Repozitorij samostojnih visokošolskih in višješolskih izobraževalnih organizacij

Izpis gradiva
A+ | A- | Pomoč | SLO | ENG

Naslov:Primerjalna analiza Evklidske in Poincaréjeve metrike v algoritmih strojnega učenja : magistrska naloga
Avtorji:ID Trpin, Alenka (Avtor)
ID Boshkoska, Biljana Mileva (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf MAG_2018_Alenka_Trpin.pdf (1,07 MB)
MD5: DBA730C74000F9A0A112741087B073CD
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FIŠ - Fakulteta za informacijske študije v Novem mestu
Opis:Živimo v času, ko si življenja brez računalnikov ne predstavljamo. Množična uporaba tako imenovane informacijsko komunikacijske tehnologije je proizvedla velike količine podatkov, ki jih sami ne moremo interpretirati in uporabiti. Z orodji podatkovnega rudarjenja in strojnega učenja se velike množice podatkov lahko obdelajo in uporabijo za napovedovanje in klasifikacijo. Eno od orodij za tako obdelavo podatkov je WEKA. Naloga temelji na osnovnem klasifikacijskem agoritem k najbližjih sosedov. V različnih panogah (gospodarstvo, zdravstvo, vojska...) se vedno bolj uporablja in shranjuje podatkovne baze raznovrstnih slik oziroma fotografij. Pri prepoznavanju podobosti med dvema fotografijama je pomembno, da algoritem prepozna določene vzorce. Prepoznavanje temelji na metriki. V ta namen je v orodje WEKA implementiran algoritem, ki temelji na Poincaréjevi metriki. Testiran je na podatkovni množici fotografij. Za namen primerjave je bil uporabljen algoritmom, ki temelji na evklidski metriki.
Ključne besede:podatkovno rudarjenje, strojno učenje, Poincaréjeva metrika, WEKA, k najbližjih sosedov, segmentacija
Kraj izida:Novo mesto
Kraj izvedbe:Novo mesto
Založnik:[A. Trpin]
Leto izida:2018
Leto izvedbe:2018
Št. strani:IX, 67 str.
PID:20.500.12556/ReVIS-5355 Novo okno
UDK:004.85:004.421(043.2)
COBISS.SI-ID:2048549907 Novo okno
Opomba:Na ov.: Magistrska naloga : študijskega programa druge stopnje;
Datum objave v ReVIS:30.11.2018
Število ogledov:4761
Število prenosov:155
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
  
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:30.11.2018

Sekundarni jezik

Jezik:Angleški jezik
Opis:Today we cannot imagine life without computers. The massive use of the information communication technologies has produced large amounts of data that are difficult to interpret and use. With data mining tools and machine learning methods, large data sets can be processed and used for prediction and classification. One of the tools for such data processing is WEKA. The research in this thesis focuses on the basic classification algorithm the k nearest neighbors. In different industries (economy, health, military...) it increasingly uses and stores databases of various images or photographs. When recognizing the similarity between two photographs, it is important that the algorithm recognizes certain patterns. Recognition is based on metrics. For this purposes an algorithm based on Poincaré metric is implemented in WEKA and tested on a data set of photos. A comparison was made on algorithm based on Euclidean metric.
Ključne besede:data mining, machine learning, Poincaré metric, WEKA, k nearest neighbours, segmentation


Nazaj