Hledání praktických robustních klasifikátorů

Dominik Šepák

Finding practical robust classifiers

Type of document

diplomová práce
master thesis

Author

Dominik Šepák

Supervisor

Pevný Tomáš

Opponent

Butora Jan

Field of study

Matematická informatika

Study program

Aplikace přírodních věd

Institutions assigning rank

katedra matematiky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

V rámci této práce je představena studie některých metod strojového učení s učitelem a měr úspěšnosti predikce využívajících strukturovaných dat ve tvaru prostředí s různými data generujícími pravděpodobnostními distribucemi. V průběhu textu jsou také vysvětleny základní pojmy strojového učení s učitelem. Metody jsou následně prakticky porovnány na problému zvaném neshoda zdroje krytí (cover source mismatch) v obrazové steganografii.

This work presents a study of some of the supervised machine learning methods and measures of prediction accuracy utilizing data in the structured form of environments with different data generating probability distributions. Basic concepts of supervised machine learning are explained throughout the text. The practical performance of the methods is then evaluated on the problem of cover source mismatch in image steganography.