Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa

Liikeanalyysissa tuotetaan paljon korkeaulotteista mittausdataa, jonka käsittelyyn tarvitaan usean muuttujan menetelmiä. Suuret datamäärät johtavat myös siihen, että menetelmät tarvitsevat enemmän laskentatehoa. Ohjaamattomaan oppimiseen kuuluva ulotteisuuden pienentämisen menetelmä pääkomponenttian...

Täydet tiedot

Bibliografiset tiedot
Päätekijä: Lempinen, Aleksander
Muut tekijät: Informaatioteknologian tiedekunta, Faculty of Information Technology, Informaatioteknologia, Information Technology, Jyväskylän yliopisto, University of Jyväskylä
Aineistotyyppi: Kandityö
Kieli:fin
Julkaistu: 2019
Aiheet:
Linkit: https://jyx.jyu.fi/handle/123456789/63598
_version_ 1828193210172702720
author Lempinen, Aleksander
author2 Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_facet Lempinen, Aleksander Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä Lempinen, Aleksander Informaatioteknologian tiedekunta Faculty of Information Technology Informaatioteknologia Information Technology Jyväskylän yliopisto University of Jyväskylä
author_sort Lempinen, Aleksander
datasource_str_mv jyx
description Liikeanalyysissa tuotetaan paljon korkeaulotteista mittausdataa, jonka käsittelyyn tarvitaan usean muuttujan menetelmiä. Suuret datamäärät johtavat myös siihen, että menetelmät tarvitsevat enemmän laskentatehoa. Ohjaamattomaan oppimiseen kuuluva ulotteisuuden pienentämisen menetelmä pääkomponenttianalyysi on laajasti käytössä liikeanalyysissa. Tässä tutkielmassa käsitellään pääkomponenttianalyysin hyödyntämistä kliinisessä liikeanalyysitutkimuksessa. Human locomotion research or gait analysis measurements produce large amounts of high-dimensional data, which requires a multivariate approach. Large amounts of data also require more computational resources. Pricipal component analysis which is an unsupervised dimensionality reduction method is in widespread use in gait analysis. This thesis addresses applications of principal component analysis in clinical gait analysis.
first_indexed 2019-08-19T08:21:34Z
format Kandityö
free_online_boolean 1
fullrecord [{"key": "dc.contributor.advisor", "value": "M\u00f6nk\u00f6l\u00e4, Sanna", "language": "", "element": "contributor", "qualifier": "advisor", "schema": "dc"}, {"key": "dc.contributor.author", "value": "Lempinen, Aleksander", "language": "", "element": "contributor", "qualifier": "author", "schema": "dc"}, {"key": "dc.date.accessioned", "value": "2019-04-25T05:40:30Z", "language": null, "element": "date", "qualifier": "accessioned", "schema": "dc"}, {"key": "dc.date.available", "value": "2019-04-25T05:40:30Z", "language": null, "element": "date", "qualifier": "available", "schema": "dc"}, {"key": "dc.date.issued", "value": "2019", "language": "", "element": "date", "qualifier": "issued", "schema": "dc"}, {"key": "dc.identifier.uri", "value": "https://jyx.jyu.fi/handle/123456789/63598", "language": null, "element": "identifier", "qualifier": "uri", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Liikeanalyysissa tuotetaan paljon korkeaulotteista mittausdataa, jonka k\u00e4sittelyyn tarvitaan usean muuttujan menetelmi\u00e4. Suuret datam\u00e4\u00e4r\u00e4t johtavat my\u00f6s siihen, ett\u00e4 menetelm\u00e4t tarvitsevat enemm\u00e4n laskentatehoa. Ohjaamattomaan oppimiseen kuuluva ulotteisuuden pienent\u00e4misen menetelm\u00e4 p\u00e4\u00e4komponenttianalyysi on laajasti k\u00e4yt\u00f6ss\u00e4 liikeanalyysissa. T\u00e4ss\u00e4 tutkielmassa k\u00e4sitell\u00e4\u00e4n p\u00e4\u00e4komponenttianalyysin hy\u00f6dynt\u00e4mist\u00e4 kliinisess\u00e4 liikeanalyysitutkimuksessa.", "language": "fi", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.abstract", "value": "Human locomotion research or gait analysis measurements produce large amounts of high-dimensional data, which requires a multivariate approach. Large amounts of data also require more computational resources. Pricipal component analysis which is an unsupervised dimensionality reduction method is in widespread use in gait analysis. This thesis addresses applications of principal component analysis in clinical gait analysis.", "language": "en", "element": "description", "qualifier": "abstract", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Submitted by Paivi Vuorio (paelvuor@jyu.fi) on 2019-04-25T05:40:30Z\nNo. of bitstreams: 0", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.description.provenance", "value": "Made available in DSpace on 2019-04-25T05:40:30Z (GMT). No. of bitstreams: 0\n Previous issue date: 2019", "language": "en", "element": "description", "qualifier": "provenance", "schema": "dc"}, {"key": "dc.format.extent", "value": "20", "language": "", "element": "format", "qualifier": "extent", "schema": "dc"}, {"key": "dc.language.iso", "value": "fin", "language": null, "element": "language", "qualifier": "iso", "schema": "dc"}, {"key": "dc.rights", "value": "In Copyright", "language": "en", "element": "rights", "qualifier": null, "schema": "dc"}, {"key": "dc.subject.other", "value": "pca", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "principal component analysis", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "machine learning", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "gait analysis", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "human locomotion", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.subject.other", "value": "p\u00e4\u00e4komponenttianalyysi", "language": "", "element": "subject", "qualifier": "other", "schema": "dc"}, {"key": "dc.title", "value": "Ulotteisuuden pienent\u00e4minen p\u00e4\u00e4komponenttianalyysilla liikeanalyysissa", "language": "", "element": "title", "qualifier": null, "schema": "dc"}, {"key": "dc.type", "value": "bachelor thesis", "language": null, "element": "type", "qualifier": null, "schema": "dc"}, {"key": "dc.identifier.urn", "value": "URN:NBN:fi:jyu-201904252264", "language": "", "element": "identifier", "qualifier": "urn", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Bachelor's thesis", "language": "en", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.type.ontasot", "value": "Kandidaatinty\u00f6", "language": "fi", "element": "type", "qualifier": "ontasot", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Informaatioteknologian tiedekunta", "language": "fi", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.faculty", "value": "Faculty of Information Technology", "language": "en", "element": "contributor", "qualifier": "faculty", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Informaatioteknologia", "language": "fi", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.department", "value": "Information Technology", "language": "en", "element": "contributor", "qualifier": "department", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "Jyv\u00e4skyl\u00e4n yliopisto", "language": "fi", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.contributor.organization", "value": "University of Jyv\u00e4skyl\u00e4", "language": "en", "element": "contributor", "qualifier": "organization", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Tietotekniikka", "language": "fi", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "dc.subject.discipline", "value": "Mathematical Information Technology", "language": "en", "element": "subject", "qualifier": "discipline", "schema": "dc"}, {"key": "yvv.contractresearch.funding", "value": "0", "language": "", "element": "contractresearch", "qualifier": "funding", "schema": "yvv"}, {"key": "dc.type.coar", "value": "http://purl.org/coar/resource_type/c_7a1f", "language": null, "element": "type", "qualifier": "coar", "schema": "dc"}, {"key": "dc.rights.accesslevel", "value": "openAccess", "language": null, "element": "rights", "qualifier": "accesslevel", "schema": "dc"}, {"key": "dc.type.publication", "value": "bachelorThesis", "language": null, "element": "type", "qualifier": "publication", "schema": "dc"}, {"key": "dc.subject.oppiainekoodi", "value": "602", "language": "", "element": "subject", "qualifier": "oppiainekoodi", "schema": "dc"}, {"key": "dc.subject.yso", "value": "liikeanalyysi", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "data", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "koneoppiminen", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "big data", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "tiedonlouhinta", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.subject.yso", "value": "faktorianalyysi", "language": null, "element": "subject", "qualifier": "yso", "schema": "dc"}, {"key": "dc.rights.url", "value": "https://rightsstatements.org/page/InC/1.0/", "language": null, "element": "rights", "qualifier": "url", "schema": "dc"}]
id jyx.123456789_63598
language fin
last_indexed 2025-03-31T20:02:11Z
main_date 2019-01-01T00:00:00Z
main_date_str 2019
online_boolean 1
online_urls_str_mv {"url":"https:\/\/jyx.jyu.fi\/bitstreams\/af54b22f-6a63-4d13-96b9-524d4a7f39c8\/download","text":"URN:NBN:fi:jyu-201904252264.pdf","source":"jyx","mediaType":"application\/pdf"}
publishDate 2019
record_format qdc
source_str_mv jyx
spellingShingle Lempinen, Aleksander Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa pca principal component analysis machine learning gait analysis human locomotion pääkomponenttianalyysi Tietotekniikka Mathematical Information Technology 602 liikeanalyysi data koneoppiminen big data tiedonlouhinta faktorianalyysi
title Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa
title_full Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa
title_fullStr Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa
title_full_unstemmed Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa
title_short Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa
title_sort ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa
title_txtP Ulotteisuuden pienentäminen pääkomponenttianalyysilla liikeanalyysissa
topic pca principal component analysis machine learning gait analysis human locomotion pääkomponenttianalyysi Tietotekniikka Mathematical Information Technology 602 liikeanalyysi data koneoppiminen big data tiedonlouhinta faktorianalyysi
topic_facet 602 Mathematical Information Technology Tietotekniikka big data data faktorianalyysi gait analysis human locomotion koneoppiminen liikeanalyysi machine learning pca principal component analysis pääkomponenttianalyysi tiedonlouhinta
url https://jyx.jyu.fi/handle/123456789/63598 http://www.urn.fi/URN:NBN:fi:jyu-201904252264
work_keys_str_mv AT lempinenaleksander ulotteisuudenpienentäminenpääkomponenttianalyysillaliikeanalyysissa