Lokálně adaptivní metriky dat s hierarchickou strukturou
Locally Adaptive Metrics of Hierarchically Structured Data
Typ dokumentu
bakalářská prácebachelor thesis
Autor
Tereza Kudláčková
Vedoucí práce
Šmídl Václav
Oponent práce
Horák Karel
Studijní obor
Základy umělé inteligence a počítačových vědStudijní program
Otevřená informatikaInstituce přidělující hodnost
katedra kybernetikyPráva
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.htmlVysokoškolská 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
Zobrazit celý záznamAbstrakt
Tato práce se zabývá metodami učení metriky a shlukování dat, aplikovanými na data se stromovou strukturou. Cílem je navrhnout lokálně adaptibilní algoritmus založený na podobnosti nebo vzdálenosti klasifikovaných prvků, odvozený z existujících technik a přizpůsobený pro práci se strukturovanými daty. V neposlední řadě diskutujeme přesnost a omezení našeho přístupu a navrhujeme zaměření pro potenciální budoucí výzkum. This thesis explores methods of metric learning and distance-based clustering applied on tree-structured data. We aim to design a locally adaptive similarity-based algorithm derived from existing techniques, tailored for structured data. Last but not least, we discuss the accuracy and limitations of our approach and also outline directions for potential future research
Kolekce
- Bakalářské práce - 13133 [851]