Analýza obchodních dat využitím metod rozpoznání vzoru

Simple item page
but.committeeprof. Ing. Eva Gescheidtová, CSc. (předseda) doc. Ing. Karol Molnár, Ph.D. (místopředseda) doc. Ing. Jiří Schimmel, Ph.D. (člen) Ing. Michal Lares, Ph.D. (člen) Ing. Hicham Atassi, Ph.D. (člen) doc. Ing. Petr Číka, Ph.D. (člen)cs
but.defenceObjasněte v čem konkrétně spočívá rozdíl mezi algorimy k-Means a k-NN. Jak souvisí zpracování přirozeného jazyka a řešenou problematikou, jak ve vaší práci uvádíte? Jak se charakter dat řešeného problému liší?cs
but.jazykčeština (Czech)
but.programElektrotechnika, elektronika, komunikační a řídicí technikacs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorAtassi, Hichamcs
dc.contributor.authorPrišť, Lukášcs
dc.contributor.refereeBurget, Radimcs
dc.date.created2015cs
dc.description.abstractTato práce se věnuje základním metodám analýzy časových řad a jejich rozkladu s použitím aditivního modelu. Popisuje tvorbu tříd v jazyce Python pro tvorbu časové řady a její rozklad. Zabývá se také tvorbou grafického rozhraní pro program v prostředí MATLAB pro generování a značkování časových řad. Rozebírám zde implementaci funkcí pro rozklad časových řad vytvořených dříve v jazyce Python. Vybral jsem sedm vlastností, které jsem u časových řad značkoval. Stanovil jsem jak obecné, tak konkrétně volené příznaky pro reprezentaci sledovaných vlastností. Časové řady vygenerované pomocí tohoto programu jsou použity pro trénování klasifikátoru pro automatický sémantický popis. Takto natrénovaný klasifikátor jsem poté použil pro predikci označení vlastností neznámých časových řad.cs
dc.description.abstractThis project explores basic methods of time series analysis and decomposition of these series using the additive model. It describes creation of classes for generating and decomposition of time series in Python. This project also guides the reader through creation of Matlab user interface which is used to generate time series and mark chosen parameters. I also go through implementation of functions for time series decomposition previously created in Python. I chose seven parameters of which I kept track. I also chose general features for representing chosen parameters as well as features which were chosen carefully for each parameter. Every time series generated by this user interface are then used to train a program, which classifies them for semantic description. After training the created model was used to predict chosen parameters of previously unknown time series.en
dc.description.markBcs
dc.identifier.citationPRIŠŤ, L. Analýza obchodních dat využitím metod rozpoznání vzoru [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2015.cs
dc.identifier.other85307cs
dc.identifier.urihttp://hdl.handle.net/11012/39979
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectbusiness intelligencecs
dc.subjectčasová řadacs
dc.subjectanalýzacs
dc.subjectklasifikacecs
dc.subjectstrojové učenícs
dc.subjectpredikcecs
dc.subjectMATLABcs
dc.subjectPythoncs
dc.subjectbusiness intelligenceen
dc.subjecttime seriesen
dc.subjectanalysisen
dc.subjectclassificationen
dc.subjectmachine learningen
dc.subjectpredictionen
dc.subjectMATLABen
dc.subjectPythonen
dc.titleAnalýza obchodních dat využitím metod rozpoznání vzorucs
dc.title.alternativeAnalysis of business data using methods of pattern recognitionen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2015-06-11cs
dcterms.modified2024-05-17-12:54:00cs
eprints.affiliatedInstitution.facultyFakulta elektrotechniky a komunikačních technologiícs
sync.item.dbid85307en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 13:19:45en
sync.item.modts2025.01.15 15:01:13en
thesis.disciplineTelekomunikační a informační technikacs
thesis.grantorVysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. Ústav telekomunikacícs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 3 of 3
Thumbnail Image
Name:
final-thesis.pdf
Size:
2.64 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Download
Thumbnail Image
Name:
appendix-1.zip
Size:
1.25 MB
Format:
zip
Description:
appendix-1.zip
Download
Thumbnail Image
Name:
review_85307.html
Size:
3.57 KB
Format:
Hypertext Markup Language
Description:
file review_85307.html
Download
Collections
2015