Metody dolování sekvenčních vzorů
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
B
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Dolovanie sekvenčných vzorov je oblasť dolovania z dát so širokým využitím. V súčasnosti existuje množstvo algoritmov a prístupov k problému dolovania sekvenčných vzorov. Cieľom tejto práce je navrhnúť a implementovať aplikáciu určenú na dolovanie sekvenčných vzorov a pomocou nej experimentálne porovnať zvolené algoritmy. Experimenty sú vykonávané ako so syntetickými, tak aj s reálnymi databázami. Výstupom práce je zhrnutie výhod a nevýhod jednotlivých algoritmov pre rôzne druhy vstupných databáz a aplikácia implementujúca vybrané algoritmy knižnice SPMF.
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.
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.
Description
Keywords
získavanie znalostí z databáz, dolovanie z dát, sekvenčné vzory, dolovanie sekvenčných vzorov, apriori, expanzia vzoru, skoré odstraňovanie kandidátov, GSP, SPADE, SPAM, CM-SPADE, CM-SPAM, LAPIN, PrefixSpan, SPMF, knowledge discovery from databases, data mining, sequential patterns, sequential pattern mining, apriori, pattern growth, early candidate pruning, GSP, SPADE, SPAM, CM-SPADE, CM-SPAM, LAPIN, PrefixSpan, SPMF
Citation
FEKETE, M. Metody dolování sekvenčních vzorů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2021.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Informační technologie
Comittee
doc. Dr. Ing. Dušan Kolář (předseda)
doc. Dr. Ing. Otto Fučík (místopředseda)
Ing. Ivana Burgetová, Ph.D. (člen)
Ing. Martin Hrubý, Ph.D. (člen)
Ing. Michal Španěl, Ph.D. (člen)
Date of acceptance
2021-06-18
Defence
Student nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázku oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm B - velmi dobře . Otázky u obhajoby: Jak náročné by bylo rozšíření Vaší aplikace o další metody pro dolování sekvenčních vzorů?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení