|
|
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.
|
|
|
Decision Tree Design Based on Evolutionary Algorithms
Benda, Ondřej ; Trzos, Michal (oponent) ; Karásek, Jan (vedoucí práce)
This thesis deals with two algorithms for data stream mining - the Very Fast Decision Tree (VFDT) and the Concept-adapting Very Fast Decision Tree (CVFDT). The decision tree based classification is explained. The essential idea of the Hoeffding Tree, which is the base of VFDT and CVFDT algorithms is described. Both algorithms VFDT and CVFDT are explained in more detail. Further this work deals with the design of the Genetic Programming algorithm, which is used for an image object classifier evolving. This classifier is used as alternative approach of object classification in the Viola-Jones framework. All algorithms are implemented in programming language Java. The implementation is described. The algorithm GP is integrated into the “Image Processing Extension” library of the program RapidMiner. The VFDT and CVFDT are tested on the synthetic and real text data. The GP algorithm is tested on the image data for the object classification. The evolved classifier is tested on the object in image detection.
|
|
|
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.
|
|
|
Analýza dat síťové komunikace mobilních zařízení
Abraham, Lukáš ; Bartík, Vladimír (oponent) ; Burgetová, Ivana (vedoucí práce)
Práce na svém začátku popisuje protokoly DNS a SSL/TLS, věnuje se hlavně komunikaci mezi zařízeními pomocí těchto protokolů. Poté si povíme něco o předzpracování dat a jejich čištění. Dále se práce zaobírá základními technikami pro dolování dat, jako jsou klasifikace dat, asociační analýza, vyhledávání dokumentů, regresní analýza a shluková analýza. V další kapitole si můžeme přečíst něco o tom, jak se dají identifikovat mobilní zařízení v síti. Zhodnotíme datové sady, které obsahují nasbíraná data z komunikace mezi protokoly DNS a SSL/TLS se kterými se bude pracovat v praktické části. Po té se konečně dostaneme k návrhu systému pro analýzu dat síťové komunikace. Popíšeme si použité knihovny a celou implementaci systému. Provedeme velké množství experimentů, které na konec ohodnotíme.
|
host ::
RSS.