|
|
Knowledge Discovery from Time Series
Krutý, Peter ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
This thesis is focused on the field of knowledge discovery from data, specifically from time series. Main objective is to research Python programming language support in this area and then design and implement an application that will allow to demonstrate and compare selected methods. Methods are demonstrated in experiments using appropriate data set. The output of the thesis is a comparison of methods for specific tasks and the application implementing selected methods.
|
|
|
Knowledge Discovery from Databases with Use of the R Language
Krutý, Peter ; Burgetová, Ivana (oponent) ; Bartík, Vladimír (vedoucí práce)
This thesis is focused on the field of knowledge discovery from databases. Main objective is to research possibilities of R language and its support in this area. Support is researched by experiments using appropriate data sets. More detailed attention is given to the methods of classification, clustering and association rules learning. The output of the thesis is comparison of methods application in R and defining the suitability of using language for knowledge discovery from databases.
|
|
|
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.
|
|
|
Methods for Mining Sequential Patterns
Fekete, Martin ; Burgetová, Ivana (oponent) ; Bartík, Vladimír (vedoucí práce)
Sequential pattern mining is a field of data mining with wide applications. Currently, there are a number of algorithms and approaches to the problem of sequential pattern mining. The aim of this work is to design and implement an application designed for sequential pattern mining and use it to experimentally compare the chosen algorithms. Experiments are performed with both synthetic and real databases. The output of the work is a summary of the advantages and disadvantages of each algorithm for different kinds of input databases and an application implementing the selected algorithms of the SPMF library.
|
|
|
Knowledge Discovery from Time Series
Krutý, Peter ; Burget, Radek (oponent) ; Bartík, Vladimír (vedoucí práce)
This thesis is focused on the field of knowledge discovery from data, specifically from time series. Main objective is to research Python programming language support in this area and then design and implement an application that will allow to demonstrate and compare selected methods. Methods are demonstrated in experiments using appropriate data set. The output of the thesis is a comparison of methods for specific tasks and the application implementing selected methods.
|
|
|
Vytěžování databáze Poradny pro poruchy metabolismu
Senft, Martin ; Ivánek, Jiří (vedoucí práce) ; Musil, Vladimír (oponent)
Tato práce aplikuje data miningovou metodu rozhodovacích pravidel na data z Poradny pro poruchy metabolismu Fakultní nemocnice Plzeň. Jako nástroj slouží systém LISp-Miner, vyvinutý na VŠE Praha. Nalezená rozhodovací pravidla jsou zhodnocena s odborníkem. Základní části této práce jsou: souhrn hlavních data miningových metod a metod pro hodnocení výsledků. Dále pak popis aplikace data minigu a popis a zhodnocení výsledků.
|
|
|
Methods for Mining Sequential Patterns
Fekete, Martin ; Burgetová, Ivana (oponent) ; Bartík, Vladimír (vedoucí práce)
Sequential pattern mining is a field of data mining with wide applications. Currently, there are a number of algorithms and approaches to the problem of sequential pattern mining. The aim of this work is to design and implement an application designed for sequential pattern mining and use it to experimentally compare the chosen algorithms. Experiments are performed with both synthetic and real databases. The output of the work is a summary of the advantages and disadvantages of each algorithm for different kinds of input databases and an application implementing the selected algorithms of the SPMF library.
|
|
|
Knowledge Discovery from Databases with Use of the R Language
Krutý, Peter ; Burgetová, Ivana (oponent) ; Bartík, Vladimír (vedoucí práce)
This thesis is focused on the field of knowledge discovery from databases. Main objective is to research possibilities of R language and its support in this area. Support is researched by experiments using appropriate data sets. More detailed attention is given to the methods of classification, clustering and association rules learning. The output of the thesis is comparison of methods application in R and defining the suitability of using language for knowledge discovery from databases.
|
|
|
Vytěžování databáze Poradny pro poruchy metabolismu
Senft, Martin ; Ivánek, Jiří (vedoucí práce) ; Musil, Vladimír (oponent)
Tato práce aplikuje data miningovou metodu rozhodovacích pravidel na data z Poradny pro poruchy metabolismu Fakultní nemocnice Plzeň. Jako nástroj slouží systém LISp-Miner, vyvinutý na VŠE Praha. Nalezená rozhodovací pravidla jsou zhodnocena s odborníkem. Základní části této práce jsou: souhrn hlavních data miningových metod a metod pro hodnocení výsledků. Dále pak popis aplikace data minigu a popis a zhodnocení výsledků.
|
|
|
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.
|
host ::
RSS.