Active and interactive learning strategies for error-tolerant graph matching

Els grafs, són un tipus de dades que ens permet emmagatzemar la informació estructural d’un objecte conferint-nos la possibilitat de representar patrons que degut a la seva pròpia naturalesa requereixen d’aquesta particularitat, ja siguin imatges, estructures químiques o biològiques, xarxes, patrons...

Full description

Bibliographic Details
Author: Cortés Llosa, Xavier
Format: doctoral thesis
Status:Published version
Publication Date:2016
Country:España
Institution:CBUC, CESCA
Repository:TDR. Tesis Doctorales en Red
OAI Identifier:oai:www.tdx.cat:10803/396314
Online Access:http://hdl.handle.net/10803/396314
Access Level:Open access
Keyword:Teoria de grafs
Aprenentatge automàtic
Reconoxeiment de patrons
Teoría de grafos
Aprendizaje automático
Reconocimiento de patrones
Graphs theory
Machine learning
Pattern recognition
Enginyeria i Arquitectura
004
51
id ES_8e55c928c42657ac465043c165618f6d
oai_identifier_str oai:www.tdx.cat:10803/396314
network_acronym_str ES
network_name_str España
repository_id_str
dc.title.none.fl_str_mv Active and interactive learning strategies for error-tolerant graph matching
title Active and interactive learning strategies for error-tolerant graph matching
spellingShingle Active and interactive learning strategies for error-tolerant graph matching
Cortés Llosa, Xavier
Teoria de grafs
Aprenentatge automàtic
Reconoxeiment de patrons
Teoría de grafos
Aprendizaje automático
Reconocimiento de patrones
Graphs theory
Machine learning
Pattern recognition
Enginyeria i Arquitectura
004
51
title_short Active and interactive learning strategies for error-tolerant graph matching
title_full Active and interactive learning strategies for error-tolerant graph matching
title_fullStr Active and interactive learning strategies for error-tolerant graph matching
title_full_unstemmed Active and interactive learning strategies for error-tolerant graph matching
title_sort Active and interactive learning strategies for error-tolerant graph matching
dc.creator.none.fl_str_mv Cortés Llosa, Xavier
author Cortés Llosa, Xavier
author_facet Cortés Llosa, Xavier
author_role author
dc.contributor.none.fl_str_mv Serratosa Casenelles, Francesc
Universitat Rovira i Virgili. Departament d'Enginyeria Informàtica i Matemàtiques
dc.subject.none.fl_str_mv Teoria de grafs
Aprenentatge automàtic
Reconoxeiment de patrons
Teoría de grafos
Aprendizaje automático
Reconocimiento de patrones
Graphs theory
Machine learning
Pattern recognition
Enginyeria i Arquitectura
004
51
topic Teoria de grafs
Aprenentatge automàtic
Reconoxeiment de patrons
Teoría de grafos
Aprendizaje automático
Reconocimiento de patrones
Graphs theory
Machine learning
Pattern recognition
Enginyeria i Arquitectura
004
51
description Els grafs, són un tipus de dades que ens permet emmagatzemar la informació estructural d’un objecte conferint-nos la possibilitat de representar patrons que degut a la seva pròpia naturalesa requereixen d’aquesta particularitat, ja siguin imatges, estructures químiques o biològiques, xarxes, patrons biomètrics... Des de fa més de 30 anys, la recerca enfocada a com representar objectes mitjançant grafs i el posterior còmput de la distància entre aquestes representacions ha ocupat el treball de molts investigadors. La definició d’un model adequat per mesurar la dissimilitud entre dues d’aquestes representacions, és una qüestió clau en el camp del reconeixement de patrons. A aquest problema se l’ha anomenat “Error-Tolerant Graph Matching”. La “Graph Edit Distance” és una aproximació particular al problema de “l’Error-Tolerant Graph Matching” a partir del còmput de la mínima distorsió necessària per transformar un graf en un altre. El principal objectiu d’aquesta tesi, és el de proposar un nou model per aprendre automàticament els paràmetres de la “Graph Edit Distance” i definir diferents estratègies actives d’aprenentatge per afegir interactivitat al problema. Aquesta tesi, també explora la definició de diferents mètriques per calcular la dissimilitud entre sub-estructures locals corresponents a dos nodes i presenta un nou model basat en “metric-trees” de “Graph Class Prototypes” per guardar col•leccions de grafs. Finalment, es proposa portar el concepte d’interactivitat a un altre domini, el problema de relacionar els punts entre dues imatges per tal de millorar la precisió en el càlcul de la posició correlativa entre robots pertanyents a una mateixa flota que treballa de forma cooperativa.
publishDate 2016
dc.date.none.fl_str_mv 2016
2016
2016
dc.type.none.fl_str_mv info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
format doctoralThesis
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/10803/396314
url http://hdl.handle.net/10803/396314
dc.language.none.fl_str_mv Inglés
language_invalid_str_mv Inglés
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 189 p.
application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universitat Rovira i Virgili
publisher.none.fl_str_mv Universitat Rovira i Virgili
dc.source.none.fl_str_mv TDX (Tesis Doctorals en Xarxa)
reponame:TDR. Tesis Doctorales en Red
instname:CBUC, CESCA
instname_str CBUC, CESCA
reponame_str TDR. Tesis Doctorales en Red
collection TDR. Tesis Doctorales en Red
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869413120621936640
spelling Active and interactive learning strategies for error-tolerant graph matchingCortés Llosa, XavierTeoria de grafsAprenentatge automàticReconoxeiment de patronsTeoría de grafosAprendizaje automáticoReconocimiento de patronesGraphs theoryMachine learningPattern recognitionEnginyeria i Arquitectura00451Els grafs, són un tipus de dades que ens permet emmagatzemar la informació estructural d’un objecte conferint-nos la possibilitat de representar patrons que degut a la seva pròpia naturalesa requereixen d’aquesta particularitat, ja siguin imatges, estructures químiques o biològiques, xarxes, patrons biomètrics... Des de fa més de 30 anys, la recerca enfocada a com representar objectes mitjançant grafs i el posterior còmput de la distància entre aquestes representacions ha ocupat el treball de molts investigadors. La definició d’un model adequat per mesurar la dissimilitud entre dues d’aquestes representacions, és una qüestió clau en el camp del reconeixement de patrons. A aquest problema se l’ha anomenat “Error-Tolerant Graph Matching”. La “Graph Edit Distance” és una aproximació particular al problema de “l’Error-Tolerant Graph Matching” a partir del còmput de la mínima distorsió necessària per transformar un graf en un altre. El principal objectiu d’aquesta tesi, és el de proposar un nou model per aprendre automàticament els paràmetres de la “Graph Edit Distance” i definir diferents estratègies actives d’aprenentatge per afegir interactivitat al problema. Aquesta tesi, també explora la definició de diferents mètriques per calcular la dissimilitud entre sub-estructures locals corresponents a dos nodes i presenta un nou model basat en “metric-trees” de “Graph Class Prototypes” per guardar col•leccions de grafs. Finalment, es proposa portar el concepte d’interactivitat a un altre domini, el problema de relacionar els punts entre dues imatges per tal de millorar la precisió en el càlcul de la posició correlativa entre robots pertanyents a una mateixa flota que treballa de forma cooperativa.Los grafos, son un tipo de datos que nos permite almacenar la información estructural de un objeto confiriéndole la posibilidad de representar patrones que debido a su propia naturaleza requieren de esta particularidad, ya sean imágenes, estructuras químicas o biológicas, redes , patrones biométricos ... Desde hace más de 30 años, la investigación enfocada a cómo representar objetos mediante grafos y el posterior cómputo de la distancia entre estas representaciones ha ocupado el trabajo de muchos investigadores. La definición de un modelo adecuado para medir la disimilitud entre dos de estas representaciones, es una cuestión clave en el campo del reconocimiento de patrones. A este problema se le ha llamado "Error-Tolerant Graph Matching". La "Graph Edit Distance" es una aproximación particular al problema del "Error-Tolerant Graph Matching " a partir del cómputo de la mínima distorsión necesaria para transformar un grafo en otro. El principal objetivo de esta tesis, es el de proponer un nuevo modelo para aprender automáticamente los parámetros de la "Graph Edit Distance" y definir diferentes estrategias activas de aprendizaje para añadir interactividad al problema. Esta tesis, también explora la definición de diferentes métricas para calcular la disimilitud entre sub-estructuras locales correspondientes a dos nodos y presenta un nuevo modelo basado en "metric-trees" de "Graph Class Prototypes" para guardar colecciones de grafos. Finalmente, se propone llevar el concepto de interactividad a otro dominio, el problema de relacionar los puntos entre dos imágenes para mejorar la precisión en el cálculo de la posición correlativa entre robots pertenecientes a una misma flota que trabaja de forma cooperativa.Graphs are data types that can store structural information of objects and are commonly used to represent patterns that because of its nature require this peculiarity, as images, chemical or biological structures, networks, biometric patterns... For more than 30 years, researchers have been focused on how to represent objects through graphs and how to compute the distance between them. The definition of an adequate model for measure the dissimilarity between these representations is a key issue in pattern recognition. This is the Error-Tolerant Graph Matching problem. Graph Edit Distance is a particular approach to the Error-Tolerant Graph Matching problem by means of computing the minimum amount of distortion required to transform one graph into another. The main aim of this thesis is to propose a new model to automatically learn the parameters for Graph Edit Distance and to define different active learning strategies adding interactivity to the problem. Moreover, this thesis explores the definition of different metrics to estimate the dissimilarity between local substructures of two nodes and presents a new model based on metric-trees of Graph-Class Prototypes to store large collections of graphs. Finally, it is proposed to bring the interactivity to a different domain, the problem of matching the points of two images in order to improve the accuracy calculating the relative position between different robots of a fleet working cooperatively.Universitat Rovira i VirgiliSerratosa Casenelles, FrancescUniversitat Rovira i Virgili. Departament d'Enginyeria Informàtica i Matemàtiques201620162016info:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/publishedVersion189 p.application/pdfapplication/pdfhttp://hdl.handle.net/10803/396314TDX (Tesis Doctorals en Xarxa)reponame:TDR. Tesis Doctorales en Redinstname:CBUC, CESCAInglésADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.info:eu-repo/semantics/openAccessoai:www.tdx.cat:10803/3963142026-06-14T12:46:07Z
score 15,300724

Similar Items