|
|
Data Mining in Data Stream
Sýkora, Petr ; Chmelař, Petr (referee) ; Zendulka, Jaroslav (advisor)
This thesis deals with the data mining in data stream which represents fast developing area of information technology. The text describes common principles of data mining, explains what data stream is and shows methods for its preprocessing and algorithms for following data mining. The special attention is given to the VFDT and the CVDT algorithm. The next mentioned are the spatiotemporal data and related data mining. The second part describes the design and implementation of the application for classification over spatiotemporal data stream represented by road traffic data and following prediction of spatiotemporal events (traffic-jams). The classification is performed by the VFDT and CVFDT algorithm. The application has been tested on the data set obtained by the simulation tool SUMO.
|
|
|
Datamining in MS SQL Using Incremental Algorithms
David, Lukáš ; Bartík, Vladimír (referee) ; Šebek, Michal (advisor)
This work deals with issues in data streams mining which nowadays is a very dynamic area in information technology. The thesis describes the general principles of data mining. There are also the principles of data mining in the data streams. Special attention is given to the implemented algorithm CluStream. In the practical part the data stream processing solution was designed and implemented by the MSSQL technology using the above algorithm. The functionality of the algorithm was verified using own data stream generator.
|
|
|
Predicting Future Location of a Moving Object
Kebísek, Ján ; Stríž, Rostislav (referee) ; Pešek, Martin (advisor)
This thesis deals with the design and the implementation of the application for predicting future location of a moving object. It describes a method for prediction based on the algorithm WhereNext. This algorithm obtains T-Patterns from a database of trajectories of objects, which represent frequent patterns of movement of objects, and those subsequently uses for prediction. The algorithm was implemented in programming language Java and its functionality was tested on a generated dataset of movement of cars.
|
|
|
Advanced Data Mining in Cardiology
Mézl, Martin ; Provazník, Ivo (referee) ; Sekora, Jiří (advisor)
The aim of this master´s thesis is to analyse and search unusual dependencies in database of patients from Internal Cardiology Clinic Faculty Hospital Brno. The part of the work is theoretical overview of common data mining methods used in medicine, especially decision trees, naive Bayesian classifier, artificial neural networks and association rules. Looking for unusual dependencies between atributes is realized by association rules and naive Bayesian classifier. The output of this work is a complex system for Knowledge discovery in databases process for any data set. This work was realized with collaboration of Internal Cardiology Clinic Faculty Hospital Brno. All programs were made in Matlab 7.0.1.
|
|
| |
|
|
Activity Recognition from Moving Object Trajectories
Schwarz, Ivan ; Zendulka, Jaroslav (referee) ; Pešek, Martin (advisor)
The aim of this thesis is a development of a system for trajectory-based periodic pattern recognition and following GPS trajectory classification. This system is designed according to a performed analysis of techniques of data mining in moving object data and furthermore, on recent research on a subject of a trajectory-based activity recognition. This system is implemented in C++ programming language and experiments addresing its effectiveness are performed.
|
|
|
Methods for Predicting Drug Side Effects in Silico
Cicková, Pavlína ; Lexa,, Matej (referee) ; Berka,, Karel (referee) ; Provazník, Ivo (advisor)
Vývoj a výzkum léčiv je oblastí současné vědy, jejíž nedílnou součástí je i využití výpočetních metod. Z důvodu nákladnosti a časové náročnosti laboratorních přístupů, metody in silico sehrávají svou významnou roli. I přes rychlý vývoj výpočetních technik využívaných při vývoji léků, však není drtivá většina zkoumaných molekul v procesu vývoje úspěšná a do schvalovací fáze nepostoupí. Nejen proto se nejmodernější strategie návrhu potenciálních nových léčiv zaměřují na opětovné zkoumání již schválených léků a berou do úvahy i analýzu podobností. Tato práce popisuje vývoj a aplikaci souboru několika workflow, jež byl vytvořen v rámci analytické platformy KNIME a jež implementuje metody strojového učení za účelem predikce nežádoucích účinků léčiv. Součástí prezentovaných workflow je získání dat, jejich předzpracování, výpočet metrik podobností a provedení explorační analýzy. Následně je využito klasifikačních modelů k predikci specifických nežádoucích účinků léčiv. Tato predikce vychází z principů technik založených na podobnosti. K natrénování modelů rozhodovacích stromů pro predikci potenciální asociace nežádoucích účinků s léčivy byly využity strukturní a jiné podobnosti schválených molekul léčiv. Hlavní přínos práce spočívá především v přenositelnosti použitých metod. Soubor workflow je určen k využití jako vhodný nástroj k řešení výzkumných otázek ohledně podobnosti léčiv a jelikož analytická platforma KNIME poskytuje uživatelsky přívětivé grafické rozhraní, není nutné, aby měli uživatelé pokročilé zkušenosti v oblasti strojového učení nebo programování, aby mohli soubor navržených workflow v rámci této platformy pro své analýzy využít.
|
|
| |
|
|
Predicting Future Location of a Moving Object
Kebísek, Ján ; Stríž, Rostislav (referee) ; Pešek, Martin (advisor)
This thesis deals with the design and the implementation of the application for predicting future location of a moving object. It describes a method for prediction based on the algorithm WhereNext. This algorithm obtains T-Patterns from a database of trajectories of objects, which represent frequent patterns of movement of objects, and those subsequently uses for prediction. The algorithm was implemented in programming language Java and its functionality was tested on a generated dataset of movement of cars.
|
|
|
Data Mining in Data Stream
Sýkora, Petr ; Chmelař, Petr (referee) ; Zendulka, Jaroslav (advisor)
This thesis deals with the data mining in data stream which represents fast developing area of information technology. The text describes common principles of data mining, explains what data stream is and shows methods for its preprocessing and algorithms for following data mining. The special attention is given to the VFDT and the CVDT algorithm. The next mentioned are the spatiotemporal data and related data mining. The second part describes the design and implementation of the application for classification over spatiotemporal data stream represented by road traffic data and following prediction of spatiotemporal events (traffic-jams). The classification is performed by the VFDT and CVFDT algorithm. The application has been tested on the data set obtained by the simulation tool SUMO.
|
guest ::
