Title: | Primerjalna analiza Evklidske in Poincaréjeve metrike v algoritmih strojnega učenja |
---|
Authors: | Trpin, Alenka (Author) Boshkoska, Biljana Mileva (Mentor) More about this co-author... |
---|
Language: | Slovenian |
---|
Work type: | Master's thesis/paper |
---|
Tipology: | 2.09 - Master's Thesis |
---|
Organization: | FIŠ - Faculty of Information Studies in Novo mesto |
---|
Abstract: | 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. |
---|
Keywords: | podatkovno rudarjenje, strojno učenje, Poincaréjeva metrika, WEKA, k najbližjih sosedov, segmentacija |
---|
Year of publishing: | 2018 |
---|
Publisher: | [A. Trpin] |
---|
Source: | Novo mesto |
---|
COBISS_ID: | 2048549907 |
---|
UDC: | 004.85:004.421(043.2) |
---|
Note: | Na ov.: Magistrska naloga : študijskega programa druge stopnje;
|
---|
Views: | 3643 |
---|
Downloads: | 150 |
---|
Files: | MAG_2018_Alenka_Trpin.pdf (1,07 MB)
|
---|
| Metadata: | |
---|
Licenca: | Priznanje avtorstva-Nekomercialno-Brez predelav |
---|
| | | Average score: | (0 votes) |
---|
Your score: | Voting is allowed only for logged in users. |
---|
Hover the mouse pointer over a document title to show the abstract or click
on the title to get all document metadata. |