|
|
Dolování v proudu dat
Sýkora, Petr ; Chmelař, Petr (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce pojednává o dolování v proudu dat, což představuje v současné době velice rychle se rozvíjející oblast informačních technologií. Jsou vysvětleny obecné principy dolování v datech, pojem proud dat, a jsou popsány metody jeho předzpracování a následně algoritmy pro dolování v proudu dat. Podrobně jsou rozebrány algoritmy VFDT a CVFDT pro klasifikaci. Dále je pozornost věnována časoprostorovým datům a možnostem jejich dolování. V rámci praktické části práce byla navrhnuta a implementována aplikace pro klasifikaci a predikci časoprostorových událostí (dopravních zácep) v proudu dat ze silničního provozu. Pro klasifikaci byly použity algoritmy VFDT a CVFDT. Program byl otestován na datech generovaných simulačním nástrojem SUMO.
|
|
|
Dolování v prostřední MS SQL pomocí inkrementálních algoritmů
David, Lukáš ; Bartík, Vladimír (oponent) ; Šebek, Michal (vedoucí práce)
Tato práce pojednává o problematice dolování v proudu dat, která patří v dnešní době k velmi dynamickým oblastem informačních technologií. V práci jsou popsány obecné principy dolování v datech a principy dolování v proudových datech. Podrobně je rozebrán implementovaný algoritmus CluStream. V rámci praktické části bylo navrženo a implementováno řešení zpracování proudových dat v technologii MSSQL za použítí výše uvedeného algoritmu. Funkčnost algoritmu pak byla ověřena za pomocí vlastního generátoru proudu dat.
|
|
|
Predikce budoucí lokace pohybujícího se objektu
Kebísek, Ján ; Stríž, Rostislav (oponent) ; Pešek, Martin (vedoucí práce)
Tato práce se věnuje návrhu a implementaci aplikace pro predikci budoucí lokace pohybujícího se objektu. Popisuje metodu predikce založenou na algoritmu WhereNext. Tento algoritmus získá z databáze trajektorií objektů T-Patterny, které představují frekventované vzory pohybu objektů, a ty následně použije k predikci. Algoritmus byl implementovaný v programovacím jazyku Java a jeho funkčnost je odzkoušena na vygenerované datové sadě pohybu aut.
|
|
|
Pokročilé dolování v datech v kardiologii
Mézl, Martin ; Provazník, Ivo (oponent) ; Sekora, Jiří (vedoucí práce)
Tato práce je zaměřena na využití data miningových metod v lékařství, konkrétně na databázi kardiologických pacientů. Cílem této práce je provést analýzu dat a zaměřit se na hledání neobvyklých závislostí mezi jednotlivými atributy souboru. Součástí práce je přehled dostupných metod, které se využívají v lékařství. Z těchto metod jsou pro další práci vybrány metody rozhodovacích strom, naivního bayesovského klasifikátoru, umělých neuronových sítí a asociačních pravidel. Pro samotné hledání závislostí byly použity metody naivního bayesovského klasifikátoru a asociačních pravidel. Výstupem této práce je komplexní systém pro dobývání znalostí z databází na libovolném datovém souboru. Práce vznikla ve spolupráci s Interní kardiologickou klinikou Fakultní nemocnice Brno Bohunice. Všechny popsané aplikace byly vytvořeny v programovém prostředí Matlab 7.0.1.
|
|
| |
|
|
Rozpoznávání aktivit z trajektorií pohybujících se objektů
Schwarz, Ivan ; Zendulka, Jaroslav (oponent) ; Pešek, Martin (vedoucí práce)
Cílem diplomové práce je vytvoření systému pro rozpoznávání periodických vzorů pohybujících se objektů a následná klasifikace uživatelských GPS trajektorií s využitím rozpoznaných vzorů. Systém je navržen na základě provedeného rozboru technik dolování v datech pohybujících se objektů a přehledu dosavadního vývoje v oblasti rozpoznávání aktivit a cílů pohybujících se objektů. Je vytvořena implementace navrženého systému v programovacím jazyce C++ a provedeno experimentální ověření jeho úspěšnosti na vhodné datové sadě.
|
|
|
Methods for Predicting Drug Side Effects in Silico
Cicková, Pavlína ; Lexa,, Matej (oponent) ; Berka,, Karel (oponent) ; Provazník, Ivo (vedoucí práce)
Drug discovery is a field of contemporary science, which has encompassed the use of various computational methods. Wet lab approaches are costly and time-consuming and hence, in silico methods play an important role. Notwithstanding the progress of computational techniques applied in drug discovery in the last few decades, the great majority of the investigational compounds still do not succeed in reaching the final approval stage. Not only for this reason state-of-the-art drug design strategies focus on reinvestigating already approved drugs and drug similarity analyzes are crucial to consider. This work presents the development and application of a set of workflows created within the KNIME Analytics Platform which implements an approach using machine-learning methods for drug side effect prediction. The presented set of workflows deals with data retrieval, pre-processing, similarity metrics computation and data exploratory analysis. Consequently, classification models are applied to predict specific side effects of drugs. The prediction is based on similarity-based techniques. Structural and other similarities of approved drug molecules were used to train the decision tree models for the prediction of potential drug-side effect associations. The main advantage of the work is the re-usability of the applied techniques. Our set of workflows provides an environment allowing for new research questions in terms of drug similarity to be addressed. Moreover, as the workflows created within KNIME Analytics Platform provide a user-friendly graphical interface, users do not require any advanced experience in machine learning or programming to perform their studies using the designed workflows.
|
|
| |
|
|
Predikce budoucí lokace pohybujícího se objektu
Kebísek, Ján ; Stríž, Rostislav (oponent) ; Pešek, Martin (vedoucí práce)
Tato práce se věnuje návrhu a implementaci aplikace pro predikci budoucí lokace pohybujícího se objektu. Popisuje metodu predikce založenou na algoritmu WhereNext. Tento algoritmus získá z databáze trajektorií objektů T-Patterny, které představují frekventované vzory pohybu objektů, a ty následně použije k predikci. Algoritmus byl implementovaný v programovacím jazyku Java a jeho funkčnost je odzkoušena na vygenerované datové sadě pohybu aut.
|
|
|
Dolování v proudu dat
Sýkora, Petr ; Chmelař, Petr (oponent) ; Zendulka, Jaroslav (vedoucí práce)
Tato práce pojednává o dolování v proudu dat, což představuje v současné době velice rychle se rozvíjející oblast informačních technologií. Jsou vysvětleny obecné principy dolování v datech, pojem proud dat, a jsou popsány metody jeho předzpracování a následně algoritmy pro dolování v proudu dat. Podrobně jsou rozebrány algoritmy VFDT a CVFDT pro klasifikaci. Dále je pozornost věnována časoprostorovým datům a možnostem jejich dolování. V rámci praktické části práce byla navrhnuta a implementována aplikace pro klasifikaci a predikci časoprostorových událostí (dopravních zácep) v proudu dat ze silničního provozu. Pro klasifikaci byly použity algoritmy VFDT a CVFDT. Program byl otestován na datech generovaných simulačním nástrojem SUMO.
|
host ::
RSS.