Scientia Kiadó – Sapientia Erdélyi Magyar Tudományegyetem

Jelen értekezés három nagy témával foglalkozik. Egyrészt a fuzzy logikát alkalmazó klaszterező algoritmusok elméletét egészíti ki egy hibrid osztályozási modellel. Másrészt új képfeldolgozási eljárásokat vezet be, melyekben alkalmazást nyer a hibrid klaszterezési algoritmus. Harmadrészt egy virtuális endoszkóp modell megalkotását és gyakorlati megvalósítását ismerteti, a javasolt osztályozás és képfeldolgozás alapján.

A hibrid klaszterezési modell egyesíti a hagyományos, fuzzy és lehetőségfüggvények alapján osztályozó algoritmusokat, bevezetve végtelen sok új algoritmust, melyet két súlyozási paraméter segítségével ér el.

Számos adathalmazon végzett elemzések alapján javaslatot tettünk az osztályozás ideális paramétereinek beállítására. Továbbá javasoltunk egy alternatív módszert az algoritmus hardveres megvalósítására: ez esetben a partíciós mátrixok elhagyásával az osztályozáshoz szükséges memória nagyságrendekkel csökkenthető. Elvégeztük a szakirodalomban fellelhető ún. elnyomott fuzzy klaszterező algoritmus részletes analitikus elemzését, összehasonlítottuk a javasolt hibrid klaszterezési eljárás egy sajátos esetével, majd javasoltunk egy optimális elnyomási módszert a fuzzy klaszterező algoritmushoz. Sorozatos tesztelések során megállapítottuk, hogy a javasolt hibrid klaszterező algoritmus robusztus, valamint gyorsabban és hatékonyabban osztályoz, mint elődei. A javasolt osztályozási algoritmus univerzális, elvileg bármely olyan vektoriális adat osztályozására képes, ahol értelmezhető a két vagy több vektor súlyozott átlaga.

A képfeldolgozási algoritmusok keretében az agyi MRI képek hatékony és precíz szegmentálását tűztük ki célul. Ennek megvalósítására egy új eljárást javasoltunk a magas frekvenciás zajokat tartalmazó képek gyors szűrésére és fuzzy elven történő osztályozására. Továbbá javasoltunk egy többlépcsős kompenzálási elvet az MRI képek inhomogenitásának kompenzálására, melynek alapján két különböző szegmentálási eljárás is megvalósult. Bebizonyítottuk, hogy ez utóbbi módszerek hatékonyságát tovább lehet fokozni a hibrid klaszterező algoritmus bevetésével.