|
|
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 periodických vzorů
Stríž, Rostislav ; Zendulka, Jaroslav (oponent) ; Šebek, Michal (vedoucí práce)
Sběr a analýza dat jsou dnes běžnou praxí v mnoha odvětvích vědy i podnikání. Proces \emph{získávání znalostí z databází} umožňuje získat z uložených dat nové a zajímavé informace, které lze využít k dalšímu rozvoji. Tato práce popisuje základní principy takovéhoto procesu se zaměřením na získávání znalostí z temporálních dat, konkrétně na dolování periodických vzorů v časových řadách. V rámci projektu byly implementovány vybrané algoritmy pro dolování periodických vzorů ve formě dolovacích plug-inů pro službu Microsoft Analysis Services, která zajišťuje rozhraní pro dolování z dat nad platformou Microsoft SQL Server. Dokument popisuje detaily této implementace a diskutuje výsledky provedených experimentů, které se zaměřují zejména na časovou náročnost jednotlivých algoritmů.
|
|
|
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.
|
|
|
Meta-učení v oblasti dolování dat
Kučera, Petr ; Hlosta, Martin (oponent) ; Bartík, Vladimír (vedoucí práce)
Tato práce popisuje možnosti využití meta-učení v oblasti dolování dat. Popisuje problémy a úlohy dolování dat, na které je možné aplikovat meta-učení, se zaměřením na klasifikaci. Obsahuje přehled technik meta-učení a jejich možné využití v dolování dat, především v oblasti selekce modelu. Popisuje návrh a implementaci meta-učícího systém pro podporu klasifikačních úloh v dolování. Systém používá statistiku a teorii informací pro charakterizaci datových sad uložených v bázi meta-znalostí. Z báze pak vytváří meta-klasifikátor, který predikuje vhodný model pro nové datové sady. V závěru jsou diskutovány výsledky získané experimenty se systémem s více než 20 datovými sadami reprezentujícími klasifikační úlohy z různých oblastí a uvádí možnosti dalších rozšíření projektu.
|
|
|
Získávání znalostí z databází
Melichar, Ladislav ; Chmelař, Petr (oponent) ; Jurka, Pavel (vedoucí práce)
Dolování v XML bylo až donedávna neprozkoumanou oblastí a dalo by se říci, že tomu tak stále ještě je. V projektu se zaměřuji nejprve obecně na problematiku získávání znalostí ze strukturovaných dat, speciálně na data ve formátu XML. Dále je zde prezentován stromový algoritmus HybridTreeMiner s cílem jeho aplikace pro získávání znalosti z XML dokumentů. Praktická část projektu se věnuje navržení koncepce pro začlenění algoritmu jako modulu do dolovacího systému vyvíjeného na FIT. Tento systém je implementován v programovacím jazyce Java, má modulární strukturu a jeho jednotlivé části spolu komunikují pomocí jazyka DMSL. Na závěr jsou prezentovány a diskutovány dosažené výsledky.
|
|
|
Vytvoření modulu pro dolování dat z databází
Krásenský, David ; Burgetová, Ivana (oponent) ; Lukáš, Roman (vedoucí práce)
Cílem této práce je vytvořit modul pro získávání znalostí z databází pro informační systém Belindy firmy Voxnet s.r.o. V první fázi budou pomocí programu SAS Enterprise Miner analyzována data z databáze klientů firmy pomocí několika dolovacích metod a výsledky budou porovnány. Ve druhé fázi bude vhodná metoda implementována jako modul informačního systému Belinda. Součástí práce je také zhodnocení dosažených výsledků a možného využití v praxi.
|
|
|
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.
|
|
|
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.
|
|
|
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.
|
|
|
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.
|
host ::
RSS.