Η παρούσα διπλωματική εργασία αφορά την ανίχνευση και παρακολούθηση ανθρώπινων μορφών σε ακολουθίες βίντεο με μεθόδους μηχανικής όρασης. Οι ακολουθίες αυτές θεωρούμε πως έχουν ληφθεί από στατική κάμερα σε εσωτερικό ή εξωτερικό χώρο. Πιο συγκεκριμένα, το εν λόγω πρόβλημα υποδιαιρείται σε τρία κυρίως μέρη τα οποία μελετώνται, αναλύονται και υλοποιούνται σε ξεχωριστά κεφάλαια. Ξεκινάμε με το κομμάτι κατάτμησης κίνησης, συνεχίζουμε με την ταξινόμηση αντικειμένων ώστε να αναγνωριστούν οι άνθρωποι ανάμεσα στις κινούμενες οντότητες και τελειώνουμε με την παρακολούθηση των ανθρώπινων σιλουετών για καταγραφή της πορείας τους όση ώρα βρίσκονται στο πλάνο. Οι αλγόριθμοι που αναπτύχθηκαν λειτούργησαν ικανοποιητικά κάτω από διάφορες συνθήκες και τα αποτελέσματά τους μπορούν να περάσουν ως είσοδοι σε μια πληθώρα εφαρμογών υψηλότερου επιπέδου με σκοπό την αναγνώριση ανθρώπινης δραστηριότητας και την κατανόηση συμπεριφοράς. / The purpose of this thesis is to deal with the problem of human tracking in video sequences. We have divided the problem in three parts: motion segmentation, human tracking and object classification. Finally we have dedicate a whole chapter to optical flow techniques and the relevant methods that can be employed to solve the same problem.

Η διατριβή αυτή μελετά τα σταθερά ισότοπα στον υετό της Ελλάδας. η γεωγραφική κατανομή τους είναι η θεωρητικά αναμενόμενη, ενώ οι βαθμίδες με τη θερμοκρασία και το υψόμετρο και η τοπική μετεωρική γραμμή συμφωνούν με τη βιβλιογραφία για την ευρύτερη περιοχή. Η επίδραση της πορείας της αέριας μάζας, δεν είναι ευδιάκριτη λόγω της επίδρασης τοπικών διεργασιών κλασμάτωσης. Επίσης, η ισοτοπική σύσταση των πηγών ακολουθεί την κατανομή της σύστασης του υετού και είναι γενικά απεμπλουτισμένη σε σχέση με αυτόν. Ελέγχεται η καταλληλότητα των δεδομένων για κλιματολογική θεώρηση των ισότοπων του υετού στην κεντρική και ανατολική Μεσόγειο. Οι υπάρχουσες τάσεις σπανίως είναι σημαντικές και δεν έχουν χωρικά οργανωμένες μορφές. Επομένως, έχει νόημα ο υπολογισμός κλιματικών τιμών και η ανάπτυξη, με χρήση συνδυασμού προτύπων παλινδρόμησης και γεωστατιστικών μεθόδων, πλεγματικών κλιματικών ισοτοπικών δεδομένων και πλεγματικών ισοτοπικών χρονοσειρών. Τέλος, ερευνάται η ικανότητα των συνοπτικών ταξινομήσεων να οδηγούν σε ισοτοπικά διακριτές κλάσεις, αναπαράγοντας, ταυτόχρονα, σημαντικό μέρος της παρατηρούμενης ισοτοπικής μεταβλητότητας. Γενικά οι ταξινομήσεις βελτιστοποίησης με σχετικά μεγάλο αριθμό κλάσεων ικανοποιούν τα ανωτέρω. επιχειρείται η ανασύσταση ισοτοπικών χρονοσειρών χρησιμοποιώντας μέσες τιμές, σταθμισμένες βάσει των συχνοτήτων εμφάνισης των συνοπτικών κλάσεων και των υψών υετού. Η βέλτιστη επίδοση επιτυγχάνεται από εποχικές ταξινομήσεις με κλάσεις που αναπαράγουν τις βασικές ατμοσφαιρικές κυκλοφορίες, ακόμα και αν αυτό δεν συνεπάγεται βέλτιστους στατιστικούς δείκτες. / this thesis studies the stable isotpes in precipitation over greece. the geographical distribution is the one theoreticaly expected, while the temperature and altitude gradients, and the local meteoric line are onstistent with the literature for the area. the influence of air mass trajectory is not clear due to the effect of local fractionation processes. also, the composition of springs follows that of rain and is generaly depleted compared to it. the suitability of existing central and eastern mediterranean data, for climatological purposes is examined. existing trends are spatially inconsistent and rarely significant. thus, it is possible to calculate climatic values and obtain, using a combination of regression models and geostatistical methods, gridded isotopic climatologies and time series. finally, the ability of synoptic classifications to provide isotopicaly distinct classes, while at the same time reproducing the observed isotopic variability, is assessed. optimization classifications with a relatively large number of classes fulfill these criteria. reconstruction of isotope time series using mean values weighted according to synoptic class frequency and rain amount is possible. the best results are obtained from seasonal classifications with classes representing the basic atmospheric circulations, even if this does not lead to optimized statistical indices.

Η ακουστική οικολογία είναι το επιστημονικό πεδίο το οποίο μελετά την επίδραση διαφόρων παραγόντων, όπως η ανθρώπινη δραστηριότητα, σε συγκεκριμένα οικοσυστήματα μέσω επιλεγμένων ηχογραφήσεων των γεωγραφικών περιοχών των ηχοτοπίων. Εδώ παρουσιάζεται μελέτη αυτόματης ανάλυσης, αναγνώρισης και κατηγοριοποίησης από τέτοιες ηχογραφήσεις. Δοκιμάζονται διάφοροι αλγόριθμοι και επιλέγεται μέθοδος που βασίζεται στην επεξεργασία του ηχητικού φάσματος, μέσω των Mel Frequency Cepstral Coefficients (MfCC) του φάσματος του ηχητικού σήματος. Τα ομαδοποιημένα δεδομένα που προέκυψαν, μελετήθηκαν ως προς το ποσοστό επιτυχούς αναγνώρισης της προέλευσης των ήχων που διακρίνονται στις ηχογραφήσεις. Η κατηγοριοποίηση και ταξινόμηση αυτή έγινε με τη δοκιμή διαφόρων αλγορίθμων ταξινόμησης. Επιπλέον πραγματοποιείται σύγκριση των αλγορίθμων αυτών με βάση το ποσοστό επιτυχούς αναγνώρισης αλλά και της ταχύτητας ταξινόμησης των ηχογραφημένων δειγμάτων η οποία οδηγεί σε συμπεράσματα για τη βελτιστοποίηση της συγκεκριμένης διαδικασίας / Acoustic ecology is the scientific field which studies the effect of human activity and other factors to ecosystems via the recording of soundscapes which constitute a database of selected recordings of geographic regions. The parameters that are examined are based on the processing of the sound spectrum, they are named Mel Frequency Cepstral Coefficients (MfCC) and represent factors of the signal spectrum. The rate of the successful recognition of the origin of sounds distinguished in the set of the soundscape recordings is estimated. Various classification algorithms are tested for the sound data classification. Moreover a comparison among the algorithms is realised based both on the ratio of successful recognition and the classification speed of the recorded samples which leads to conclusions on the optimisation of this particular process.

Αρχικά, στο πρώτο μέρος της διπλωματικής εργασίας μελετώνται οι πολυδιάστατες στατιστικές τεχνικές της Διαχωριστικής Ανάλυσης και της Ταξινόμησης δεδομένων, με σκοπό το διαχωρισμό διαφορετικών ομάδων αντικειμένων και τη κατάταξη νέων αντικειμένων σε προκαθορισμένο σύνολο ομάδων με τη χρήση ενός κανόνα, αντίστοιχα. Η διαδικασία κατασκευής και αξιολόγησης των κανόνων Ταξινόμησης βασίζεται στη κανονικότητα των δεδομένων. Ενώ ο σχηματισμός των γραμμικών συναρτήσεων Fisher για το διαχωρισμό των δεδομένων, υποθέτει ίσους πίνακες διασποράς. Στη συνέχεια παρατίθεται παράδειγμα εφαρμογής των δύο παραπάνω στατιστικών τεχνικών μέσω του στατιστικού πακέτου SPSS. Στο δεύτερο μέρος, εξετάζεται η διερευνητική τεχνική της Ομαδοποίησης δεδομένων, όπου στοχεύει στην οργάνωση των τιμών των αντικειμένων σε συστάδες. Έτσι ώστε να επιτυγχάνεται η μέγιστη ομοιότητα μεταξύ των παρατηρήσεων μέσα σε κάθε ομάδα και η μέγιστη ανομοιότητα μεταξύ των συστάδων, όπου αρχικά θεωρούνται άγνωστες σε αντίθεση με τη Διαχωριστικής Ανάλυση και της Ταξινόμηση όπου θεωρούνται γνωστές. Ο πιο δημοφιλής τρόπος για τον υπολογισμό της ομοιότητας είναι η απόσταση, όμως η εφαρμογή των αλγορίθμων συσταδοποίησης είναι πιο αποδοτικοί για την ομαδοποίηση των δεδομένων. Τέλος, εφόσον οι αλγόριθμοι ομαδοποίησης χωριστούν σε δυο κατηγορίες επιδιώκεται η σύγκριση μεταξύ τους, ως προς την αποτελεσματικότητα τους, με τη χρήση του στατιστικού πακέτου SPSS. / -

Η παρούσα ειδική ερευνητική εργασία εκπονήθηκε στα πλαίσια του Διατμηματικού Προγράμματος Μεταπτυχιακών Σπουδών στην “Ηλεκτρονική και Επεξεργασία της Πληροφορίας”, στο Τμήμα Φυσικής του Πανεπιστημίου Πατρών. Αντικείμενο της παρούσας εργασίας είναι η “Υλοποίηση σε FPGA του περιγραφέα HOG για ανίχνευση ανθρώπων σε εικόνες και βίντεο”. Το πρώτο κεφάλαιο αποτελεί μια εισαγωγή στις βασικότερες έννοιες που χρησιμοποιούνται στην παρούσα εργασία. Περιγράφεται επίσης η αναπτυξιακή πλακέτα που χρησιμοποιήθηκε καθώς και τα επί μέρους στοιχεία που τη συνθέτουν. Τέλος γίνεται μια συνοπτική αναφορά σε εργασίες με παρόμοιο αντικείμενο, οι οποίες με επηρέασαν στο σχεδιασμό και την υλοποίηση του συστήματός μου. Στο δεύτερο κεφάλαιο αναλύεται ο περιγραφέας Ιστογραμμάτων Προσανατολισμού της Βάθμωσης ή όπως είναι ευρύτερα γνωστός Histograms of Oriented Gradient Descriptor. Παρουσιάζονται τα βήματα όπως περιγράφονται στην εργασία των Dalal&Triggs[4] και οι βέλτιστες τιμές των παραμέτρων του περιγραφέα. Στο τρίτο κεφάλαιο ακολουθώντας τα βήματα του δευτέρου κεφαλαίου, παρουσιάζεται η διαδικασία υλοποίησης του περιγραφέα στο Matlab. Εκτός της υλοποίησης έγινε και μια προεργασία για τη μεταφορά του σε γλώσσα περιγραφής υλικού. Η προεργασία αυτή περιλαμβάνει απλοποιήσεις και τροποποιήσεις με σκοπό να μειωθεί το υπολογιστικό κόστος. Τέλος παρουσιάζονται τα αποτελέσματα δοκιμών της απόδοσης του περιγραφέα για τις διάφορες απλοποιήσεις. Στο τέταρτο κεφάλαιο γίνεται μια μικρή αναφορά στους ταξινομητές. Περιγράφονται οι ταξινομητές που δοκιμάστηκαν στην παρούσα εργασία ως προς συγκεκριμένα χαρακτηριστικά τους καθώς και την υπολογιστική τους πολυπλοκότητα για την συγκεκριμένη εφαρμογή. Το πέμπτο και τελευταίο κεφάλαιο περιλαμβάνει την περιγραφή της υλοποίησης σε VHDL. Αναλύονται τα επί μέρους κυκλώματα και όπου κρίθηκε αναγκαίο χρησιμοποιήθηκαν σχήματα ή πίνακες. Σε κάποιες περιπτώσεις δίνονται και οι κυματομορφές των κυκλωμάτων. / This thesis took place within the frame work of the Interdeparmental Master’s Program in “Electronics and Information Processing”, at the Department of Physics of University of Patras. The objective of this work is the implementation in FPGA of the HOG descriptor for the detection of people, images and videos. The first chapter is an introduction about the basic concepts, which are used across the manuscript. (Additional descriptions concern the development board which was used as well as the individual parts that compose it.) In the end, there is a brief reference to past projects focusing on similar objectives, which influenced the design and the implementation of my system. The second chapter concerns the presentation and discussion of the Histograms of Oriented Gradient descriptor. The steps of the procedure and the best parameter values of the descriptor are presented in a similar way as they are described in the paper of Dalal and Triggs. In the third chapter, following the steps of the previous one, the focus shifts to the descriptor’s implementation procedure in Matlab. Besides the implementation, there is a preparation for the transference of the descriptor in a Hardware Description Language. This preparation includes simplifications and modifications aiming at the reduction of the computational cost. Finally, we see the tests’ results of the descriptor’s performance concerning the various simplifications. The fourth chapter is a partial reference to the classifiers. The description is about the classifiers that were used in the present work with respect to their features and their computational complexity of this particular application. The fifth and final chapter refers to the description of the implementation in VHDL. There is an analysis of the partial circuits and, when necessary, shapes and tables were used. In some cases, the waveforms of the circuits are being presented.

Η χρήση των δεδομένων Ραντάρ Συνθετικού Ανοίγματος (SAR) σε εφαρμογές απομακρυσμένης παρακολούθησης της Γης έχει ήδη αρχίσει να πρωταγωνιστεί τις τελευταίες δεκαετίες. Τα συστήματα SAR με δυνατότητες μεταξύ άλλων συνεχούς λειτουργίας παντός καιρού, ημέρα και νύχτα, προσφέροντας μεγάλη κάλυψη εδάφους και με δυνατότητα λήψης απεικονίσεων πολλαπλών πολώσεων, έχουν αποτελέσει πηγή πολύτιμων πληροφοριών τηλεπισκόπησης. Έτσι, η χρήση των SAR δεδομένων για την ταξινόμηση κάλυψης γης προσελκύει όλο και περισσότερο την προσοχή των ερευνητών και φαίνεται να είναι πολλά υποσχόμενη. Η παρούσα ειδική επιστημονική εργασία έχει στόχο τη μελέτη και ερμηνεία των δεδομένων SAR μέσω επιβλεπόμενης ταξινόμησης, με τη χρήση νευρωνικών δικτύων (Neural Networks). Αφού πρώτα γίνεται εκτενής αναφορά στη τεχνολογία και τα συστήματα SAR, παρουσιάζεται αναλυτικά η πειραματική διαδικασία ταξινόμησης τριών βασικών δομών κάλυψης γης. Τα δεδομένα προέρχονται από το Προηγμένο Ραντάρ Συνθετικού Ανοίγματος (ASAR) του δορυφόρου ENVISAT από τον Ευρωπαϊκό Οργανισμό Διαστήματος και αφορούν στην ευρύτερη περιοχή του Άμστερνταμ. Πριν την διεξαγωγή της ταξινόμησης, τα δεδομένα δέχθηκαν τις απαραίτητες διαδικασίες προ-επεξεργασίας (ραδιομετρική βαθμονόμηση, γεωαναφορά, φιλτράρισμα θορύβου, συμπροσαρμογή). Όσον αφορά τη διαδικασία της ταξινόμησης, εξετάζεται η συμπεριφορά του ταξινομητή του νευρωνικού δικτύου για μεταβολές ποικίλων παραμέτρων, όπως η επιλογή δεδομένων διαφόρων πολώσεων, το πλήθος των νευρώνων κ.α. και ήδη από τα πρώτα πειράματα λαμβάνονται ικανοποιητικά αποτελέσματα. Στη συνέχεια εφαρμόζονται τεχνικές σύνθεσης πληροφορίας (average rule, majority rule) βελτιώνοντας τις επιδόσεις ταξινόμησης. Τέλος, ένα σημαντικό βήμα που εφαρμόζεται στη διαδικασία ταξινόμησης αποτελεί η εξαγωγή χαρακτηριστικών υφής από τις μήτρες συνεμφάνισης φωτεινοτήτων (Gray Level Co-occurrence Matrix-GLCM) και μήκους διαδρομής φωτεινότητας (Gray Level Run Length Matrix-GLRLM). Η χρήση των χαρακτηριστικών αυτών βελτιστοποιεί το σύστημα ταξινόμησης, δίνοντας εξαιρετικά αποτελέσματα. / The use of Synthetic Aperture Radar (SAR) data in remote sensing applications has become a cutting edge technology during the past few decades. The SAR systems have several capabilities, like day & night and all weather operation and they offer large ground coverage with the ability of multi-polarized imagery; therefore, they have proved to be a valuable source of remote sensing data. As a result, the use of SAR data for land cover classification increasingly attracts the attention of researchers and seems to be highly promising. Goal of this master thesis is the study and interpretation of SAR data through supervised classification, with the use of Neural Networks method. First, there is an extensive presentation of SAR systems and technology and then follows the detailed presentation of the experimental classification process for three basic land cover structures. The available data are from the Advanced SAR (ASAR) radar of the ESA ENVISAT satellite and correspond to the Amsterdam city and suburbs. Prior to the classification process, the data have been appropriately pre-processed (radiometric calibration, geocoding, speckle filtering, co-registration). Regarding the classification process, the response of the neural network classifier with the variation of several parameters (e.g. data polarization and number of neurons) is studied and from the initial test already the results were quite satisfactory. Further on, ensemble classifying methods (average rule, majority rule) are applied to improve the classification performance. Finally, as an essential step applied in the classification process is the textural feature extraction from Gray Level Co-occurrence Matrix (GLCM) and Gray Level Run Length Matrix (GLRLM). The use of these texture features optimizes the classification system, resulting to an exceptional performance.

Η διδακτορική διατριβή εντάσσεται στο πεδίο της Υπολογιστικά Υποστηριζόμενης Συνεργατικής Μάθησης, ΥΥΣΜ (Computer Supported Collaborative Learning, CSCL). ‘Eχει ως στόχο την ανάπτυξη και πρόταση μίας μεθόδου για την αυτοματοποιημένη ανάλυση, ταξινόμηση και αξιολόγηση της ποιότητας συνεργατικών εκπαιδευτικών δραστηριοτήτων. Αφενός βασίζεται σε ευρήματα ποιοτικής έρευνας και αφ’ ετέρου συνδυάζει την χρήση τεχνικών μηχανικής μάθησης και ανώτερων μαθηματικών που χρησιμοποιούνται ευρέως σε πλήθος άλλων ερευνητικών πεδίων, μελετώντας τους τρόπους που μπορούν να υιοθετηθούν και να συνεισφέρουν στο πεδίο της Υπολογιστικά Υποστηριζόμενης Συνεργατικής μάθησης (χρονοσειρές). Βασικό μέλημα είναι η προτεινόμενη μέθοδος να επιτρέπει την εξαγωγή χρήσιμων συμπερασμάτων για την ποιότητα των συνεργατικών δραστηριοτήτων με τρόπο ποσοτικό και αυτόματο ώστε να είναι δυνατή η χρήση της σε μεγάλα σύνολα δεδομένων. Η παρούσα μελέτη έδειξε πως η ποιότητα της συνεργασίας αποτυπώνεται στον τρόπο που κατανέμεται η συνεργατική δραστηριότητα στον χρόνο και η χρήση χρονοσειρών αποτυπώνει τα ιδιαίτερα χαρακτηριστικά της συνεργασίας με ικανοποιητικό τρόπο. Η μέθοδος αξιολογήθηκε ξεχωριστά αλλά και σε αντιπαράθεση με αντίστοιχα μοντέλα και μεθόδους. Η προτεινόμενη μέθοδος πλεονεκτεί ως προς την απλότητα κατασκευής και λειτουργίας ενώ διαπιστώθηκε με στατιστικά σημαντικό τρόπο η εγκυρότητα των αποτελεσμάτων της. H μέθοδος δεν απαιτεί την ολοκλήρωση της δραστηριότητας αλλά ενδείκνυται και για την αξιολόγησή της σε πραγματικό χρόνο. Οι χρονοσειρές δραστηριότητας περιγράφουν ικανοποιητικά βασικές συνεργατικές διαστάσεις που ορίζονται ως «χαμηλού επιπέδου» όπως η Επικοινωνία και η Κοινή Επεξεργασία Πληροφορίας και οι οποίες θεωρείται ότι αντικατοπτρίζονται ιδιαίτερα στην διαλογική δραστηριότητα που εκτυλίσσεται μεταξύ των συνεργατών. Από την άλλη, για διαστάσεις ανωτέρου επιπέδου που αντιπροσωπεύονται από πιο περίπλοκες δομές αλληλεπίδρασης, όπως για παράδειγμα ο Συντονισμός και η Διαπροσωπική Σχέση μεταξύ συνεργαζόμενων μερών, οι χρονοσειρές δραστηριότητας δεν καταφέρνουν να τις αποτυπώσουν ικανοποιητικά. Αποδείχθηκε στατιστικά πως για την συγκεκριμένη περίπτωση συνεργατικών μαθησιακών δραστηριοτήτων οι ουσιαστικές αλληλεπιδράσεις μεταξύ των χρηστών που υποδηλώνουν μεταφορά και οικοδόμηση κοινής γνώσης και κοινού τόπου επικοινωνίας αλλά και σχέσεις αιτιότητας, είναι δυνατόν να ανιχνευθούν μέσα σε χρονικά παράθυρα μικρού μεγέθους, της τάξης των τριάντα δευτερολέπτων. Σύνθετες δομές που αποτυπώνουν την δημιουργία στρατηγικής προσέγγισης ή διαμοιρασμού χώρου και χρόνου και απαιτούν μεγαλύτερους χρόνους εξέλιξης, δεν είναι δυνατόν να αποτυπωθούν επαρκώς με αυτή την προσέγγιση. Η έρευνα αυτή δεν αποσκοπεί κατά κανένα τρόπο στην αντικατάσταση της ανθρώπινης κρίσης ή γενικότερα του ανθρώπινου παράγοντα αλλά αντίθετα επιδιώκει να υποστηρίξει το έργο του. / The PhD thesis is part of ongoing research in the field of Computer-Supported Collaborative Learning (CSCL). The main contribution of this thesis is to design and propose a method for the automatic analysis, classification and evaluation of the quality of collaboration of learning activities. On one hand, the method is based and reflects the findings of qualitative research and on the other hand, it uses machine learning algorithms and statistical methods that allow the quantitative analysis of data. We used modeling techniques widely used in other scientific fields (time series) and studied how they can be used in CSCL to contribute new knowledge. The objective of the study is to implement a method for the representation, classification and evaluation of collaborative activities. It was shown that the quality of collaboration and its fundamental aspects is portrayed in the way the activity itself is distributed in time. It was shown through visualizations and statistical analysis that time series allow the effective representation of collaboration and its qualitative characteristics. The classification and evaluation method that was proposed is supported by a machine-learning model. The model was further evaluated as an automated rater of collaboration quality and compared to other similar models. The advantage of the proposed method over others is the simple structure and low-cost, as well as the potential to be used in real-time. The proposed approach attempts to describe and portray the interaction of users through their concurrent activity on different but common workspaces. For that reason we make use of common, basic activity metrics and time series. The time series of activity can describe successfully low level construct such as Communication and Information Processing. For more advanced and complicated constructs however, such as Coordination and Interpersonal Relationship, time series could not capture adequately the qualitative characteristics and underlying mechanisms. This finding comes in agreement with similar studies that point out the need of combined analysis methods that will use in combination content analysis techniques and natural language processing. It was also shown that in the particular context, the meaningful interactions that point to constructive collaboration, successful knowledge building and reciprocal activity can be mapped in small time frames, of about 30 seconds. More complicated structures that signify e.g. strategy planning and effective coordination, take more time to unfold and therefore cannot be traced in such small time frames. This study does not attempt in any way to substitute or overcome the human judgment and human factor, either in the analysis or teaching activity. On the contrary, we believe that the teacher cannot be replaced by automated tools and methods but should be supported and empowered.

Δύσκολα προβλήματα ταξινόμησης από τον χώρο της Βιοπληροφορικής όπως η πρόβλεψη των microRNA γονιδιών και η πρόβλεψη των πρωτεϊνικών αλληλεπιδράσεων (Protein- Protein Interactions) απαιτούν ισχυρούς ταξινομητές οι οποίοι θα πρέπει να έχουν καλή ακρίβεια ταξινόμησης, να χειρίζονται ελλιπείς τιμές, να είναι ερμηνεύσιμοι, και να μην πάσχουν από το πρόβλημα ανισορροπίας κλάσεων. Ένας ευρέως χρησιμοποιούμενος ταξινομητής είναι τα νευρωνικά δίκτυα, τα οποία ωστόσο χρειάζονται προσδιορισμό της αρχιτεκτονικής τους και των λοιπών παραμέτρων τους, ενώ και οι αλγόριθμοι εκμάθησής τους συνήθως συγκλίνουν σε τοπικά ελάχιστα. Για τους λόγους αυτούς, προτείνεται μία πολυκριτηριακή εξελικτική μέθοδος η οποία βασίζεται στους εξελικτικούς αλγορίθμους ώστε να βελτιστοποιήσει πολλά από τα προαναφερθέντα κριτήρια απόδοσης των νευρωνικών δικτύων, να βρει επίσης την βέλτιση αρχιτεκτονική καθώς και ένα ολικό ελάχιστο για τα συναπτικά τους βάρη. Στην συνέχεια, από τον πληθυσμό που προκύπτει χρησιμοποιούμε το σύνολό του ώστε να επιτύχουμε την ταξινόμηση. / Hard classification problems of the area of Bioinformatics, like microRNA prediction and PPI prediction, demand powerful classifiers which must have good prediction accuracy, handle missing values, be interpretable, and not suffer from the class imbalance problem. One wide used classifier is neural networks, which need definition of their architecture and their other parameters, while their training algorithms usually converge to local minima. For those reasons, we suggest a multi-objective evolutionary method, which is based to evolutionary algorithms in order to optimise many of the aforementioned criteria of the performance of a neural network, and also find the optimised architecture and a global minimum for its weights. Then, from the ensuing population, we use it as an ensemble classifier in order to perform the classification.

Στα πλαίσια της διατριβής μελετήθηκε αρχικά το πρόβλημα της εύρεσης της θέσης του υφάσματος επάνω στην τράπεζα εργασίας με μεθόδους ψηφιακής ανάλυσης σημάτων βίντεο, παρουσία φαινομένων παραμόρφωσης και μερικής επικάλυψης του υφάσματος. Οι νέες μέθοδοι εντοπισμού που αναπτύχθηκαν αξιολογήθηκαν πειραματικά παρουσιάζοντας ικανοποιητική ακρίβεια εντοπισμού και ανοχή του συστήματος σε μερικές επικαλύψεις και παραμορφώσεις. Μετά την ολοκλήρωση της ραφής του υφάσματος πραγματοποιείται αυτόματος εντοπισμός της θέσης της ραφής από ψηφιακές φωτογραφίες. Αναπτύχθηκαν τρείς πρωτότυπες μέθοδοι εντοπισμού της θέσης της ραφής οι οποίες διαφοροποιούνται στο στάδιο της προεπεξεργασίας. Η πειραματική αξιολόγηση γίνεται σε βάση δεδομένων που περιέχει 118 εικόνες έτοιμων ενδυμάτων. Προτού πραγματοποιηθεί ποιοτικός έλεγχος ραφής, οι εικόνες κανονικοποιούνται ως προς τη θέση και τον προσανατολισμό της ραφής χρησιμοποιώντας τις παραπάνω μεθόδους αυτόματου εντοπισμού της θέσης της ραφής. Αναπτύχθηκαν και αξιολογήθηκαν τρείς διαφορετικές μέθοδοι αυτόματης αναγνώρισης της ποιότητας σε δείγματα ραφής οι οποίες εξάγουν τρία διαφορετικά σύνολα χαρακτηριστικών. Η πρώτη μέθοδος βασίζεται σε φασματικά χαρακτηριστικά, η δεύτερη στην επιβολή αυτό-σκίασης, ενώ η τρίτη βασίζεται στην εκτίμηση της ανομοιομορφίας της επιφάνειας των δειγμάτων ραφής. Η πειραματική αξιολόγηση γίνεται σε βάση δεδομένων δειγμάτων ραφής που περιλαμβάνει 325 ραφές. Η εκτίμηση της ποιότητας ραφής πραγματοποιείται με ταξινόμηση σε πέντε διατεταγμένους βαθμούς ποιότητας. Σε αυτήν την κατεύθυνση, προτείνονται και συγκρίνονται τέσσερις μέθοδοι αναγνώρισης προτύπων διατεταγμένων κατηγοριών. Η πρώτη μέθοδος χρησιμοποιεί για την ταξινόμηση μοντέλο σύμμετρων αναλογιών πιθανότητας. Η δεύτερη μέθοδος κάνει αναγνώριση με χρήση γραμμικού μοντέλου. Οι άλλες δύο μέθοδοι είναι πρωτότυπες και επίσης χρησιμοποιούν γραμμικό μοντέλο για την ταξινόμηση. Η διαφοροποίησή τους από τη δεύτερη μέθοδο είναι ότι η επιλογή των αριθμητικών τιμών των διατεταγμένων κατηγορίων δεν γίνεται αυθαίρετα., αλλά προκύπτει ως λύση προβλημάτων ελαχιστοποίησης.. Η πειραματική αξιολόγηση και σύγκριση των μεθόδων στο πρόβλημα του ποιοτικού ελέγχου ραφών οδηγεί στην επιλογή του μοντέλου σύμμετρων αναλογιών πιθανότητας σε περίπτωση που υπάρχει ικανός αριθμός παραδειγμάτων εκπαίδευσης, ενώ σε αντίθετη περίπτωση μπορεί να προτιμηθεί το γραμμικό μοντέλο αφού προηγηθεί βελτιστοποίηση με χρήση κάποιας εκ των δύο προτεινόμενων μεθόδων επιλογής αριθμητικών τιμών. / One of the problems studied in the present dissertation is that of the detection of the fabrics’ position on the working area. The proposed detection methods are based on image processing and analysis techniques and take into consideration both partial occlusion and fabric deformation. The methods have been experimentally evaluated and the results indicate sufficient detection accuracy and robustness regarding partial occlusion and fabric deformation. After sewing the fabric, the position and orientation of the seam is automatically detected. Three novel seam detection methods have been developed using different pre-processing techniques. The experimental evaluation of the three detection methods is made on a database containing 118 images of ready sewn garments. Before performing seam quality control the seam images are normalized with respect to the seam position and orientation, using the aforementioned seam detection methods. Feature selection has been studied next, extracting three different sets of features and assessing seam quality using three different methods. The first method uses spectral features; the second method is based on the detection of self-shadows onto the seam specimens, while the third method is based on the estimation of the surface roughness of the specimens. The experimental evaluation of the proposed methods is made on a database containing 325 images of seam specimens. Seam quality control is performed by classifying the seam specimens into five ordinal grades of quality. In this direction, four classification methods are proposed and evaluated, taking into account the ordered arrangement of the classes. The first method uses the proportional odds model; while the second method uses a linear model. The other two methods are novel and also employ a linear model. The difference between these two methods and the second method is that the numerical values they are assigning to the ordered categories are not arbitrary like in the case of the second method. The experimental evaluation of these four methods indicates that in case of a large number of training data, the first method which is based on the proportional odds model is more efficient, while in case of an insufficient number of training data the linear model optimized by one of the two novel methods should be selected.

Σεισμικά γεγονότα τα οποία προέρχονται από σεισμικές πηγές των οποίων η απόσταση μεταξύ τους είναι πολύ μικρότερη από την απόσταση μέχρι τον κοντινότερο σταθμό καταγραφής, είναι γνωστά στη βιβλιογραφία σαν όμοια σεισμικά γεγονότα και αποτελούν αντικείμενο έρευνας εδώ και μια εικοσαετία. Η διαδικασία επαναπροσδιορισμού των υποκεντρικών παραμέτρων ή επανεντοπισμού όμοιων σεισμικών γεγονότων οδηγεί σε εκτιμήσεις των παραμέτρων που είναι συνήθως μεταξύ μίας και δύο τάξεων μεγέθους μικρότερου σφάλματος από τις αντίστοιχες των συνηθισμένων διαδικασιών εντοπισμού και επομένως, μπορεί εν δυνάμει να παράξει μια λεπτομερέστερη εικόνα της σεισμικότητας μιας περιοχής, από την οποία μπορεί στη συνέχεια να προκύψει η ακριβής χαρτογράφηση των ενεργών ρηγμάτων της. Πρόκειται για μια σύνθετη διαδικασία που μπορεί να αναλυθεί στα παρακάτω τρία βασικά βήματα: 1. Αναγνώριση ομάδων όμοιων σεισμικών γεγονότων. 2. Υπολογισμός διαφορών χρόνων άφιξης μεταξύ όμοιων σεισμικών γεγονότων. 3. Επίλυση προβλήματος αντιστροφής. Το πρώτο από τα παραπάνω βήματα είναι η αναγνώριση των λεγόμενων σεισμικών οικογενειών που υπάρχουν στον διαθέσιμο κατάλογο και έχει ξεχωριστή σημασία για την ολική επιτυχία της διαδικασίας. Μόνο εάν εξασφαλιστεί η ορθότητα της επίλυσης αυτού του προβλήματος τίθενται σε ισχύ οι προϋποθέσεις για την εφαρμογή της διαδικασίας και άρα έχει νόημα η γεωλογική ανάλυση που ακολουθεί. Είναι επίσης ένα πρόβλημα που απαντάται και σε άλλες γεωλογικές εφαρμογές, όπως είναι για παράδειγμα ο αυτόματος εντοπισμός του ρήγματος γένεσης ενός άγνωστου σεισμικού γεγονότος μέσω της σύγκρισής του με διαθέσιμες αντιπροσωπευτικές οικογένειες. Το πρόβλημα της αναγνώρισης είναι στην ουσία ένα πρόβλημα ταξινόμησης και ως εκ τούτου προϋποθέτει την επίλυση δύο σημαντικών επιμέρους υποπροβλημάτων. Συγκεκριμένα, αυτό της αντιστοίχισης των σεισμικών κυματομορφών (matching problem) και αυτό της κατηγοριοποίησής τους (clustering problem). Το πρώτο έχει να κάνει με τη σύγκριση όλων των δυνατών ζευγών σεισμογραμμάτων του καταλόγου ώστε να εντοπισθούν όλα τα όμοια ζεύγη, ενώ το δεύτερο αφορά την ομαδοποίηση των ομοίων σεισμογραμμάτων ώστε να προκύψουν οι σεισμικές οικογένειες. Στα πλαίσια αυτής της εργασίας, λαμβάνοντας υπόψη τις ιδιομορφίες που υπεισέρχονται στο παραπάνω πρόβλημα ταξινόμησης από τις ιδιαιτερότητες των σεισμογραμμάτων αλλά και την ιδιαίτερη φύση της εφαρμογής, προτείνουμε μια μέθοδο σύγκρισης που βασίζεται σε μια γενικευμένη μορφή του συντελεστή συσχέτισης και μια μέθοδο κατηγοριοποίησης βασισμένη σε γράφους, με στόχο την αποτελεσματική αλλά και αποδοτική επίλυσή του. / Seismic events that occur in a confined region, meaning that the distance separating the sources is very small compared to the distance between the sources and the recording station, are known in the literature as similar seismic events and have been under study for the past two decades. The re-estimation of the hypocenter parameters or the relocation of similar events gives an estimation error that is between one and two orders of magnitude lower that the one produced by the conventional location procedures. As a result, the application of this approach creates a much more detailed image of the seismicity of the region under study, from which the exact mapping of the active faults of the region can occur. The relocation procedure is in fact a complex procedure, consisting of three basic steps: 1. Identification of groups of similar seismic events. 2. Estimation of the arrival time differences between events of the same group. 3. Solution of the inverse problem. The first of the above steps, namely the identification of the seismic families of the given catalog plays an important role in the total success of the procedure, since only the correct solution of this problem can ensure that the requirements for the application of the procedure are met and therefore the geological analysis that is based on its outcome is meaningful. The problem is also encountered in other geological applications, such as the automatic location of the fault mechanism of an unknown event by comparison with available representative families. The problem of the identification of the seismic families is a classification problem and as such, requires the solution of two subproblems, namely the matching problem and the clustering problem. The object of the first one is the comparison of all the possible event pairs of the catalog with the purpose of locating all the existing similar pairs, while the second one is concerned with the grouping of the similar pairs into seismic families. In this work, taking into consideration the particularities that supersede the classification problem described above due to the special nature of the seismograms and also the specific requirements of the application, we propose a comparing method which is based on a generalized form of the correlation coefficient and a graph – based clustering technique, as an effective solution of the problem at hand.