| |
|
Webový portál pro správu a klasifikaci informací z distribuovaných zdrojů
Vrána, Pavel ; Chmelař, Petr (oponent) ; Drozd, Michal (vedoucí práce)
Tato diplomová práce se zabývá technikami dolování dat a jejich klasifikací do kategorií dle kriterií. Cílem práce je implementace webového portálu pro správu a klasifikaci dat z distribuovaných zdrojů. K dosažení cíle bude třeba otestovat rozdílné metody a najít nejvhodnější z nich pro klasifikaci internetových článků. Ze získaných výsledků bude navržena maximálně automatizovaná aplikace pro stahování a klasifikaci dat z různých internetových zdrojů, která by v konečném důsledku měla nahradit uživatele, jež by tuto práci prováděl manuálně.
|
|
Metody klasifikace www stránek
Svoboda, Pavel ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Hlavním cílem této diplomové práce bylo prostudovat podstatné části klasifikačních metod. Práce obsahuje klíčové klasifikační metody, vysvětluje princip získávání znalostí z databází, pojem datový sklad a třídu CSSBox. Speciálně se zaměřuje na implementování hlavní metody k-nejbližších sousedů. První cílem této práce bylo vytvořit trénovací a testovací data popsaná 'n' atributy. Druhým cílem bylo experimentálně určit, jak zvolit správnou hodnotu 'k', tedy počet sousedů.
|
|
Klasifikace akustických signálů
Pospíšil, Aleš ; Balík, Miroslav (oponent) ; Atassi, Hicham (vedoucí práce)
Bakalářská práce se zaměřuje na problematiku automatické klasifikace hudebních žánrů. Nejprve je hodnocen současný stav řešení problému s odkazem na již vytvořené studie a získané poznatky jsou využity k vlastní práci. Předmětem řešení problému je shrnutí použitelných hudebních příznaků a také klasifikačních metod jako neuronové sítě a k-nejbližší soused. Vybrané klasifikační třídy jsou vážná hudba, elektro, jazz a rock. Výsledkem bakalářské práce je systém pro automatické rozpoznání hudebních žánrů, který bude použitelný a uživatelsky přístupný. Dosažené rozpoznavací výsledky do jisté míry respektují schopnosti lidského organismu právě hudební žánry rozpoznat.
|
| |
|
Influence of Metric on Classification Error of Distance-Based Classifiers
Jiřina, Marcel
Five types of classifiers that use sample distances for class estimation of an unknown sample was tested. Each classifier was tested with fifteen different metrics on 24 classification tasks from the UCI Machine Learning Repository. The metrics were compared and the best of them was found for each classifier. Surprisingly, the best metrics for all five types of classifiers is the Hassanat metrics. Classifiers were also compared and ranked according to their classification ability. Wilcoxon Test and Friedman Aligned test were used for statistical evaluation.
Plný tet: v1211-14 - PDF Plný text: content.csg - PDF
|