| Seznam |
| Téma: | Odhadování entropie pro vysocedimenzionální data s konečnou přesností |
|---|---|
| Katedra: | Katedra kybernetiky |
| Vedoucí: | prof. Dr. Ing. Jan Kybic |
| Vypsáno jako: | Diplomová práce, Bakalářská práce, Semestrální projekt |
| Popis: | Jednou z možností odhadování entropie mnohorozměrných dat (která nalézá aplikace například při registraci obrazů) je Kozačenko-Leoněnkovův (KL) odhad na základě vzdálenosti nejbližších sousedů [1]. Ten ovšem selhává u kvantizovaných dat, která obsahují několik identických položek. Analyzujte existující možnosti rozšíření KL odhadu pro kvantizovaná data [1,2], vyzkoušejte metodu založenou na integraci v původní (nekvantované) oblasti, případně na základě teoretické analýzy navrhněte metodu vlastní. Pokuste se zlepšit numerickou stability metody [2]. Všechny metody implementujte a důkladně otestujte. Výsledkem má být dobře dokumentovaná a funkční implementace několika variant KL odhadu vhodných pro kvantovaná data, jakož i dobře dokumentované a statisticky vyhodnocené výsledky experimentálního porovnání. V případě úspěšné realizace možnost publikace na některé mezinárodní konferenci, eventuelně i v odborném časopise. Možnost pokračování ve formě doktorského studia. |
| Literatura: | 1. Jan Kybic. High-dimensional mutual information estimation for image registration. In ICIP'04: Proceedings of the 2004 IEEE International Conference on Image Processing. 2. Jan Kybic. High-dimensional entropy estimation for finite accuracy data: R-NN entropy estimator. In Nico Karssemeijer and Boudewijn Lelieveldt, editors, IPMI2007: Information Processing in Medical Imaging, 20th International Conference, pages 569-580, Berlin, Heidelberg, Germany, July 2007. Springer. |