|
|
Příprava cvičení pro dolování znalostí z báze dat - klasifikace a predikce
Martiník, Jan ; Malý, Jan (oponent) ; Burget, Radim (vedoucí práce)
Diplomová práce na téma "Příprava cvičení pro dolování znalostí z báze dat - klasifikace a predikce" pojednává o nejčastěji používaných metodách klasifikace a predikce. Mezi metody klasifikace byly zahrnuty asociační pravidla, Bayesovské klasifikace, genetické algoritmy, metoda nejbližšího souseda, neuronové sítě a rozhodovací stromy. Metody predikce obsahují lineární a nelineární regresi. V práci je podrobně shrnuta problematika rozhodovacích stromů a je zde detailně popsán algoritmus pro tvorbu rozhodovacího stromu včetně jednotlivých vývojových diagramů. Navržený algoritmus pro tvorbu rozhodovacího stromu je testován dvěma testy prostřednictvím dat stažených z internetových stránek. Výsledky jsou vzájemně porovnány a jsou popsány rozdíly mezi oběma implementacemi. Práce je napsaná tak, aby čtenář po jejím přečtení získal představu o jednotlivých metodách a postupech při dolování znalostí z báze dat, jejich výhodách, nevýhodách a problematice, která je s nimi úzce spjatá.
|
|
|
ANALÝZA A FORMULACE ROZHODOVACÍCH PROBLÉMŮ ZNALCE PŘI OCEŇOVÁNÍ NEMOVITOSTÍ
Krejza, Zdeněk ; Bradáč, Albert (oponent) ; Abraham, Karel (oponent) ; Tichá, Alena (vedoucí práce)
Disertační práce se zabývá rozhodováním znalce při oceňování nemovitostí. Vzhledem ke složitosti procesu a problematice oceňování lze předpokládat, že i rozhodování bude složitý proces. Je zřejmé, že rozhodování znalce má zásadní význam na výsledek oceňovacího procesu. Toto téma je v současné době poměrně málo probádané, a proto se práce bude zabývat analýzou a formulací rozhodovacích problémů znalce při oceňování nemovitostí. Práce se zabývá analýzou současného stavu soudního inženýrství a rozhodování ve vazbě oceňování nemovitostí. Obecný rozhodovací proces, členěný do sedmi etap je pak přizpůsoben potřebám rozhodování znalce při oceňování nemovitostí. Obdobně jako při manažerském rozhodování je rozhodovací proces při oceňování nemovitostí členěn do tří úrovní, pro které jsou formulovány zásadní rozhodovací problémy, které vedou k formulaci rozhodovacích zásad znalce při oceňování nemovitostí. Pro lepší pochopení obsáhlosti procesu rozhodování při oceňování nemovitostí byly vytvořeny rozhodovací stromy resp. schémata, jejichž funkčnost byla ověřena v závěru práce na konkrétním příkladu ocenění nemovitosti cenou zjištěnou.
|
|
|
Dolovací moduly systému pro dolování z dat na platformě NetBeans
Henkl, Tomáš ; Lukáš, Roman (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Diplomová práce se zabývá problematikou získávání znalostí z databází a rozšířením systému pro dolování z dat v prostředí Oracle vyvíjený na VUT FIT. V koncepci jádra tohoto systému je zabudováno rozhraní, umožňující přidávání dolovacích modulů. Hlavním cílem této práce je nastudovat toto rozhraní, naimplementovat a začlenit do aplikace dolovací modul pro klasifikaci metodou rozhodovacího stromu. Práce se také zabývá porovnáním aplikace s podobným komerčním produktem SAS Enterprise Miner
|
|
|
Adaptivní klient pro sociální síť Twitter
Guňka, Jiří ; Kajan, Rudolf (oponent) ; Šperka, Svatopluk (vedoucí práce)
Účelem této práce je vytvořit uživatelsky přívětivého klienta pro službu Twitter, využívajícího metod strojového učení k doporučování zajímavých příspěvků uživateli na základě jeho dosavadního chování. Klient nabízí klasické funkce poskytované obecně všemi klienty a k tomu přidává funkčnost v podobě doporučování příspěvků a grafického znázornění aktuálních příspěvků.
|
|
|
Business Intelligence - využití data miningu ve firemních procesech
Skalický, Tomáš ; Veselý, Martin (oponent) ; Kříž, Jiří (vedoucí práce)
Cieľom danej bakalárskej práce je zoznámiť sa s pojmom Business Intelligence, rovnako ako aj s pojmom datamining a jeho využitím vo firemnej sfére. V úvodnej teoretickej časti priblížim nástroje Business Intelligence a datamining algoritmy. V nasledujúcej praktickej časti dané algoritmy využijem pre analýzu poskytnutých firemných dát. Následne získané analýzy môžu byť použité ako podpora pre firemné rozhodovanie.
|
|
| |
|
|
Automatické získávání obrazových snímků z videa v prostředí platformy JAVA
Kulhavý, Miloslav ; Říha, Kamil (oponent) ; Burget, Radim (vedoucí práce)
Tato práce se zabývá automatickým rozpoznáváním přechodu scén videa na platformě JAVA. Byl vytvořen experiment, který rozpoznává přechody scén ve vzorcích videa a vyhodnocuje přesnost rozpoznávání. Pro realizaci experimentu bylo vytvořeno 512 vzorků videa (256 s přechodem scén a 256 bez přechodu), každý o sedmi snímcích. Tyto vzorky byly analyzovány a pomocí rozhodovacího stromu klasifikovány do jedné ze dvou tříd, podle toho, obsahují-li přechod scén či nikoliv. Pro to byl využit nástroj RapidMiner a jeho rozšíření VIMI a IMMI. Cílem této práce je natrénovat automatické rozpoznávání přechodu scén a najít optimální nastavení rozhodovacího stromu pro co nejvyšší přesnost klasifikace. Nejvyšší dosažená přesnost byla 75,2 %.
|
|
|
Získávání znalostí pro modelování následných akcí
Veselovský, Martin ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Získavanie znalostí z databáz je komplexný problém zahrňujúci integráciu, prípravu dát, dolovanie znalostí metódami strojového učenia a vizualizáciu výsledkov. Práca pojednáva o celom procese získavania znalostí, špeciálne o problematike budovania dátových skladov, kde prináša návrh a implementáciu dátového skladu pre spoločnosť ROI Hunter, a.s. V oblasti dolovania z dát sa práca zameriava na klasifikáciu a predikciu reklamných dát dostupných z pripraveného dátového skladu, a to predovšetkým klasifikáciou rozhodovacím stromom. Pri predikcii vývoja nových reklám sa kladie dôraz na zdôvodnenie predikcie ako aj na návrh pre úpravu nastavení reklamy tak, aby predikcia skončila pozitívne, a teda aby s istou pravdepodobnosťou reklama v skutočnosti získala lepšie výsledky.
|
|
|
Rozhodování založené na částečně známých rozhodovacích stromech
Poláček, Tomáš ; Dostál, Petr (oponent) ; Koutský, Jaroslav (oponent) ; Váchal, Jan (oponent) ; Dohnal, Mirko (vedoucí práce)
Existuje široké spektrum různých algoritmu pro predikci insolvence. Komplexní pojetí insolvenčního řízení z pohledu obou zúčastněných stran (dlužník versus věřitel) a z pohledu makroekonomie, které zachycuje tato disertační práce je však nové. Často je velmi obtížné vytvářet prognózy pomocí numerických kvantifikátorů a tradičních statistických metod. Důvod je nedostatek vstupních dat. V práci se tedy používají nástroje trendové analýzy založené na nejméně informačně intensivních kvantifikátorech, tj. trendech, rostoucí, konstantní, klesající. Řešení trendového modelu je množina scénářů, kde je množina proměnných kvantifikovaných pomocí těchto trendů. Všechny možné přechody mezi scénáři jsou generovány a vyneseny do přechodových grafů. Orientovaný přechodový graf má jako uzly množinu scénářů a jako větve přechody mezi scénáři. Daná cesta skrz přechodový graf popisuje jakékoliv možné budoucí a minulé chování zkoumaného insolvenčního systému. Přechodový graf představuje kompletní seznam prognóz založených na trendech. V práci jsou taktéž uvedeny a použity heuristiky pro determinování výplatních hodnot z insolvenčního řízení aplikovatelné s nástroji rozhodovacích stromu a vygenerovaných přechodových grafů z trendových analýz. Devíti dimenzionální model slouží jako případová studie. V modelech se používají proměnné vágního charakteru, které mohou mít majoritní vliv na celý proces insolvence, např. Úroveň chamtivosti a vliv politického situace.
|
|
|
Identifikace aplikačních protokolů
Wrona, Jan ; Bartoš, Václav (oponent) ; Kořenek, Jan (vedoucí práce)
Tato práce se zabývá identifikací aplikačních protokolů, klade důraz na rychlost jejich rozpoznávání a následnou možnost použití klasifikátoru v hardwaru. Doposud existující nástroje nejsou vhodné pro použití v současných monitorovacích zařízeních, protože rozhodnutí o výsledku klasifikace neprobíhá na základě prvních paketů síťového toku. Proto tato práce přináší návrh nového modelu pro rychlou a spolehlivou identifikaci aplikačních protokolů. Model byl realizován a testován na protokolech HTTP, SIP, SMTP a DNS. Výsledky byly srovnány s regulárními výrazy a knihovnami nDPI a libprotoident. Navrhovaný model vyniká rychlou identifikací založenou na prvních paketech síťového toku, v přesnosti je srovnatelný s konkurenčními nástroji.
|
host ::
RSS.