|
|
Získávání znalostí z multimediálních databází
Málik, Peter ; Bartík, Vladimír (oponent) ; Chmelař, Petr (vedoucí práce)
Tato diplomová práce se zabývá problematikou získávání znalostí z multimediálních databází. Obsahuje obecný princip získávání znalostí z databází. Důraz je kladen na metody shlukové analýzy pro dolování dat v rozsáhlých a multidimenzionálních databázích. Dále tahle práce obsahuje úvod do multimediálních databází se zaměřením se na extrakci nízkourovňových vizuálních rysů z obrázkú a video dat. Praktickou částí práce je potom implementace metod BIRCH, DBSCAN a k-means určených pro shlukovou analýzu. Závěr je věnován experimentům nad datovou sadou TRECVid 2008 a popisu dosažených výsledků.
|
|
|
Analýza obsahu sociálních sítí týkající se českých mobilních operátorů
Pavlů, Jan ; Otrusina, Lubomír (oponent) ; Smrž, Pavel (vedoucí práce)
Tato práce se zabývá analýzou postojů u příspěvků ze sociálních sítí týkajících se českých mobilních operátorů. Kromě analýzy postojů se zaměřuje na vizualizací stažených a analyzovaných dat. Analýza postojů je provedena za pomocí strojového učení s učitelem. Po stažení jsou příspěvky očištěny, lemmatizovány a převedeny na vektor příznaků. Pro klasifikaci se využívá Stochastic Gradient Descent. Analyzovaná data jsou zobrazena jak ve formě diagramů, tak ve tvaru seznamu příspěvků. Systém poskytuje i automatické přiřazení kategorií příspěvkům pomocí stejného principu. Při přiřazení postojů systém dosahuje úspěšnosti okolo 75%. Při přiřazení kategorií je sice vysoká přesnost (kolem 80%), ale nízká preciznost, navrátovost a F1 score(20% - 30%). Proto se automaticky neprovádí. Přínosem systému je, dokáže automaticky sbírat data z různých zdrojů, ta analyzovat a přehledně zobrazit. Také poskytuje prostředky, jak manuálně měnit přířazené hodnocení/kategori, což při občasném zásahu uživatele povede k postupnému zlepšování charakteristik systému.
|
|
|
Rekonstrukce zachycené komunikace a dolování dat na sociální síti Facebook
Bruckner, Tomáš ; Kmeť, Martin (oponent) ; Pluskal, Jan (vedoucí práce)
Tato práce se zabývá sociální síti Facebook z pohledu počítačové forenzní vědy se zaměřením na získávání citlivých a potenciálně užitečných informací o sledovaných uživatelích. Cílem této bakalářské práce je implementace nástrojů k rekonstrukci síťové komunikace a dolování dat z této sociální sítě. Jádro aplikace bylo implementováno ve frameworku pro zpracování zachycené komunikace Netfox.Framework, který je vyvíjen na Fakultě informačních technologií, Vysokého učení technického v Brně. Pro zachycení dešifrovatelné komunikace byl využit útok Man-in-the-Middle. Pro dolování dat bylo využito nástroje Selenium WebDriver, který funguje jako DOM parser. Vytvořené řešení poskytuje možnost rekonstruovat konverzace mezi uživateli, přidávání stavů, komentářů a souborů. Z pohledu dolování dat poskytuje vytvořené řešení možnost získání veřejných informací o uživatelích, zejména místa, na kterých se uživatel v poslední době pohyboval, události, kterých se účastnil či se plánuje účastnit, fotoalba a fotky, seznam jeho kamarádů a seznam společných kamarádů s jiným uživatelem. V rámci řešení byla provedena analýza dat, implementace aplikace, testování na laboratorních datech a výkonnostní analýza.
|
|
|
Agent pro kurzové sázení
Bělohlávek, Jiří ; Rozman, Jaroslav (oponent) ; Grulich, Lukáš (vedoucí práce)
Tato práce vysvětluje návrh a implementaci agenta pro podporu kurzového sázení. Nechybí ani teoretické pozadí o online kurzovém sázení, pravděpodobnosti a statistice. V části dolování dat je nastíněn princip dolování dat z datových skladů, metody řešení různých typů úloh. Podrobněji je zpracována metoda řešení pomocí neuronových sítí např. pomocí algoritmu backpropagation. Najdete zde i množství grafů a histogramů, z analýzy dat, vytvořených programem SAS Enterprise Miner. V závěru práce se nachází shrnutí výsledů a další možnosti rozšíření agenta.
|
|
|
Dolovací modul systému pro dolování z dat na platformě NetBeans
Výtvar, Jaromír ; Křivka, Zbyněk (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Cílem této diplomové práce je získat přehled o procesu získávání znalostí z databází a analýza dolovacího systému vyvíjeného na FIT VUT v Brně na platformě NetBeans za účelem vytvoření nového dolovacího modulu. Ze získaných znalostí bylo rozhodnuto o vytvoření modulu pro dolování odlehlých hodnot a doplnění existujícího modulu regrese o nový algoritmus vícenásobné lineární regrese založený na zobecněných lineárních modelech. Nové dolovací metody využívají existující řešení na straně Oracle data mining.
|
|
|
Metody klasifikace www stránek
Svoboda, Pavel ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
Hlavním cílem této diplomové práce bylo prostudovat podstatné části klasifikačních metod. Práce obsahuje klíčové klasifikační metody, vysvětluje princip získávání znalostí z databází, pojem datový sklad a třídu CSSBox. Speciálně se zaměřuje na implementování hlavní metody k-nejbližších sousedů. První cílem této práce bylo vytvořit trénovací a testovací data popsaná 'n' atributy. Druhým cílem bylo experimentálně určit, jak zvolit správnou hodnotu 'k', tedy počet sousedů.
|
|
| |
|
|
Získávání znalostí z obrazových databází
Jaroš, Ondřej ; Řezníček, Ivo (oponent) ; Chmelař, Petr (vedoucí práce)
Tato diplomová práce je zaměřena na problematiku získávání znalostí z databází, především pak na metody klasifikace a predikce. Tyto metody jsou zde podrobně popsány. Dále se práce zabývá obecně multimediálními databázemi a způsobem, jakým jsou do těchto databází data ukládána. Především jsou tu pak popsány metody pro nízkoúrovňové zpracování obrazových a video dat. V praktické části se diplomová práce zaměřuje na implementaci metody GMM používané pro extrakci nízkoúrovňových rysů z video dat a obrázků. V dalších částech jsou popsána vstupní data a nástroje, se kterými byla implementovaná metoda porovnávána. Poslední část se zaměřuje na experimenty porovnávající účinnost extrakce rysů vysoké úrovně z nízkoúrovňových dat implementované metody a vybraného klasifikačního nástroje LibSVM.
|
|
|
Komplexní on-line tréninkový deník
Kamenský, Zdeněk ; Hynek, Jiří (oponent) ; Bartík, Vladimír (vedoucí práce)
Cílem této diplomové práce bylo navrhnout a posléze vytvořit on-line tréninkový deník pro sportovce. Nejprve proběhlo ujasnění některých klíčových pojmů týkajících se daného tématu včetně celé oblasti dolování dat a jeho využití. Poté bylo nutné zanalyzovat stávající řešení na poli sportovních aplikací, zvážit požadavky potenciálních uživatelů a v neposlední řadě celý systém navrhnout, implementovat a otestovat. Pro analýzu sportovních dat a záznamů aktivit určenou jak pro jednotlivé atlety, tak pro jejich trenéry na úrovni týmů byly použity nejrůznější metody dolování dat.
|
|
|
Doporučování filmů na základě uživatelských profilů ČSFD
Janko, Pavel ; Šůstek, Martin (oponent) ; Uhlíř, Václav (vedoucí práce)
Tato práce se zabývá problematikou využití neuronových sítí pro doporučování filmů. Je zde obecně popsán princip využití neuronových sítí u strojového učení a rovněž jsou zde shrnuty základní i pokročilé techniky pro tvorbu doporučovacích systémů. Jádrem práce je návrh, implementace a zhodnocení systému, jehož cílem je doporučování filmů na základě dat vydolovaných z uživatelských profilů ČSFD (Česko-Slovenské filmové databáze). Pro splnění tohoto účelu systém využívá explicitní faktorizační model založený na kolaborativním filtrování mezi položkami k co nejpřesnějšímu odhadu hodnocení, které by uživatel filmu po jeho shlédnutí udělil. Práce dále řeší souvislost obsáhlosti datové sady a přesnosti doporučení a demonstruje tuto přesnost analýzou zpětné vazby uživatelů.
|
host ::
RSS.