but.committee		cs
but.defence		cs
but.jazyk	angličtina (English)
but.program	Výpočetní technika a informatika	cs
but.result	práce byla úspěšně obhájena	cs
dc.contributor.advisor	Zendulka, Jaroslav	en
dc.contributor.author	Šebek, Michal	en
dc.contributor.referee	Platoš, Jan	en
dc.contributor.referee	Popelínský, Lubomír	en
dc.date.accessioned	2020-05-11T04:25:33Z
dc.date.available	2020-05-11T04:25:33Z
dc.date.created	2017	cs
dc.description.abstract	Dolování sekvenčních vzorů je důležitá oblast získávání znalostí z databází. Stále více průmyslových a obchodních aplikací uchovává data mající povahu sekvencí, kdy je dáno pořadí jednotlivých transakcí. Toho může být využito například při analýze po sobě jdoucích nákupů zákazníků. Tato práce se zabývá využitím hierarchického uspořádání položek při dolování sekvenčních vzorů. V rámci práce jsou řešeny dvě základní oblasti - dolování víceúrovňových sekvenčních vzorů s křížením a bez křížení úrovní hierarchií. Dolovací úlohy pro obě oblasti jsou v práci formalizovány a následně navrženy algoritmy hGSP a MLSP pro jejich řešení. Experimentálně bylo ověřeno, že především algoritmus MLSP dosahuje výborných výkonnostních vlastností a stability. Význam nově získaných vzorů je ukázán na dolování reálných produkčních dat.	en
dc.description.abstract	Mining sequential patterns is a very important area of the data mining. Many industrial and business applications save sequential data where the ordering of transactions is defined. It can be used for example for analysis of consecutive shopping transactions. This thesis deals with the using of concept hierarchies of items for mining sequential patterns. This thesis focuses on two basic approaches - mining level-crossing sequential patterns and mining multi-level sequential patterns. The approaches for the both data mining tasks are formalized and there are proposed data mining algorithms hGSP and MLSP to solve these tasks. Experiments verified that mainly the MLSP has good performance and stability. The usability of newly obtained patterns is shown on the real-world data mining task.	cs
dc.description.mark	P	cs
dc.identifier.citation	ŠEBEK, M. Dolování víceúrovňových sekvenčních vzorů [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2017.	cs
dc.identifier.other	128197	cs
dc.identifier.uri	http://hdl.handle.net/11012/187315
dc.language.iso	en	cs
dc.publisher	Vysoké učení technické v Brně. Fakulta informačních technologií	cs
dc.rights	Standardní licenční smlouva - přístup k plnému textu bez omezení	cs
dc.subject	získávání znalostí z databází	en
dc.subject	dolování sekvenčních vzorů	en
dc.subject	konceptové hierarchie	en
dc.subject	uzavřené vzory	en
dc.subject	víceúrovňové sekvenční vzory	en
dc.subject	data mining	cs
dc.subject	mining sequential patterns	cs
dc.subject	concept hierarchies	cs
dc.subject	closed patterns	cs
dc.subject	level-crossing sequential patterns	cs
dc.subject	multi-level sequential patterns	cs
dc.title	Dolování víceúrovňových sekvenčních vzorů	en
dc.title.alternative	Mining Multi-Level Sequential Patterns	cs
dc.type	Text	cs
dc.type.driver	doctoralThesis	en
dc.type.evskp	dizertační práce	cs
dcterms.dateAccepted	2017-04-25	cs
dcterms.modified	2020-05-10-17:46:47	cs
eprints.affiliatedInstitution.faculty	Fakulta informačních technologií	cs
sync.item.dbid	128197	en
sync.item.dbtype	ZP	en
sync.item.insts	2020.05.14 00:59:03	en
sync.item.modts	2020.05.14 00:14:34	en
thesis.discipline	Výpočetní technika a informatika	cs
thesis.grantor	Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav informačních systémů	cs
thesis.level	Doktorský	cs
thesis.name	Ph.D.	cs

Dolování víceúrovňových sekvenčních vzorů

Files

Original bundle

Collections