|
|
Detekce podobnosti zdrojových kódů
Bláhová, Barbora ; Harabiš, Vratislav (oponent) ; Kašpar, Jakub (vedoucí práce)
Cílem práce je seznámit se s problematikou plagiátorství zdrojových kódů a navrhnout postupy, které budou využity při tvorbě vlastního detektoru plagiátů. Teoretická část uvádí definice a nejčastější způsoby plagiátorství, jak obecně, tak ve zdrojových kódech. Dále představuje již existující typy detektorů a uvádí principy, na kterých lze detekci provádět. Praktická část se zabývá realizací detektoru a jeho testováním.
|
|
|
Rozpoznávání objektů v obrazech
Nedoma, David ; Samek, Jan (oponent) ; Zbořil, František (vedoucí práce)
Tato práce se zabývá řešením rozpoznávání objektů v obraze. Cílem bylo vytvoření programu, který bude schopný objekty v obraze rozpoznat. Postupně popisuje jednotlivé kroky zpracování nasnímaných dat. Stručně popisuje předzpracování obrazu, následně se zabývá podrobněji segmentací dat, popisem segmentovaných částí a následnou klasifikací objektů. Popisuje algoritmy a metody, které jsou pro jednotlivé kroky použitelné.
|
|
|
Klasifikace denních aktivit
Müller, Jakub ; Smital, Lukáš (oponent) ; Smíšek, Radovan (vedoucí práce)
Bakalářská práce se zabývá klasifikací denních aktivit z akcelerometrických dat. V teoretické části práce jsou obecně shrnuty denní aktivity a přínosy jejich monitorování. Dále navazuje kapitola o akcelerometrech a principech jejich fungování. V závěru teoretické části jsou popsány základy umělých neuronových sítí a SVM. Praktická část spočívala ve výběru veřejně dostupné databáze s akcelerometrickými daty denní aktivity a v naměření akcelerometrických vlastních dat. Dále v návrhu a optimalizaci algoritmu ke zpracování dat, provedení klasifikace využitím zvolených modelů a vyhodnocení výsledků úspěšnosti.
|
|
|
Porovnání analýzy řečového signálu v závislosti na věku a pohlaví mluvčího
Báňa, Josef ; Smékal, Zdeněk (oponent) ; Atassi, Hicham (vedoucí práce)
Obsah této práce je zaměřen na analýzu věku a pohlaví. Dále pak byli zkoumány vhodnosti příznaků a vhodnost jejich použití při klasifikaci mluvčích. Je v ní pojednáno o základní teorii řečového signálu a problematice zobrazení a zpracování řeči. Je zde popsán volně dostupný program Praat, kterým se používá pro řečovou analýzu. Zaměřili jsme se na suprasegmentální příznaky řeči. Dále je zde popsána teorie příznaků které byly pro práci zvoleny. Prvním z kroků v této práci bylo získání dostatečného počtu promluv (nahráváním) od mluvčích různého věku a pohlaví. Řečový korpus je poměrně obsáhlý. Mluvčí byli rozděleni do šesti věkových skupin. Dále byly nahrávky zpracovány v programu Praat. Průměrné hodnoty byly vyneseny do tabulek a sloupcových grafů pro větší přehlednost. Dále bylo vybráno dvanáct nejvhodnějších příznaků podle kritéria kvality. S nimi poté byla provedena analýza zvolených příznaků pro automatické rozpoznávání pohlaví a věku. Příznaky byly při testování po jednom ubírány. Jako klasifikátor pro rozpoznávání byla zvolena neuronová sít. Pro práci se sítí byl zvolen Neural Network Toolbox v programu Matlab. Vytvořené sítě byly použity pro klasifikaci mluvčích na základě věku a pohlaví. Výsledky byly rozebrány v závěru práce.
|
|
| |
|
|
Aplikace algoritmů prediktivní údržby na odhad RUL
Dvořák, Jan ; Brablc, Martin (oponent) ; Dobossy, Barnabás (vedoucí práce)
Cílem této práce je seznámit čtenáře s oblastí prediktivní údržby a jejími algoritmy především v rámci její prognostické části. Na datových sadách a provedeném experimentu dojde k určení zbývající životnosti daného systému pomocí vytvořených modelů v souladu s algoritmy popsanými v rešeršní části. Ke zpracování dat a tvorbě modelů bylo využito nástroje MATLAB a jeho dalších aplikací popsaných v práci.
|
|
|
Vyhodnocování, zvládání a snižování stresu
Kršková, Božena ; Müller, Svatopluk (oponent) ; Franková, Emilie (vedoucí práce)
Diplomová práce „Vyhodnocování, zvládání a snižování stresu“ se zabývá v současnosti velmi aktuálním problémem a to stresem působícím na zaměstnance v pracovních podmínkách. Analyzuje typy stresu, příznaky, projevy a vlivy na zdraví a pracovní výkon zaměstnance. Soustřeďuje se na faktory vyvolávající stres, jejich identifikaci a snižování v konkrétním podniku. Teoretická část je zaměřena na teoretický rozbor problematiky. Praktická část je věnována měření faktorů stresu v pracovním prostředí u zaměstnanců cateringové společnosti JHREST s.r.o. Závěr práce obsahuje návrh na snížení stresových faktorů v této společnosti.
|
|
|
Klasifikace dokumentů podle tématu
Marek, Tomáš ; Škoda, Petr (oponent) ; Otrusina, Lubomír (vedoucí práce)
Tato práce se zabývá problematikou klasifikace textových dokumentů, a to především metodami klasifikace textu. Hlavním cílem této práce je rozebrat dva algoritmy pro klasifikaci dokumentů, implementovat je a následně porovnat. Byl zvoleny algoritmy Bayesovského klasifikátoru a klasifikátoru založeného na metodě support vector machines (SVM), které jsou v této práci podrobně analyzovány a popsány. Jedním z cílů této práce bylo optimálně vytvořit a vybrat příznaky, které by co nejvíce napomohly klasifikaci textu. V závěru práce je provedeno množství testů, ukazujících účinnost obou klasifikátorů za různých podmínek.
|
|
|
Určení výšky osob z řečového projevu
Pelikán, Pavel ; Mekyska, Jiří (oponent) ; Atassi, Hicham (vedoucí práce)
Diplomová práce se zaměřuje na určení výšky osob z řečové nahrávky. Nejprve je hodnocen současný stav řešení problému s odkazem na již vytvořené studie a získané poznatky jsou využity k vlastní práci. Byla vybrána studie, která se prezentuje nejlepšími výsledky určení výšky osob. Experimentální část této studie je v rámci diplomové práce rekonstruována. Dále je v rámci experimentální části této práce vytvořen vlastní systém pro odhad výšky řečníka z řečové nahrávky. Úspěšnost systému byla testována s využitím několika příznaků na nahrávkách z databáze TIMIT.
|
|
|
Rozpoznání paralingvistických signálů v řečovém projevu
Mašek, Jan ; Míča, Ivan (oponent) ; Atassi, Hicham (vedoucí práce)
Tento dokument popisuje tři metody pro klasifikaci paralingvistických výrazů jako smích a pláč z každodenních rozhovorů analýzou zvukového signálu. Pro tento účel byla vytvořena databáze nahrávek. Protože se dnes často setkáváme i s hudbou, byly do databáze začleněny i stavy: řeč, hudba, hudba se zpěvem a řeč s hudbou v pozadí. Extrakce příznaků, redukce příznaků a klasifikace jsou společné kroky v rozpoznání pro všechny tři popsané metody. Rozdíl metod spočívá v samotné klasifikaci. První metoda využívá přímého přístupu a klasifikuje všechny třídy najednou. Druhá metoda využívá postupnou klasifikaci ve stromové struktuře, která se skládá z pěti dílčích klasifikátorů. Poslední metoda využívá klasifikaci každé z dvojic tříd samostatně. Nejlepší příznaky pro každou z dílčích klasifikací byly identifikovány využitím statistické metody F-poměru a pro každou klasifikaci byly použity Gaussovy smíšené modely.
|
host ::
RSS.