The recent development of DNA microarray technology is creating a wealth of gene expression data. Typically these datasets have high dimensionality and a lot of varieties. Analysis of DNA microarray expression data is a fast growing research area that interfaces various disciplines such as biology, biochemistry, computer science and statistics. It is concluded that clustering and classification techniques can be successfully employed to group genes based on the similarity of their expression patterns. In this paper, a hierarchical multi-bottleneck classification method is proposed, and it is applied to classify a publicly available gene microarray expression data of budding yeast Saccharomyces cerevisiae. / Singapore-MIT Alliance (SMA)

The thesis deals with interfirm comparison of twelfe selected Czech dairies between 2005-2009. The firms are ranked by various multicriterial methods with financial analysis ratios used as criteria. Companies are divided into groups by using the classification method and selected dairies are also evaluated by the spider analysis. The differences between applied methods are evaluated, as well the strengths and weaknesses of individual dairies.

Práce se zabývá mezipodnikovým srovnáváním čtrnácti českých pivovarů v letech 2005-2007. Podniky jsou seřazeny různými metodami dle poměrových ukazatelů finanční analýzy, rozčleněny do skupin klasifikační metodou a podrobeny grafické spider analýze. Jsou posouzeny přednosti a nedostatky užitých srovnávacích metod.

Práce se zabývá mezipodnikovým srovnáním vybraného segmentu stavebních podniků v letech 2006 až 2008. Hodnotí vzájemné finanční postavení podniků se specializací na dopravní stavby za použití jednokriteriálních i vícekriteriálních metod, rozčleňuje podniky do skupin pomocí klasifikační metody a definuje přednosti a nedostatky v oblasti jejich finančního řízení.

The thesis deals with inter-company comparison of selected furniture businesses in the period of 2007-2009. It aims to define the range of companies using the methods of intercompany comparison, especially the simple method of ranking, scoring, standard variable and distance from a fictive object. Furthermore the companies are sorted into the groups by the use of the classification analysis and selected outputs graphically depicted using the spider analysis.

La maîtrise du processus d’innovation est devenu un enjeu majeur pour les acteurs économiques actuels. Plus particulièrement dans les industries de biens d’équipement, le processus de conception et développement est long, complexe et implique différents acteurs travaillant sous des contraintes sévères. L’innovation n’est plus une activité ponctuelle mais récurrente. Le développement de nouveaux produits est donc organisée sous la forme de projets: les «projets d’innovation». A partir des observations portées sur le pilotage des projets d’innovation à l’intérieur d’un groupe industriel appelé Converteam, cette thèse propose une méthode de classification et segmentation des projets d'innovation de biens d’équipement. Afin de concevoir cette méthode de classification, une méthodologie d’observation pour la collecte des données a été mise au point. La campagne d’expérimentation a été menée dans le cadre de six projets d’innovation développés chez Converteam. Nous avons commencé par réaliser une analyse de l’évolution et de la dynamique d’innovation de la technologie des moteurs électriques afin de préciser la problématique industrielle. Ensuite nous avons analysé la littérature afin de trouver les éléments permettant de mettre au point une classification des projets d’innovation. L’étude de ces éléments a abouti dans une méthode de classification qui prend en compte les aspects marketing, technologiques et les attentes des entreprises, pour classer les projets en trois catégories : la différentiation, la neutralisation et l’optimisation. Cette méthode a été testée sur six projets d’innovation ce qui nous a permis de dégager de bonnes pratiques pour chaque catégorie de projet / Mastering the innovation process is a critical and major issue for a wide range of companies in this rapidly changing world. Especially in the capital goods industries where the design and development process is very long, complex and involves many different departments working under severe constraints (limited financial and technological resources, time, standards and rules to follow, etc). Innovation in these industries is no longer casual, but it has became a pivotal activity of the company. Thus, new product development activity is organized into "innovation projects". From observations of the innovative projects driver within a large industrial group called Converteam, this thesis proposes a method for classifying and segmenting capital goods innovation projects. In order to develop this classification method, an observation methodology for data collection has been developed. The experimental procedure was performed in six innovation projects developed at Converteam. We started by analysing the evolution and dynamics of the electric motors technology. Then, we analyzed the literature in order to find the inputs and outputs needed to develop a classification of innovation projects. The study of these elements resulted in a classification method that takes into account the marketing and technological aspects and the company expectations to classify projects into three categories: differentiation, neutralization and optimization. This method was tested on six innovative projects that allowed us to identify good practices for each project category

1. Zielstellung der Arbeit war die Entwicklung von Musterkennungsmethoden zur automatischen Klassifizierung von Gasen. Um dieses Ziel zu erreichen, wurde die Reduktionsmethode Parameterabschätzung mittels Adaptive-Simulated-Annealing (ASA-PE) und eine Committee machine (CM) zur Klassifikation entwickelt. 2. Mittels PEDOT:PSS-Sensoren wurden mit Hilfe der Impedanzspektroskopie NH3 und NO2 in unterschiedlichen Konzentrationen gemessen. Die aufgenommenen Messdaten wurden durch die ASA-PE, die Komplexe Haupt-komponentenanalyse (CPCA) und die Discriminant analyses via Support Vector (SVDA) reduziert. 3. Der Vergleich der Merkmalsextraktionsmethoden zeigt: Die in dieser Arbeit neu entwickelte Methode ASA-PE liefert im Vergleich dazu ein sicheres Segmentierungs-Ergebnis. 4. Der Vergleich zwischen ASA-PE und ZView zeigt, dass die ASA-PE eine sichere Methode für die automatisierte Gasanalyse ist. Aber bei zweidimensionalen Merkmalen gibt es einen Bereich, in dem sich eine gemeinsame Häufung einstellt, welche zu einer Irritation in der Auswertung von CPCA und SVDA führen kann. Dieses Problem kann durch eine Erhöhung der Anzahl von Merkmalen gelöst werden. 5. Es wurden sechs die Klassifikationsmethoden: Abstandsgewichtete k-Nächste-Nachbarn-Klassifikation (DW-kNN), das mehrlagige Perzeptron (MLP), Support Vector Machine (SVM), CM, CM ohne MLP und CM mit Abstandskontrolle und AAi-Filter untersucht und miteinander verglichen. Um die Klassifikationsmethoden anzulernen wurden alle Merkmalsreduktions-ergebnisse der CPCA, SVDA und der ASA-PE in Trainings- und Testdaten eingeteilt. 6. Die Ergebnisse zeigen, dass die Kombination aus One-Against-All-SVM (OAA-SVM) und ASA-PE die besten Erkennungsraten liefert. Bei 200 Trainingsdatensätzen wird eine Erkennungsrate von bis zu 99.5% erzielt. Durch diese Kombination können jedoch nur 8 Typen ohne Identifikation von unbekannten Typen ermittelt werden. 7. Wenn das MLP aus CM entfernt wird, werden die Resultate von CM leicht verbessert. Mit Hilfe von 6-Sigma zeigt CM ohne MLP eine gute Erkennungsrate für unbekannte Gase und gleichzeitig bleibt die Erkennungsrate auf einem befriedigenden Niveau. 8. Die Streuung der ASA-PE führt zu einer schlechten Abgrenzung zwischen bekannten und unbekannten Gasen. Stattdessen zeigt die Kombination von CM ohne MLP und CPCA in diesem Fall eine gute Abgrenzung.:Abstract II Danksagung III Inhaltsverzeichnis IV Abkürzungen VII 1 Einführung 1.1 Einleitung 1.2 Entwicklungen bei Gassensoren 1.2.1 Fortschritte bei Material und Messmethode 1.2.2 Fortschritte bei Mustererkennungsmethoden 1.3 Motivation 1.4 Struktur der Arbeit 2 Verfahren zur Gasanalyse 2.1 Messverfahren 2.1.1 Impedanzspektroskopie als Detektionsmethode 2.1.1.1 Definition der Impedanz 2.1.1.2 Bauelemente des elektrischen Modells 2.1.2 Optische Verfahren 2.1.3 Elektrochemische Verfahren 2.2 Merkmalerkennung 2.2.1 Merkmalsreduktion 2.2.1.1 Komplexe Hauptkomponentenanalyse (Engl. Complex Principal Component Analysis) 2.2.1.2 Kernel-Diskriminanzanalyse mittels Support Vektoren (engl. kernel Discriminant Analysis via Support Vector) 2.2.2 Klassifikationsverfahren 2.2.2.1 Abstands-gewichtete k-Nächste-Nachbarn-Klassifikation (engl. Distance weighted k-Nearest-Neighbor-Algorithms, DW-kNN) 2.2.2.2 Mehrlagiges Perzeptron (MLP) 2.2.2.3 Support Vektor Maschine (SVM) 3 Eigene Mustererkennungsverfahren 3.1 Parameterschätzung mittels Adaptive-Simulated-Annealing (ASA-PE) 3.1.1 Allgemeines Impedanzspektroskopiemodell eines Gassensors 3.1.2 Parameterschätzung 3.1.3 Die Optimierungsverfahren 3.2 Committee machine 4 Anwendungsbeispiel 4.1 Experiment mit einem Gassensor aus PEDOT:PSS 4.1.1 Sensoraufbau und vereinfachtes Sensormodell 4.2 Experimentelle Ergebnisse 4.2.1 Messaufbau und Versuchsdurchführung 4.2.2 Vorbereitung zur Messung 4.2.3 Durchführung der Messung 4.2.4 Fehlerbetrachtung 4.2.5 Messergebnisse des Gassensors 4.3 Ergebnisse der Merkmalreduktion 4.3.1 CPCA und SVDA 4.3.2 Parameterschätzung mittels Adaptive-Simulated-Annealing (ASA-PE) 4.4 Ergebnisse der Klassifikationen 4.4.1 Ergebnisse der Gasbestimmung mittels Trainingssatz und Testsatz 4.4.1.1 DW-kNN 4.4.1.2 MLP 4.4.1.3 OAO-SVM 4.4.1.4 OAA-SVM 4.4.1.5 Committee machine 4.4.1.6 CM ohne MLP 4.4.1.7 CM mit AAi-Filter 4.4.2 Abhängigkeit der Klassifikationsergebnisse von der Anzahl der Trainingsdaten 5 Zusammenfassung und Ausblick 5.1 Zusammenfassung 5.2 Ausblick Abbildungsverzeichnis Formelverzeichnis Literaturverzeichnis

Cette thèse tire les enseignements de la zone Euro qui représente la phase la plus avancée de l’intégration économique au sein de l’Union Européenne. Cependant, force est de constater que la zone euro affiche des lacunes en termes de mécanismes d’ajustement alternatifs. Ainsi malgré les avancées considérables, cette intégration économique et institutionnelle semble insuffisante pour absorber les chocs asymétriques sur les États. Nous avons utilisé diverses approches (baromètres de convergence, classification par arbre de décision et modèle de Merton) pour évaluer l’efficacité des politiques économiques au sein de l’UEMOA. Nous avons étudié, à partir de données empiriques allant de 1994 à 2015, l’hétérogénéité des principaux agrégats macroéconomiques entre les pays de la zone et leurs évolutions dans le temps. Contrairement aux attentes, des différences existent encore entre les pays. Selon l’objectif de politique macroéconomique mesuré (croissance économique, inflation, chômage), nos résultats révèlent que les changements dans les performances des groupes constitués sont expliqués soit par des migrations entre les groupes, soit par les changements à l’intérieur des groupes. Finalement, nos investigations montrent que l’élargissement à la CEDEAO amplifie ces divergences. Nos résultats montrent enfin une bonne performance de la règle de Taylor comparativement à l’inflation cible depuis 2003. Cette règle serait une "conduite de base" adaptable à la politique de la future banque centrale après avoir levé la difficulté à déterminer les valeurs de référence de l’équation dans ces espaces économiques hétérogènes. / This paper draws lessons from the Eurozone which represents the most advanced stage of economic integration in the European Union. However the alternative adjustment mechanisms in place there prove to be insufficient to absorb asymmetric shocks endured by member states. We used various methods such as convergence barometers, decision tree classification, and Merton model in order to assess the effectiveness of the economic policies in place within the WAEMU . We studied, through empirical data from 1994 to 2015, the heterogeneity of the main macroeconomic aggregates between the countries of the area and it’s evolution over time. Contrary to expectations, discrepancies still exist between countries. In accordance with the goal of macroeconomic policy measured, our results reveal that either the effects of migration between groups, or the changes in performance within groups give an account of the changes in performance inside groups. Our investigations eventually brings to light that the expansion to the ECOWAS amplifies the divergences.Lastly, our results show that the Taylor rule has been well put to use in comparison to targeted inflation since 2003. This rule can be regarded as a "basic rule" adaptable to the policy of the future central bank after having lifted the difficulty in determining the reference values in these heterogeneous economic areas.

Made available in DSpace on 2016-06-02T19:05:36Z (GMT). No. of bitstreams: 1 2598.pdf: 3349204 bytes, checksum: 01649491fd1f03aa5a11b9191727f88b (MD5) Previous issue date: 2009-06-29 / Financiadora de Estudos e Projetos / This master thesis describes an intelligent classifier system applied to multiclass non-linearly separable problems called Slicer. The system adopts a low computacional cost supervised learning strategy (evaluated as ) based on linear separability. During the learning period the system determines a set of hyperplanes associated to oneclass regions (sub-spaces). In classification tasks the classifier system uses the hyperplanes as a set of if-then-else rules to infer the class of the input attribute vector (non classified object). Among other characteristics, the intelligent classifier system is able to: deal with missing attribute values examples; reject noise examples during learning; adjust hyperplane parameters to improve the definition of the one-class regions; and eliminate redundant rules. The fuzzy theory is considered to design a hybrid version with features such as approximate reasoning and parallel inference computation. Different classification methods and benchmarks are considered for evaluation. The classifier system Slicer reaches acceptable results in terms of accuracy, justifying future investigation effort. / Este trabalho de mestrado descreve um sistema classificador inteligente aplicado a problemas multiclasse não-linearmente separáveis chamado Slicer. O sistema adota uma estratégia de aprendizado supervisionado de baixo custo computacional (avaliado em ) baseado em separabilidade linear. Durante o período de aprendizagem o sistema determina um conjunto de hiperplanos associados a regiões de classe única (subespaços). Nas tarefas de classificação o sistema classificador usa os hiperplanos como um conjunto de regras se-entao-senao para inferir a classe do vetor de atributos dado como entrada (objeto a ser classificado). Entre outras caracteristicas, o sistema classificador é capaz de: tratar atributos faltantes; eliminar ruídos durante o aprendizado; ajustar os parâmetros dos hiperplanos para obter melhores regiões de classe única; e eliminar regras redundantes. A teoria nebulosa é considerada para desenvolver uma versão híbrida com características como raciocínio aproximado e simultaneidade no mecanismo de inferência. Diferentes métodos de classificação e domínios são considerados para avaliação. O sistema classificador Slicer alcança resultados aceitáveis em termos de acurácia, justificando investir em futuras investigações.

The research uses cameras mounted to a vehicle to capture geotagged images while conducting a transect survey. The images from two capture dates were manually classified into different classes of previous crop, tillage systems, residue cover, and cover crop utilization. The raw data was compared against the Indiana Cropland Transect Survey and the USDA-NASS Cropland Data Layer. The symmetric Kullback-Liebler divergence method was used to compared the distributions looking for similarities. <div><br></div><div>The manually classified data was then used to build satellite segmentation models using artificial neural networks , decision trees, k nearest neighbors, random forests, and support vector machine methods. The models were compared using overall accuracy, kappa coefficient, specificity, sensitivity, positive prediction value, and negative prediction value. The best model for each category of previous crop, tillage system, residue cover, and cover crop was used to segment a Sentenial-2 imagery downloaded from Copernicus Open Access hub. The results of the segment were compared by looking at the agreement at individual pixel locations from the segmented raster to the manually classified data and the Indiana Cropland Transect Survey. </div><div><br></div><div>Finally, all the images captured were used to being the development of a automated image classifier using nested convolutional neural networks (CNN). A small set of images was used to build the CNN. That model when then make prediction on new unclassified images. The predictions were manually checked. The check images were used to the to build the training and validation pools for the models. The first network divided the images into field or not field.</div><div>The second branch was field images divided in to images containing green growing plants of brown dead plants or residues. The final branch was determining the amount of surface cover left on a field. The results from each run of the training process were saved and used to assess model performance looking at accuracy and loss.</div>