|
|
Vizualizace výsledků data miningu prostřednictvím BI nástrojů
Fiřtík, Zdeněk ; Chudán, David (vedoucí práce) ; Rauch, Jan (oponent)
Tématem této práce je pokus o vizualizaci výsledků data minigu prostřednictvím business intelligence nástrojů. Práce postupuje od podrobné charakteristiky základních pojmů, metodik a postupů, které jsou nedílnou součástí procesu data miningu a následné vizualizace. Práce je věnována všem, které zajímá problematika data miningu a použití BI nástrojů, dále může nabídnout motivy k zamyšlení, zda budou tyto nástroje vhodné pro jejich použití.
|
|
|
Sémantické rozpoznávání komentářů na webu
Stříteský, Radek ; Harár, Pavol (oponent) ; Povoda, Lukáš (vedoucí práce)
Hlavním cílem semestrálního projektu je rozpoznávání komentářů na webových strán- kách. Teoretická část je zaměřena na umělou inteligenci, zejména se zde popisují klasi- fikátory. Praktická část se věnuje sestavení trénovací databáze, která se vytváří pomocí generátorů příznaků. Vygenerovaný příznak může být například název HTML elementu, ve kterém se nachází komentář. Vstupem klasifikátorů je vytvořená trénovací databáze. Výsledkem práce je testování klasifikátorů v programu RapidMiner.
|
|
| |
|
|
Musical genre classification
Káčerová, Erika ; Říha, Kamil (oponent) ; Uher, Václav (vedoucí práce)
The aim of this bachelor thesis is creating a system for automatic music genre recognition. The thesis deals with two main issues, which are feature extraction of a genre and machine learning process. For the purpose of feature extraction a source code is written in JAVA programming language based on jAudio library. Six machine learning models are created in RapidMiner Studio software. The most appropriate one of them, Neural Networks method is then improved and tested on different parts of songs from database.These database contains 250 training songs and 25 test songs from five music genres: classical music, disco, drum and bass, hip hop and rock.
|
|
|
Data mining v ekonomickém výzkumu
PEROUTKA, David
Tato bakalářská práce se zaměřuje na třídění velkého množství dat prostřednictvím několika metod. Data mining je proces spočívající ve shromažďování znalostí z databází a datových skladů. Původ dat může být různorodý, mohou to být data od poskytovatelů služeb nebo data od určité společnosti nebo státní data zaměřená na ekonomický výzkum. Data použitá v této bakalářské práci pochází z internetových stránek Eurostatu. Teoretická část je věnována samotným datům, jejich formátu a jednotlivým metodám a v neposlední řadě i softwaru RapidMiner, ve kterém jsou data zpracována. Praktická část je zaměřena na zpracování metod v tomto softwaru. V závěru jsou vyhodnoceny výsledky. Každá metoda vrací různý charakter výsledků, ty mohou být použity managementem pro budoucí ekonomické rozhodování.
|
|
|
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 %.
|
|
|
Rozpoznávání emocí z textu pomocí umělé inteligence
Vylíčil, Radek ; Karásek, Jan (oponent) ; Mašek, Jan (vedoucí práce)
Tato práce se zabývá rozpoznáváním emocí z textů pomocí strojového učení. V textu jsou popsány metody pro trénování a testování rozpoznávacích modelů. Hlavní přínos této práce spočívá ve vytvořeném algoritmu rozhodovacího stromu v jazyce Java. Vytvořený algoritmus byl integrován jako rozšíření do programu RapidMiner. V tomto programu vzniklo několik vzorových příkladů. Funkčnost byla ověřena na vytvořené databázi dat.
|
|
|
Detekce krajiny v obrazech
Dufka, Zbyněk ; Křupka, Aleš (oponent) ; Číka, Petr (vedoucí práce)
Cílem této práce je shrnutí teorie, ze které vychází metody pro detekci objektů v rozsáhlé databázi obrazů a dále zpracování vlastního algoritmu pro detekci krajiny. Teoretická část popisuje zpracované metody Viola-Jones a HOG, které se dají uplatnit na lidské tváře a anomálie na rentgenových snímcích. Následná analýza identifikace objektů v obraze popisuje metody, které je možné využít při návrhu algoritmu pro vyhodnocení obrazu z hlediska přírodních prvků. Součástí praktické práce je kromě otestování již hotových algoritmů také rozbor metody stavěné přímo na míru detekci krajiny. Zpracovaný algoritmus je implementován do prostředí RapidMiner.
|
|
|
Klasifikační framework
Koroncziová, Dominika ; Otrusina, Lubomír (oponent) ; Kouřil, Jan (vedoucí práce)
Cílem této práce je návrh a implementace klasifikačního software postaveného na knihovně RapidMiner. Výsledná aplikace bude sdružovat nejpoužívanější algoritmy a procesy implementované v RapidMineru do jednoduchého použitelného programu. Součástí nároků na aplikaci je jednoduché rozhraní pro ovládání z příkazové řádky, stejně jako grafické rozhraní zjednodušující nastavení více parametrů. Aplikace má také umožňovat tvorbu samostatných jednoúčelových programů, sloužících na opakovanou klasifikaci s použitím předem natrénovaného modelu. Nad rámec původního zadání je implementována i práce s textovými daty z Wikipedie, jejich stáhnutí a předzpracování a následné použití jako trénovacích dat. Text práce se zabývá postupně jednotlivými algoritmy a popisem kvalifikačních algoritmů, jejich vlastnostmi a použitím, a popisuje návrh a implementaci systému. V rámci práce byla vykonána i sada několika testů pro ověření výkonu a funkcionality aplikace. Jejich výsledky jsou shrnuty v závěru práce.
|
|
|
Volně dostupné systémy pro zpracování obrazu
Slinták, Vlastimil ; Zukal, Martin (oponent) ; Mikulka, Jan (vedoucí práce)
Tato práce popisuje volně dostupné knihovny, které se zabývají zpracováním obrazu. Jmenovitě se jedná o ITK, VTK a OpenCV. Je popsán postup instalace ze zdrojových kódů, popis architektury a základní použití knihoven. Úvodní část dokumentu se stručně zabývá některými algoritmy pro zpracování obrazu, se kterými se může uživatel setkat v popisovaných knihovnách. V druhé části je pak popsán data-minig nástroj RapidMiner a jeho možné spojení s knihovnou ITK.
|
host ::
RSS.