FM Panu Luosto väittelee 14.9.2013 kello 10 (Helsingin yliopiston päärakennus, Unioninkatu 34, Auditorio XIV (vanha puoli), 3. kerros) aiheesta "Normalized maximum likelihood methods for clustering and density estimation". Tutkimus kuuluu tietojenkäsittelytieteen alaan ja erityisesti data-analyysiin. Vastaväittäjänä toimii dosentti, akatemiatutkija Jaakko Peltonen (Aalto-yliopisto) ja kustoksena professori Jyrki Kivinen (Helsingin yliopisto). Väitöstilaisuus pidetään suomeksi.
Normalisoidun suurimman uskottavuuden menetelmiä ryvästykseen ja tiheyden arviointiin
Lyhimmän kuvailupituuden periaate on informaatioteoreettinen menetelmä, jolla etsitään oleellista tietoa numeerisesta aineistosta tutkimalla tämän tiivistyvyyttä. Tarkemmin sanottuna tehtävänä on valita aineistoon nähden sopivin todennäköisyysjakauma annetusta kokoelmasta. Normalisoidun suurimman uskottavuuden jakauman käyttäminen on erilaisista valintamenetelmistä erikoisasemassa optimaalisuusominaisuuksiensa ansiosta. Useissa käytännön kannalta tärkeissä asetelmissa tätä jakaumaa ei kuitenkaan ole olemassa. Väitöskirja ehdottaa näihin tilanteisiin menetelmiä, joilla on normalisoidun suurimman uskottavuuden jakauman tyyppisiä ominaisuuksia. Uusia menetelmiä sovelletetaan ryvästykseen sekä tiheyden ja entropian arvioimiseen.
Väitöskirjan saatavuus
Väitöskirjan elektroninen versio on saatavilla Helsingin yliopiston e-thesis-palvelussa osoitteessa http://urn.fi/URN:ISBN:978-952-10-9180-3.
Painettuja väitöskirjoja voi tiedustella väittelijältä itseltään: panu.luosto@cs.helsinki.fi.