|
|
Optimalizace rozvržení provozu ve firmě Vodárenská akciová společnost a.s.
Urbanová, Zuzana
Diplomová práce se zabývá optimalizací rozvržení provozu ve společnosti Vodárenská akciová společnost, a.s. Cílem práce je stanovení normovaného výkonu provozoven a vyjádření kapacitní rezervy každé z nich. Za pomoci metod shlukové analýzy a teorie grafů jsou navržena doporučení vedoucí k efektivnímu vyčerpání kapacit provozu za využití optimalizace celkového počtu provozoven podniku a následného nového rozdělení regionů. Práce se skládá z teoretické a praktické části. V rámci teoretické části práce jsou popsány hierarchické a nehierarchické shlukové algoritmy, minimální kostra grafu a odvětví vodohospodářství. Praktická část práce řeší optimalizaci rozvržení provozu společnosti. Na základě porovnání výstupů zvolených metod budou podniku navržena konkrétní doporučení podniku.
|
|
|
Výběr atributů při dolování znalostí z textových dat
Balák, Filip
Diplomová práce se zabývá využitím výběru atributů při dolování znalostí z textových dat. V rámci práce je navržena a realizována série experimentů zaměřených na dolovaní znalostí z textových dat. Na základě výstupu těchto experimentů je zhodnocen vliv různých metod výběru atributů na průběh celého procesu dolování znalostí a na jeho výsledky. Součástí experimentů je vyhodnocení vlivu rozdílných jazyků a velikostí datových kolekcí.
|
|
|
Automatizace generování stopslov
Krupník, Jiří
Práce se zabývá automatizací generování stopslov, což je jeden ze způsobů předzpracování textových dokumentů. Zkoumá vliv odstraňování těchto slov na výsledky úloh z oblasti dolování znalostí (klasifikace a shlukování). Prvně je zde popsána problematika dolování znalostí z textových dokumentů, včetně rozboru používaných algoritmů. Detailně jsou zde popsány metody pro vytváření doménově nezávislých seznamů stopslov. Dále jsou prezentovány a diskutovány výsledky implementace metod, kterých bylo dosaženo při testování na kolekci rozsáhlých dokumentů ze zkoumané oblasti.
|
|
|
Analýza DDoS dat pomocí shlukování
Krátký, Matěj ; Šišmiš, Lukáš (oponent) ; Setinský, Jiří (vedoucí práce)
Tato práce se zaměřuje na rozpoznávání distribuovaných útoků odepření služby (DDoS) pomocí shlukovacích algoritmů. V první části jsou popsány různé typů DDoS útoků a přístupů k jejich identifikaci. Dále se práce věnuje studiu metod shlukování, konkrétně hierarchického a k-means shlukování, pro analýzu síťového provozu spojeného s těmito útoky. Součástí je i návrh detekčního systému vhodného k rozpoznání DDoS útoků. Následuje popis implementace tohoto systému potřebného pro analytickou fázi. Hlavní část práce tvoří provedení experimentů na dostupné datové sadě a vyhodnocení efektivity použitých metod, kombinace parametrů a atributů. Závěr práce diskutuje aplikaci zjištěných poznatků a možnosti dalšího výzkumu v této oblasti.
|
|
|
Porovnání shlukovacích algoritmů
Jakšík, Aleš ; Rozman, Jaroslav (oponent) ; Zbořil, František (vedoucí práce)
Tato bakalářská práce se zabývá porovnáním algorimů K-means, K-medoids a Fuzzy C-means. V první části rozebírá druhy měření vzdáleností, možnosti hodnocení shlukování a kategorizace shlukovacích metod. V druhé části představuje webovou aplikaci pro porovnávání vybraných metod a v třetí se věnuje porovnání a vyhodnocení výsledků a statistik ze spouštění shlukovacích algoritmů v demonstrační aplikaci.
|
|
|
Analýza trombu ve vícefázických CT datech u ischemické mozkové příhody
Mikešová, Tereza ; Holeček, Tomáš (oponent) ; Jakubíček, Roman (vedoucí práce)
Diplomová práce se zabývá analýzou trombů v mozkových vícefázických CT datech. V teoretické části práce je vypracována rešerše metod zejména segmentace trombů. Dále je v této části shrnutá anatomie mozkových tepen a přiblížena cévní mozková příhoda. Stručně jsou popsány vybrané metody z oblasti zpracování obrazu. Výsledkem praktické části je porovnání metod segmentace trombů. Samotné segmentaci předcházelo předzpracování dat, které je v práci popsáno, a vytvoření manuální anotační databáze. Nejlepší implementovanou metodou se ukázala metoda adaptivního prahování, která dosáhla Dice skóre 0,4555. Vhodným zkombinováním všech metod bylo dosaženo finálního Dice skóre 0,5145. Ze segmentovaných objemů byly následně vypočítány parametry trombů. Mediánová hodnota průměrné intenzity dosáhla na 51,55 HU, medián délky byl 15,16 mm a mediánový objem byl stanoven na 65,34 mm3. Následná korelační analýza neukázala žádný významný vztah mezi odvozenými parametry.
|
|
|
Knowledge Discovery from Web Logs
Valaštín, Samuel ; Rychlý, Marek (oponent) ; Bartík, Vladimír (vedoucí práce)
This bachelor thesis deals with the problem of knowledge discovery from web logs. The data source in the form of web access logs allows, after appropriate preprocessing, the use of a number of techniques that are designed to deal with knowledge discovery. By applying these techniques to preprocessed data, it is possible to classify user behavior into groups, to discover interesting associations in user behavior, or to discover previously unknown sequences in common user behavior.
|
|
|
Segmentace obrazu pomocí neuronové sítě
Vrábelová, Pavla ; Žák, Pavel (oponent) ; Švub, Miroslav (vedoucí práce)
Tato práce se zabývá aplikací neuronových sítí na problém segmentace obrazových dat. První část práce je věnována úvodu do problematiky zpracování obrazu a neuronových sítí, v druhé části je popsán vytvořený segmentační systém a jsou prezentovány výsledky provedených experimentů. Vytvořený segmentační systém umožňuje použití různých typů klasifikátorů, extrakci různých příznaků pro klasifikaci a také vyhodnocení úspěšnosti segmentace. Byly vytvořeny dva klasifikátory - neuronová síť (samoorganizační mapa) a algoritmus K-means. Pro klasifikaci byly použity barevné (RGB a HSV) a texturní příznaky a jejich kombinace. Texturní příznaky byly získány pomocí sady Gáborových filtrů. Byly provedeny experimenty s vytvořenými klasifikátory a extraktory a porovnány výsledky.
|
|
|
Detekce a sledování objektů pomocí význačných bodů
Bílý, Vojtěch ; Hradiš, Michal (oponent) ; Juránek, Roman (vedoucí práce)
Tato práce se zabývá detekcí a sledováním objektů pomocí význačných bodů. Jsou zde popsány existující přístupy k této problematice. Je zde navržená inovovaná metoda detekce objektů založená na Obecné Houghově transformaci a iterativním prohledáváním Houghova prostoru. Na nejrůznějších typech objektu je demonstrována univerzálnost navrženého detektoru. Sledování objektů je řešeno detekcí objektu snímek po snímku.
|
|
|
Unsupervised Evaluation of Speaker Recognition System
Odehnal, Ondřej ; Plchot, Oldřich (oponent) ; Matějka, Pavel (vedoucí práce)
The context of this thesis is the state-of-the-art system for speaker identification (SID) based on the deep nerual network with x-vector embeddings. This thesis aims to propose and experimentally assess several techniques for evaluating the SID system using unlabelled datasets. For this purpose, discriminative embedding is created for every recording in the dataset. These embeddings are used to cluster the recordings and thus create pseudo-labels corresponding to different clusters. The SID system evaluation is based on equal error rate (EER), which uses these pseudo-labels. We proposed several unsupervised learning algorithms to achieve this; K-means, Gaussian mixture models (GMM), and agglomerative hierarchical clustering (AHC). After thorough testing, the K-means model with the Silhouette value showed the best results. This method achieved an estimate of 5.72 % EER with the reference EER equal to 5.15 % on SITW dev-core-core. Similar results were observed on the SITW eval-core-core, where the estimated EER is equal to 5.86 % and the reference 5.08 %. The difference between estimated and reference EER is 0.57 % for the dev-core-core and 0.78 % for the eval-core-core. Another series of experiments were conducted on NIST SRE16 and VoxCeleb1 to verify robustness of the proposed method. Generally, the developed testing process had an estimated error of around 1 % in all test databases, an excellent result for an unsupervised learning technique.
|
host ::
RSS.