowledge of fuel selection and determination of process conditions may be utilized to minimize superheater corrosion. Growing interest to use recycled fuels creates additional demands for the prediction of corrosion potential. Models depending on corrosion theories will fail, if relations between the inputs and the output are poorly known. A prediction model based on fuzzy logic and an artificial neural network is able to improve its performance as the amount of data increases. The corrosion rate of a superheater material can most reliably be detected with a test done in a test combustor or in a commercial boiler. The steel samples can be located in a special, temperature-controlled probe, and exposed to the corrosive environment for a desired time. These tests give information about the average corrosion potential in that environment. Samples may also be cut from superheaters during shutdowns. The analysis ofsamples taken from probes or superheaters after exposure to corrosive environment is a demanding task: if the corrosive contaminants can be reliably analyzed, the corrosion chemistry can be determined, and an estimate of the material lifetime can be given. In cases where the reason for corrosion is not clear, the determination of the corrosion chemistry and the lifetime estimation is more demanding. In order to provide a laboratory tool for the analysis and prediction, a newapproach was chosen. During this study, the following tools were generated: · Amodel for the prediction of superheater fireside corrosion, based on fuzzy logic and an artificial neural network, build upon a corrosion database developed offuel and bed material analyses, and measured corrosion data. The developed model predicts superheater corrosion with high accuracy at the early stages of a project. · An adaptive corrosion analysis tool based on image analysis, constructedas an expert system. This system utilizes implementation of user-defined algorithms, which allows the development of an artificially intelligent system for thetask. According to the results of the analyses, several new rules were developed for the determination of the degree and type of corrosion. By combining these two tools, a user-friendly expert system for the prediction and analyses of superheater fireside corrosion was developed. This tool may also be used for the minimization of corrosion risks by the design of fluidized bed boilers.

Discovering New Markets for an Industrial Product – International Market Selection Approach

Tämän tutkielman tavoitteena oli määrittää uuden markkinan valinnan perusteita teolliselle tuotteelle. Tutkielma keskittyi jo tunnettuihin kansainvälisen markkinavalinnan lähestymistapoihin ja pyrki soveltamaan yhtä menetelmää käytäntöön tutkielman empiria osassa case-tutkimuksen avulla. Tutkimusote oli tutkiva, eksploratiivinen ja perustui sekundääri analyysiin. Käytetyt tiedon lähteet olivat suureksi osin sekundäärisiä tuottaen kvalitatiivista tietoa. Kuitenkin haastatteluita suoritettiin myös. Kattava kirjallisuus katsaus tunnetuista teoreettisista lähestymistavoista kansainväliseen markkinavalintaan oli osa tutkielmaa. Kolme tärkeintä lähestymistapaa esiteltiin tarkemmin. Yksi lähestymistavoista, ei-järjestelmällinen, muodosti viitekehyksen tutkielman empiria-osalle. Empiria pyrki soveltamaan yhtä ei-järjestelmällisen lähestymistavan malleista kansainvälisessä paperiteollisuudessa. Tarkoituksena oli tunnistaa kaikkein houkuttelevimmat maat mahdollisille markkinointitoimenpiteille tuotteen yhdellä loppukäyttöalueella. Tutkielmassa päädyttiin käyttämään ilmastollisia olosuhteita, siipikarjan päälukua sekä siipikarjan kasvuprosenttia suodattimina pyrittäessä vähentämään mahdollisten maiden lukumäärää. Tutkielman empiria-osa kärsi selkeästi relevantin tiedon puutteesta. Siten myös tutkielman reliabiliteetti ja validiteetti voidaan jossain määrin kyseenalaistaa.

On-line –jatkojalostuksen integrointi mäntysahan tuotantoprosessiin

Diplomityön tavoitteena oli selvittää erilaisia jatkojalostusmahdollisuuksia, joilla voidaan nostaa suuren mäntysahan tuotteiston arvoa. Lisäksi tuli tarkastella jalostuksen integrointia sahan tuotantoprosessiin. Työn taustalla on toisaalta puutuotemarkkinoiden muuttuminen ja toisaalta raaka-aineen laadullinen huononeminen. Molemmat seikat vaikuttavat negatiivisesti perinteisen mäntysahan kannattavuuteen .Jatkojalostuksen integroinnilla sahatavaraprosessiin saavutetaan säästöjä tuotantokustannuksissa, kun tarkastellaan koko prosessia tukista jatkojalosteeksi. Myös raaka-aineen tuottavuutta voidaan nostaa integraation avulla. Jatkojalostus voidaan integroida sahatavaraprosessiin raaka-aineen valikoinnilla sahatavaraprosessin eri osissa, on-line –jalostuksella sekä taloudellisesti. Sahatavaraprosessissa tapahtuva raaka-aineen valikointi voidaan suorittaa tukeista ja sahatavarasta. Valikointikriteerinä voi olla puun ominaisuudet, sahatavaran mitat ja laatu. Valikointiin voidaan nykyteknologiasta hyödyntää röntgentekniikkaa sekä konenäköä. On-line –jalostus tarkoittaa kiinteästi sahatavaraprosessiin liittyvää jalostusta, jolloin ns. turhia prosessivaiheita jää pois ja syntyy säästöjä. On-line –jalostuksen edellytys on raaka-aineen jonkin asteinen valikointi, esim. pituus. Taloudellisesti integroitu jalostus tarkoittaa, että jalostuslaitoksella pyritään nollatulokseen ja jalostuksen lisäarvo palautetaan sahan toimittamaan raaka-aineen hintaan. Tällainen toiminta yhtiön sisällä poistaa turhaa keskustelua raaka-aineen siirtohinnoista ja siten vapauttaa osaltaan resursseja tuottavampaan toimintaan. Erilaisten jatkojalostusmuotojen ja puun ominaisuuksien hyödyntämisen seulonnan perusteella löytyi yksi jalostusmuoto, jolla voidaan kohottaa mäntysahan tuotteiston arvoa. Työn tuloksena syntyi investointiehdotus aihiotankotuotannosta ikkunateollisuuden tarpeisiin. Raaka-aineen hyödynnettäviä ominaisuuksia ovat männyn sydänpuun luonnollinen kestävyys sekä keskimääräinen oksaväli. Valikointi tehdään välitukeista, joiden sahaamisen kannattavuus on männyn rungon osista heikoin. Aihiotankoprosessissa hyödynnetään konenäköä ja sormijatkostekniikkaa. Jatkojalostuksen integrointi sahatavaraprosessiin toteutetaan rakentamalla on-line –jalostuslaitos sekä soveltamalla röntgentekniikkaa raaka-aineen valinnassa.

Tuotannonohjauksen kehittäminen liittimiä valmistavassa yrityksessä

Diplomityön tarkoituksena oli kehittää ja yksinkertaistaa tuotannonohjausta. Teoriaosassa selvitettiin erilaisia tuotannonohjaustekniikoita sekä vertailtiin niitä toisiinsa. Käytännön osassa perehdyttiin ensin toimitusajan varmistamisen ja tuotannonsuunnittelun rutiineihin. Niitä analysoimalla etsittiin kehityskohteita. Toimitusvarmuutta analysoimalla löydettiin järjestelmän kapeikko. Läpäisyaikoja analysoimalla tutustuttiin kuinka toimitusvastaavien tuotannon kuormittamisen erot vaikuttavat läpäisyaikoihin. ABC-analyysillä löydettiin meisto- ja pinnoitusosastoa kuormittavimmat puolivalmisteet. Järjestelmän pullonkaulana on pintakäsittely ja liikkuvana pullonkaulana meisto. Kehityskohteita arvioitiin kriittisten menestystekijöiden perusteella. Kehitettävien kohteiden lopullinen valinta tehtiin yhdessä työn ohjausryhmän kanssa. Kiireisimmät kehityskohteet olivat uuden tuotannonohjausmallin rakentaminen, tuotteiden ja puolivalmisteiden jakaminen eri ohjaustavoille, Excel-taulukoiden käytön laajentaminen ja monipuolistaminen sekä tuotannon osittainen visualisointi. Näiden toteuttaminen aloitettiin työn aikana ja sitä tullaan vielä jatkamaan.