Dolování sekvenčních vzorů

but.committeeprof. Ing. Tomáš Hruška, CSc. (předseda) doc. Dr. Ing. Otto Fučík (místopředseda) Ing. Zbyněk Křivka, Ph.D. (člen) Ing. Šárka Květoňová, Ph.D. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) doc. Ing. Jan Staudek, CSc. (člen)cs
but.defenceStudent nejprve prezentoval výsledky, kterých dosáhl v rámci své práce. Komise se pak seznámila s hodnocením vedoucího a posudkem oponenta práce. Student následně odpověděl na otázky 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 A. Otázky u obhajoby: Na str. 19 uvádíte, že u algoritmu GSP se pro nalezení uvedeného vzoru musí databáze projít dvanáctkrát. Vysvětlete toto tvrzení. Na str. 60 uvádíte, že jste pro potřeby porovnání výsledků vaší implementace s referenčními musel provést různé úpravy. O jaké úpravy šlo?cs
but.jazykčeština (Czech)
but.programInformační technologiecs
but.resultpráce byla úspěšně obhájenacs
dc.contributor.advisorHlosta, Martincs
dc.contributor.authorTisoň, Zdeněkcs
dc.contributor.refereeZendulka, Jaroslavcs
dc.date.created2012cs
dc.description.abstractTato diplomová práce je zaměřena na problematiku získávání znalostí z databází, především pak na metody dolování sekvenčních vzorů. Jednotlivé metody dolování sekvenčních vzorů jsou zde popsány detailně. Dále se práce zabývá rozšířením analytických služeb platformy Microsoft SQL Server o nové dolovací algoritmy. V praktické části této práce jsou implementovány rozšíření pro dolování sekvenčních vzorů na platformě MS SQL Server. V poslední části jsou vytvořené algoritmy porovnány nad různými datovými sadami.cs
dc.description.abstractThis master's thesis is focused on knowledge discovery from databases, especially on methods of mining sequential patterns. Individual methods of mining sequential patterns are described in detail. Further, this work deals with extending the platform Microsoft SQL Server Analysis Services of new mining algorithms. In the practical part of this thesis, plugins for mining sequential patterns are implemented into MS SQL Server. In the last part, these algorithms are compared on different data sets.en
dc.description.markAcs
dc.identifier.citationTISOŇ, Z. Dolování sekvenčních vzorů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2012.cs
dc.identifier.other78840cs
dc.identifier.urihttp://hdl.handle.net/11012/53757
dc.language.isocscs
dc.publisherVysoké učení technické v Brně. Fakulta informačních technologiícs
dc.rightsStandardní licenční smlouva - přístup k plnému textu bez omezenícs
dc.subjectZískávání znalostí z databázícs
dc.subjectdolování z datcs
dc.subjectsekvenční vzorycs
dc.subjectfrekventované podsekvencecs
dc.subjectuzavřené sekvencecs
dc.subjectGSPcs
dc.subjectPrefixSpancs
dc.subjectSPAMcs
dc.subjectLAPIN-SPAMcs
dc.subjectBIDEcs
dc.subjectMS SQL Servercs
dc.subjectanalytické služby.cs
dc.subjectKnowledge discovery in databasesen
dc.subjectdata miningen
dc.subjectsequential patternsen
dc.subjectfrequent subsequencesen
dc.subjectclosed sequencesen
dc.subjectGSPen
dc.subjectPrefixSpanen
dc.subjectSPAMen
dc.subjectLAPIN-SPAMen
dc.subjectBIDEen
dc.subjectMS SQL Serveren
dc.subjectAnalysis Services.en
dc.titleDolování sekvenčních vzorůcs
dc.title.alternativeSequential Pattern Miningen
dc.typeTextcs
dc.type.drivermasterThesisen
dc.type.evskpdiplomová prácecs
dcterms.dateAccepted2012-06-20cs
dcterms.modified2020-05-09-23:43:12cs
eprints.affiliatedInstitution.facultyFakulta informačních technologiícs
sync.item.dbid78840en
sync.item.dbtypeZPen
sync.item.insts2025.03.26 15:13:33en
sync.item.modts2025.01.17 13:31:56en
thesis.disciplineInformační systémycs
thesis.grantorVysoké učení technické v Brně. Fakulta informačních technologií. Ústav informačních systémůcs
thesis.levelInženýrskýcs
thesis.nameIng.cs
Files
Original bundle
Now showing 1 - 2 of 2
Loading...
Thumbnail Image
Name:
final-thesis.pdf
Size:
4.13 MB
Format:
Adobe Portable Document Format
Description:
final-thesis.pdf
Loading...
Thumbnail Image
Name:
review_78840.html
Size:
1.42 KB
Format:
Hypertext Markup Language
Description:
file review_78840.html
Collections