Land cover classification of Lago Grande de Curuai floodplain (Amazon, Brazil) using multi-sensor and image fusion techniques

Given the limitations of different types of remote sensing images, automated land-cover classifications of the Amazon várzea may yield poor accuracy indexes. One way to improve accuracy is through the combination of images from different sensors, by either image fusion or multi-sensor classifications. Therefore, the objective of this study was to determine which classification method is more efficient in improving land cover classification accuracies for the Amazon várzea and similar wetland environments - (a) synthetically fused optical and SAR images or (b) multi-sensor classification of paired SAR and optical images. Land cover classifications based on images from a single sensor (Landsat TM or Radarsat-2) are compared with multi-sensor and image fusion classifications. Object-based image analyses (OBIA) and the J.48 data-mining algorithm were used for automated classification, and classification accuracies were assessed using the kappa index of agreement and the recently proposed allocation and quantity disagreement measures. Overall, optical-based classifications had better accuracy than SAR-based classifications. Once both datasets were combined using the multi-sensor approach, there was a 2% decrease in allocation disagreement, as the method was able to overcome part of the limitations present in both images. Accuracy decreased when image fusion methods were used, however. We therefore concluded that the multi-sensor classification method is more appropriate for classifying land cover in the Amazon várzea.

Disposable, micro-fluidic biosensor array for online analysis of adherent cells activity combining quartz crystal resonators and impedance measurement techniques

Magdeburg, Univ., Fak. für Elektrotechnik und Informationstechnik, Diss., 2011

New solutions for an old challenge : chances and limitations of optical, non-invasive acquisition and digital processing techniques for the age estimation of latent fingerprints

Magdeburg, Univ., Fak. für Informatik, Diss., 2014

Wireless indoor positioning based on TDOA and DOA estimation techniques using IEEE 802.11 standards

Magdeburg, Univ., Fak. für Elektrotechnik und Informationstechnik, Diss., 2015

Assessment of Severe Apnoea through Voice Analysis, Automatic Speech, and Speaker Recognition Techniques

This study is part of an ongoing collaborative effort between the medical and the signal processing communities to promote research on applying standard Automatic Speech Recognition (ASR) techniques for the automatic diagnosis of patients with severe obstructive sleep apnoea (OSA). Early detection of severe apnoea cases is important so that patients can receive early treatment. Effective ASR-based detection could dramatically cut medical testing time. Working with a carefully designed speech database of healthy and apnoea subjects, we describe an acoustic search for distinctive apnoea voice characteristics. We also study abnormal nasalization in OSA patients by modelling vowels in nasal and nonnasal phonetic contexts using Gaussian Mixture Model (GMM) pattern recognition on speech spectra. Finally, we present experimental findings regarding the discriminative power of GMMs applied to severe apnoea detection. We have achieved an 81% correct classification rate, which is very promising and underpins the interest in this line of inquiry.

Analysis and evaluation of techniques for the extraction of classes in the ontology learning process

This paper analyzes and evaluates, in the context of Ontology learning, some techniques to identify and extract candidate terms to classes of a taxonomy. Besides, this work points out some inconsistencies that may be occurring in the preprocessing of text corpus, and proposes techniques to obtain good terms candidate to classes of a taxonomy.

MRS glucose mapping and PET joining forces: re-evaluation of the lumped constant in the rat brain under isoflurane anaesthesia.

Although numerous positron emission tomography (PET) studies with (18) F-fluoro-deoxyglucose (FDG) have reported quantitative results on cerebral glucose kinetics and consumption, there is a large variation between the absolute values found in the literature. One of the underlying causes is the inconsistent use of the lumped constants (LCs), the derivation of which is often based on multiple assumptions that render absolute numbers imprecise and errors hard to quantify. We combined a kinetic FDG-PET study with magnetic resonance spectroscopic imaging (MRSI) of glucose dynamics in Sprague-Dawley rats to obtain a more comprehensive view of brain glucose kinetics and determine a reliable value for the LC under isoflurane anaesthesia. Maps of Tmax /CMRglc derived from MRSI data and Tmax determined from PET kinetic modelling allowed to obtain an LC-independent CMRglc . The LC was estimated to range from 0.33 ± 0.07 in retrosplenial cortex to 0.44 ± 0.05 in hippocampus, yielding CMRglc between 62 ± 14 and 54 ± 11 μmol/min/100 g, respectively. These newly determined LCs for four distinct areas in the rat brain under isoflurane anaesthesia provide means of comparing the growing amount of FDG-PET data available from translational studies.

Authenticity study of Phyllanthus species by NMR and FT-IR Techniques coupled with chemometric methods

The importance of medicinal plants and their use in industrial applications is increasing worldwide, especially in Brazil. Phyllanthus species, popularly known as "quebra-pedras" in Brazil, are used in folk medicine for treating urinary infections and renal calculus. This paper reports an authenticity study, based on herbal drugs from Phyllanthus species, involving commercial and authentic samples using spectroscopic techniques: FT-IR, ¹H HR-MAS NMR and ¹H NMR in solution, combined with chemometric analysis. The spectroscopic techniques evaluated, coupled with chemometric methods, have great potential in the investigation of complex matrices. Furthermore, several metabolites were identified by the NMR techniques.

Evaluation of energy efficiency and best available techniques in pumping processes

The potential for enhancing the energy efficiency of industrial pumping processes is estimated to be in some cases up to 50 %. One way to define further this potential is to implement techniques in accordance to definition of best available techniques in pumping applications. These techniques are divided into three main categories: Design, control method & maintenance and distribution system. In the theory part of this thesis first the definition of best available techniques (BAT) and its applicability on pumping processes is issued. Next, the theory around pumping with different pump types is handled, the main stress being in centrifugal pumps. Other components needed in a pumping process are dealt by presenting different control methods, use of an electric motor, variable speed drive and the distribution system. Last part of the theory is about industrial pumping processes from water distribution, sewage water and power plant applications, some of which are used further on in the empirical part as example cases. For the empirical part of this study four case studies on typical pumping processes from older Master’s these were selected. Firstly the original results were analyzed by studying the distribution of energy consumption between different system components and using the definition of BAT in pumping, possible ways to improve energy efficiency were evaluated. The goal in this study was that by the achieved results it would be possible to identify the characteristic energy consumption of these and similar pumping processes. Through this data it would then be easier to focus energy efficiency actions where they might be the most applicable, both technically and economically.

Conceptual blending and the mapping of the inner recesses of the mind in Virginia Woolf's The Waves

Cette étude offre une lecture de The Waves de Virginia Woolf en tant qu’une représentation fictive des “formes exactes de la pensée.” Elle établit le lien entre le récit de The Waves et l’expérience personnelle de l’auteur avec “les voix” qui hantaient son esprit, en raison de sa maladie maniaco-dépressive. La présente étude propose également une analyse du roman inspirée par la théorie de la “fusion conceptuelle:” cette approche narrative a pour but de (1) souligner “la fusion” de l’imagination, des émotions, et de la perception qui constitue l’essence du récit de The Waves, (2) mettre l’accent sur les “configurations mentales” subtilement développées par/entre les voix du récit, en vue de diminuer le semblant de la désorganisation et de l’éparpillement des pensées généré par la représentation de la conscience, (3) permettre au lecteur d’accéder à la configuration subjective et identitaire des différentes voix du récit en traçant l’éventail de leurs pensées “fusionnées.” L’argument de cette dissertation est subdivisé en trois chapitres: le premier chapitre emploie la théorie de la fusion conceptuelle afin de souligner les processus mentaux menant à la création de “moments de vision.” Il décrit la manière dont la fusion des pensées intérieures et de la perception dans les “moments de vision” pourrait servir de tremplin à la configuration subjective des voix du récit. La deuxième section interprète l’ensemble des voix du roman en tant qu’une “société de soi-mêmes.” À l’aide de la théorie de la fusion conceptuelle, elle met l’accent sur les formes de pensée entrelacées entre les différentes voix du récit, ce qui permet aux protagonistes de développer une identité interrelationnelle, placée au plein centre des différentes subjectivités. Le troisième chapitre trace les processus mentaux permettant aux différentes voix du roman de développer une forme de subjectivité cohérente et intégrée. Dans ce chapitre, l’idée de la fusion des différents aspects de l’identité proposée par Fauconnier et Turner est employée pour décrire l’intégration des éléments de la subjectivité des protagonistes en une seule configuration identitaire. D’ailleurs, ce chapitre propose une interprétation du triste suicide de Rhoda qui met en relief son inaptitude à intégrer les fragments de sa subjectivité en une identité cohérente et “fusionnée.”

Investigations of Optical Interaction Processes in Certain Photonic Materials Using Z-scan and Thermal Lens Techniques

International School of Photonics, Cochin University of Science and Technology

Comparison of Statistical and Semantic Similarity Techniques for Paraphrase Identification

This paper compares statistical technique of paraphrase identification to semantic technique of paraphrase identification. The statistical techniques used for comparison are word set and word-order based methods where as the semantic technique used is the WordNet similarity matrix method described by Stevenson and Fernando in [3].

Adaptive Real-time Anomaly-based Intrusion Detection using Data Mining and Machine Learning Techniques

Die zunehmende Vernetzung der Informations- und Kommunikationssysteme führt zu einer weiteren Erhöhung der Komplexität und damit auch zu einer weiteren Zunahme von Sicherheitslücken. Klassische Schutzmechanismen wie Firewall-Systeme und Anti-Malware-Lösungen bieten schon lange keinen Schutz mehr vor Eindringversuchen in IT-Infrastrukturen. Als ein sehr wirkungsvolles Instrument zum Schutz gegenüber Cyber-Attacken haben sich hierbei die Intrusion Detection Systeme (IDS) etabliert. Solche Systeme sammeln und analysieren Informationen von Netzwerkkomponenten und Rechnern, um ungewöhnliches Verhalten und Sicherheitsverletzungen automatisiert festzustellen. Während signatur-basierte Ansätze nur bereits bekannte Angriffsmuster detektieren können, sind anomalie-basierte IDS auch in der Lage, neue bisher unbekannte Angriffe (Zero-Day-Attacks) frühzeitig zu erkennen. Das Kernproblem von Intrusion Detection Systeme besteht jedoch in der optimalen Verarbeitung der gewaltigen Netzdaten und der Entwicklung eines in Echtzeit arbeitenden adaptiven Erkennungsmodells. Um diese Herausforderungen lösen zu können, stellt diese Dissertation ein Framework bereit, das aus zwei Hauptteilen besteht. Der erste Teil, OptiFilter genannt, verwendet ein dynamisches "Queuing Concept", um die zahlreich anfallenden Netzdaten weiter zu verarbeiten, baut fortlaufend Netzverbindungen auf, und exportiert strukturierte Input-Daten für das IDS. Den zweiten Teil stellt ein adaptiver Klassifikator dar, der ein Klassifikator-Modell basierend auf "Enhanced Growing Hierarchical Self Organizing Map" (EGHSOM), ein Modell für Netzwerk Normalzustand (NNB) und ein "Update Model" umfasst. In dem OptiFilter werden Tcpdump und SNMP traps benutzt, um die Netzwerkpakete und Hostereignisse fortlaufend zu aggregieren. Diese aggregierten Netzwerkpackete und Hostereignisse werden weiter analysiert und in Verbindungsvektoren umgewandelt. Zur Verbesserung der Erkennungsrate des adaptiven Klassifikators wird das künstliche neuronale Netz GHSOM intensiv untersucht und wesentlich weiterentwickelt. In dieser Dissertation werden unterschiedliche Ansätze vorgeschlagen und diskutiert. So wird eine classification-confidence margin threshold definiert, um die unbekannten bösartigen Verbindungen aufzudecken, die Stabilität der Wachstumstopologie durch neuartige Ansätze für die Initialisierung der Gewichtvektoren und durch die Stärkung der Winner Neuronen erhöht, und ein selbst-adaptives Verfahren eingeführt, um das Modell ständig aktualisieren zu können. Darüber hinaus besteht die Hauptaufgabe des NNB-Modells in der weiteren Untersuchung der erkannten unbekannten Verbindungen von der EGHSOM und der Überprüfung, ob sie normal sind. Jedoch, ändern sich die Netzverkehrsdaten wegen des Concept drif Phänomens ständig, was in Echtzeit zur Erzeugung nicht stationärer Netzdaten führt. Dieses Phänomen wird von dem Update-Modell besser kontrolliert. Das EGHSOM-Modell kann die neuen Anomalien effektiv erkennen und das NNB-Model passt die Änderungen in Netzdaten optimal an. Bei den experimentellen Untersuchungen hat das Framework erfolgversprechende Ergebnisse gezeigt. Im ersten Experiment wurde das Framework in Offline-Betriebsmodus evaluiert. Der OptiFilter wurde mit offline-, synthetischen- und realistischen Daten ausgewertet. Der adaptive Klassifikator wurde mit dem 10-Fold Cross Validation Verfahren evaluiert, um dessen Genauigkeit abzuschätzen. Im zweiten Experiment wurde das Framework auf einer 1 bis 10 GB Netzwerkstrecke installiert und im Online-Betriebsmodus in Echtzeit ausgewertet. Der OptiFilter hat erfolgreich die gewaltige Menge von Netzdaten in die strukturierten Verbindungsvektoren umgewandelt und der adaptive Klassifikator hat sie präzise klassifiziert. Die Vergleichsstudie zwischen dem entwickelten Framework und anderen bekannten IDS-Ansätzen zeigt, dass der vorgeschlagene IDSFramework alle anderen Ansätze übertrifft. Dies lässt sich auf folgende Kernpunkte zurückführen: Bearbeitung der gesammelten Netzdaten, Erreichung der besten Performanz (wie die Gesamtgenauigkeit), Detektieren unbekannter Verbindungen und Entwicklung des in Echtzeit arbeitenden Erkennungsmodells von Eindringversuchen.

Regenerative capabilities of the rat seventh nerve using suture and collagen splint techniques: a comparative study

This paper discusses the effectiveness of repair procedures on the rat facial nerve using the current clinical surgical procedure of suturing nerve ends and a proposed technique utilizing splints made of collagen.