|
|
Získávání znalostí z obchodních procesů
Skácel, Jan ; Kreslíková, Jitka (oponent) ; Bartík, Vladimír (vedoucí práce)
Tato diplomová práce objasňuje disciplínu získávání znalostí z obchodních procesů. Je zde ukázán princip dolování. Značná část tématiky je věnována problémům při objevování procesu. Dále se práce věnuje analýze konkrétního výrobního procesu, na jejímž základě jsou navrženy tři dolovací metody, které se snaží zjistit nedostatky v procesu. První objevuje výrobní proces a vykresluje jej do grafu. Druhá metoda využívá simulátor produkční historie k získání produktů, které pravděpodobně způsobily opoždění výrobního procesu. Z~takto získaných dat se poté dolují frekventované množiny. Třetí metoda se snaží predikovat čas zpracování produktu na vybraném pracovišti pomocí asociačních pravidel. Poslední dvě zmíněné metody využívají algoritmus Frequent Pattern Growth. Získané znalosti z této práce umožňují zefektivnit výrobní proces a lépe plánovat samotnou výrobu.
|
|
| |
|
|
Analysis of Product Reviews
Klocok, Andrej ; Doležal, Jan (oponent) ; Smrž, Pavel (vedoucí práce)
Online store customers generate vast amounts of product and service information through reviews, which are an important source of feedback. This thesis deals with the creation of a system for the analysis of product and shop reviews in the czech language. It describes the current methods of sentiment analysis and builds on current solutions. The resulting system implements automatic data download and their indexing, subsequently sentiment analysis together with text summary in the form of clustering of similar sentences based on vector representation of the text. A graphical user interface in the form of a web page is also included. A review data set with a total of more than six million reviews was created during the semester along with an interface for easy data export.
|
|
| |
|
| |
|
|
Rozpoznávání a klasifikace emocí na základě analýzy řeči
Černý, Lukáš ; Atassi, Hicham (oponent) ; Smékal, Zdeněk (vedoucí práce)
Diplomová práce se soustředí na klasifikaci emocí. Práce pojednává o parametrizaci zvukových souborů pomoci segmentálních a suprasegmentálních metod s ohledem na jejich další použití. Tato databáze obsahuje mnoho zvukových nahrávek s emocemi. Z těchto zvukových nahrávek jsou vytvořeny data, které jsou rozděleny do dvou částí. První část je použita pro trénik a druhá pro klasifikaci. Práce je soustředěna hlavně na samoorganizující sítě. Tato práce obsahuje programy v Matlabu, které mohou být použity pro parametrizaci jakékoliv databáze. Parametrizovaná data jsou předložena samoorganizující síťi ke klasifikaci. Dosažené výsledky jsou prezentovány na konci diplomové práce.
|
|
|
Strojové učení pro analýzu MR obrazů mozku
Král, Jakub ; Říha, Ivo (oponent) ; Provazník, Ivo (vedoucí práce)
Diplomová práce se věnuje metodám strojového učení v rozpoznávání první fáze schizofrenie na obrazech získaných z nukleární magnetické rezonance. Úvod práce je zaměřen především na fyzikální princip magnetické rezonance. V práci se dále pozornost věnuje registračním metodám, redukci dat a strojovému učení. V části klasifikace jsou popsány míry podobnosti, metoda podpůrných vektorů, nejbližších sousedů a metoda K-means. Závěr teoretické části se věnuje hodnocení klasifikátorů. V praktické části práce jsou uvedeny výsledky redukce dat metodou PCA, CRLS-PCA a subjektové PCA. Dále je praktická část zaměřena na rozpoznávání tvarů metodou K-NN a K-means a testování klasifikátoru K-NN na reálných datech. Abnormality rozpoznané některou z klasifikačních metod pak mohou umožnit rozlišení pacientů se schizofrenií od zdravých dobrovolníků.
|
|
|
Biologicky inspirované metody rozpoznávání objektů
Truhlář, Martin ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
V tomto dokumentu je vysvětlena metoda pro biologicky inspirované rozpoznávání obrazů. Dále v práci jsou objasněny postupy zpracování obrazů a jednotlivé fáze extrakce informací pro klasifikaci. Pro klasifikaci je použita klasifikační metoda Support Vector Machine, ale jsou zde popsány i další klasifikační metody. Je vysvětlen způsob testování a samotná práce s metodou. V závěru jsou shrnuty výsledky pro jednotlivá nastavení modelu klasifikátoru a jejich výhody i nevýhody.
|
|
| |
|
|
Automatická klasifikace vybraných terénních tvarů z jejich kartografické reprezentace
Sykora, Matúš ; Bayer, Tomáš (vedoucí práce) ; Brodský, Lukáš (oponent)
Automatická klasifikace vybraných terénních tvarů z jejich kartografické reprezentace Táto diplomová práca sa zaoberá automatickou klasifikáciou vybraných terénnych tvarov a ich kartografickou reprezentáciou. Cieľom tejto diplomovej práce je navrhnúť metodický postup pre automatické rozpoznávanie terénnych tvarov (kopy a údolia) s využitím strojového učenia (Deep Learning) . Prvá časť navrhnutej metódy sa venuje hrubej segmentáci9 reliéfu na dve kategórie, ktoré budú následne klasifikované pomocou konvolučných neurónových sieti. Druha časť diplomovej práce sa zaoberá samotnou klasifikáciou predsegmentovaných terénnych tvarov pomocou strojového učenia. Obe fázy spracovania využívajú ako vstupné dáta snímky SRTM30. Celá navrhnutá metóda bola spracovaná v programovacom jazyku Python s využitím knižníc Arcpy, TensorFlow a Keras. Kľúčové slová: Digitálna kartografia, GIS, terénne tvary, strojové učenie, Deep Learning, rozpoznávanie, klasifikácia, segmentácia
|
host ::
RSS.