Zvýšení úspěšnosti klasifikace v libSVM s použitím řetězcových fukcí

Simple item page
but.committeedoc. Ing. František Zbořil, CSc. (předseda) doc. RNDr. Jitka Kreslíková, CSc. (místopředseda) doc. Ing. Michal Bidlo, Ph.D. (člen) Ing. Radek Kočí, Ph.D. (člen) doc. Ing. Petr Matoušek, Ph.D., M.A. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komisi byly přečteny posudky od vedoucího a oponenta práce. Student následně odpověděl na otázky oponenta a na doplňující otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studenta na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: Která z funkcí N-Gram a Gap-Weighted Subsequence rychleji určí míru podobnosti dvou řetězců a proč? Je funkce Bag of Word aplikovatelná na určení míry podobnosti v síťovém provozu? Co je to míra podobnosti dvou řetězců?cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorMichlovský, Zbyněkcs
dc.contributor.authorHomoliak, Ivancs
dc.contributor.refereeDrozd, Michalcs
dc.date.available2015-06-14cs
dc.date.created2010cs
dc.description.abstractPráce se zabýva zkoumáním závislostí kvality klasifikace textových řetězců na vlastnostech vybraných řetězcových funkcí, použitých na určení míry podobnosti dvou textových řetezců. Práce přešetřuje též kombinování výsledků řetězcových funkcí aritmetickými operacemi plus a krát. Získané výsledky se v práci aplikují na detekci nevyžádané elektronické pošty.cs
dc.description.abstractPublication aims to explore dependencies of text classification used with string kernel functions. String kernel functions are here used to retrieve rate of similarity between two text strings. There are described experiments with single string kernel function and also experiments with combinations of them with arithmetic operations of adition and multiplication. Gathered results are aplied to detect spam messages of e-mail communication.en
dc.description.markAcs
dc.identifier.citationHOMOLIAK, I. Zvýšení úspěšnosti klasifikace v libSVM s použitím řetězcových fukcí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2010.cs
dc.identifier.other34909cs
dc.identifier.urihttp://hdl.handle.net/11012/55997
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsPřístup k plnému textu prostřednictvím internetu byl licenční smlouvou omezen na dobu 5 roku/letcs
dc.subjectřetězcové funkcecs
dc.subjectlibSVMcs
dc.subjectklasifikacecs
dc.subjectumělá inteligencecs
dc.subjectstring kernel functionsen
dc.subjectlibSVMen
dc.subjectclassificationen
dc.subjectartificial inteligenceen
dc.titleZvýšení úspěšnosti klasifikace v libSVM s použitím řetězcových fukcícs
dc.title.alternativeIncreasing Classification Accuracy in libSVM Using String Kernel Functionsen
dc.typeTextcs
dc.type.driverbachelorThesisen
dc.type.evskpbakalářská prácecs
dcterms.dateAccepted2010-06-14cs
dcterms.modified2020-05-09-23:42:11cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid34909en
sync.item.dbtypeZPen
sync.item.insts2025.03.18 17:45:38en
sync.item.modts2025.01.17 14:38:27en
thesis.disciplineInformační technologiecs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav inteligentních systémůcs
thesis.levelBakalářskýcs
thesis.nameBc.cs
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
review_34909.html
Size:
1.48 KB
Format:
Hypertext Markup Language
Description:
file review_34909.html
Download
Collections
2010