|
|
Dolování asociačních pravidel z datových skladů
Hlavička, Ladislav ; Chmelař, Petr (oponent) ; Stryka, Lukáš (vedoucí práce)
Tato práce se zabývá dolováním asociačních pravidel z datových skladů. V první části bude čtenář obeznámen s pojmy získávání znalostí z databází a dolování dat. Další část práce se zabývá problematikou datových skladů. Dále je popsána samotná asociační analýza, asociační pravidla, jejich typy a dolování. Je představena architektura produktu MS SQL Server a jeho nástroje pro práci s datovými sklady. Zbývající části práce jsou věnovány praktické části. Zahrnují popis a analýzu algoritmu Star-miner, návrh, implementace a testování aplikace.
|
|
|
Vytvoření nových klasifikačních modulů v systému pro dolování z dat na platformě NetBeans
Kmoščák, Ondřej ; Bartík, Vladimír (oponent) ; Lukáš, Roman (vedoucí práce)
Tato diplomová práce se zabývá dolováním z dat a vytvořením dolovacího modulu pro systém pro dolování z dat, který je vyvíjen na FIT. Jedná se o klientskou aplikaci skládající se z jádra a jeho grafického uživatelského rozhraní a nezávislých dolovacích modulů. Aplikace využívá podpory Oracle Data Mining. Systém pro dolování z dat je implementován v jazyce Java a jeho grafické uživatelské rozhraní je postaveno na platformě NetBeans. Obsahem této práce bude uvedení do problematiky získávání znalostí a následně seznámení s vybranou bayesovskou klasifikační metodou, pro kterou bude následně implementován samostatný dolovací modul. Dále bude popsána implementace tohoto modulu.
|
|
|
Získávání znalostí z multimediálních databází
Jurčák, Petr ; Řezníček, Ivo (oponent) ; Chmelař, Petr (vedoucí práce)
Práce je věnována tématu problematiky získávání znalostí z databází. Je zaměřena na základní metody klasifikace a predikce pro dolování dat. Dále se práce zaobírá extrakci nízkoúrovňových rysů z video dat a obrázků, a také shrnuje poznatky z podobnostního vyhledávání v multimediálním obsahu a indexaci tohoto typu dat. Závěr je věnován implementaci vybrané klasifikační metody a porovnání dosažených výsledků s nástrojem LibSVM.
|
|
|
Dolování sekvenčních vzorů
Tisoň, Zdeněk ; Zendulka, Jaroslav (oponent) ; Hlosta, Martin (vedoucí práce)
Tato diplomová práce je zaměřena na problematiku získávání znalostí z databází, především pak na metody dolování sekvenčních vzorů. Jednotlivé metody dolování sekvenčních vzorů jsou zde popsány detailně. Dále se práce zabývá rozšířením analytických služeb platformy Microsoft SQL Server o nové dolovací algoritmy. V praktické části této práce jsou implementovány rozšíření pro dolování sekvenčních vzorů na platformě MS SQL Server. V poslední části jsou vytvořené algoritmy porovnány nad různými datovými sadami.
|
|
|
Dolování asociačních pravidel
Dvořák, Michal ; Chmelař, Petr (oponent) ; Stryka, Lukáš (vedoucí práce)
Cílem této bakalářské práce je návrh a implementace aplikace umožňující porovnávat výkonnost a časovou náročnost zvolených algoritmů pro dolování frekventovaných množin a asociačních pravidel. Pro demonstraci byly vybrány dolovací algoritmy Apriori, AprioriTIDList, AprioriItemSet a metoda s využitím FP-stromu. Testování probíhalo nad různými objemy dat a s různými hodnotami minimální podpory a spolehlivosti. Aplikace je implementována v objektově orientovaném jazyce C# a jako zdroj dat slouží relační databáze na MS SQL Server 2008.
|
|
|
Modul pro dolování z dat
Petrlík, Jiří ; Fiala, Jiří (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Obsahem této bakalářské práce je seznámení s problematikou dolovaní z dat. Zaměřuji se především na problematiku klasifikace pomocí neuronových sítí. Proto zde popisuji některé základní algoritmy pro učení neuronových sítí. Hlavním cílem práce bylo vytvořit nový modul do systému pro dolování z dat, který je vyvíjen na FIT VUT v Brně. Tento systém zde stručně představuji a popisuji zde návrh jeho nového modulu. Výsledný modul jsem otestoval na cvičných datech.
|
|
|
Získávání znalostí z časoprostorových dat
Pešek, Martin ; Bartík, Vladimír (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce se zabývá získáváním znalostí z časoprostorových dat, což je v současné době velmi rychle se vyvíjející oblast výzkumu v informačních technologiích. Nejprve popisuje obecné principy získávání znalostí, následně se po stručném úvodu do dolování v časových a prostorových datech soustředí na přehled a popis existujících metod pro dolování v časoprostorových datech. Zaměřuje se zejména na data pohybujících se objektů v podobě trajektorií s důrazem na metody pro detekci odlehlých trajektorií. V další části se práce věnuje postupu při implementaci algoritmu pro detekci odlehlých trajektorií nazvaného TOP-EYE. Za účelem otestování, ověření a možnosti použití tohoto algoritmu je navržena a realizována aplikace pro detekci odlehlých trajektorií. Algoritmus je experimentálně zhodnocen nad dvěma různými datovými sadami.
|
|
|
Inteligentní emailová schránka
Pohlídal, Antonín ; Drozd, Michal (oponent) ; Chmelař, Petr (vedoucí práce)
Tato diplomová práce se zabývá využitím klasifikace textu při třídění příchozí pošty. Nejdříve je popsána problematika získávání znalostí z databází a je detailně rozebrána klasifikace textu s popisem vybraných metod. Dále je uveden princip emailové komunikace a jsou popsány protokoly SMTP, POP3 a IMAP. Následuje návrh implementace systému, který klasifikuje příchozí poštu a rozbor použitých technologií, tedy Apache James Server, PostgreSQL a RapidMiner. Na závěr je uvedena implementace všech jednotlivých částí výsledného systému a jsou provedeny experimenty s testovací sadou emailů Enron Dataset.
|
|
|
Modul pro dolování z dat
Hlosta, Martin ; Stryka, Lukáš (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce se zabývá problematikou získávání znalostí z databází (ZZD), a to zejména klasifikací pomocí Support Vector Machines (SVM). Na FIT VUT v Brně je vyvjíjen systém pro ZZD s modulární strukturou. Pro popis procesu dolování se používá jazyk DMSL. Cílem práce bylo rozšířit DMSL o potřeby SVM klasifikátoru, navrhnout, implementovat a otestovat modul pro tento systém.
|
|
|
Získávání znalostí z multimediálních databází
Jirmásek, Tomáš ; Řezníček, Ivo (oponent) ; Chmelař, Petr (vedoucí práce)
Tato diplomová práce se zabývá problematikou získávání znalostí z databází. Důraz je kladen zejména na základní metody klasifikace a predikce pro dolování dat. Dále tato práce obsahuje úvod do multimediálních databází a získávání znalostí z těchto databází. Cílem části zabývající se aplikací dolování z multimediálních dat bylo zaměřit se na extrakci nízkoúrovňových rysů z video dat a obrázků. V dalších částech je uveden popis používaných dat a výsledky experimentů prováděných nad těmito daty v nástrojích RapidMiner, LibSVM a pomocí vlastní vytvořené aplikace. Závěr práce obsahuje porovnání použitých metod pro extrakci rysů vysoké úrovně z nízkoúrovňového popisu dat.
|
host ::
RSS.