Show simple item record

Unsupervised Learning and Outlier Detection in Large Archives of Astronomical Spectra

dc.contributor.advisorŠkoda Petr
dc.contributor.authorShakurova Ksenia
dc.date.accessioned2016-06-22T19:50:38Z
dc.date.available2016-06-22T19:50:38Z
dc.date.issued2016-05-12
dc.identifierKOS-587865232405
dc.identifier.urihttp://hdl.handle.net/10467/65130
dc.description.abstractTato práce se zabývá studiem vlastností několika populárních algoritmů shlukovací analýzy, např. DBSCAN, K-means, Biclustering a dalších pro astronomické účely. V práci se také zkoumají metody redukce dimenzionality a algoritmus LOF pro detekci odlehlých hodnot. Porovnání výkonnosti metod je zajištěno prostřednictvím experimentů na sadě snímků spekter z observatoře Ondřejova. Metody, které vykázaly nejlepší výsledky, jsou pak otestovány na větším archivu spekter získaných s teleskopu LAMOST. Výsledky experimentů jsou důkladně analyzovány.cze
dc.description.abstractIn this thesis we examine popular clustering algorithms such as DBSCAN, Biclustering, K-means, etc., on the task of spectra clustering. In addition, we investigate several dimensionality reduction approaches and the algorithm LOF for the outliers detection. We conduct our experiment in order to resolve the problem of spectra clustering. We select the most promising methods according to their performance on the Ondřejov dataset and then apply them on the larger LAMOST dataset. Next, we implement framework which incorporates mentioned algorithms including our implementation of LOF adapted for Apache Spark. Finally, we discuss obtained results.eng
dc.language.isoENG
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA 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://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf.eng
dc.rightsVysokoškolská 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://www.cvut.cz/sites/default/files/content/d1dc93cd-5894-4521-b799-c7e715d3c59e/cs/20160901-metodicky-pokyn-c-12009-o-dodrzovani-etickych-principu-pri-priprave-vysokoskolskych.pdf.cze
dc.subjectUčení bez učitele, Shluková analýza, Astroinformatika, Data mining, Astronomická spektroskopie, Big Data, Apache Sparkcze
dc.subjectUnsupervised learning, Cluster analysis, Astroinformatics, Data mining, Astronomical spectroscopy, Big Data, Apache Sparkeng
dc.titleStrojové učení bez učitele a detekce odlehlých hodnot v rozsáhlých archívech astronomických spektercze
dc.titleUnsupervised Learning and Outlier Detection in Large Archives of Astronomical Spectraeng
dc.typeMAGISTERSKÁ PRÁCEcze
dc.typeMASTER'S THESISeng
dc.date.accepted2016-06-16
dc.contributor.refereeJiřina Marcel
theses.degree.disciplineZnalostní inženýrstvícze
theses.degree.grantor18101cze
theses.degree.programmeInformatikacze


Files in this item




This item appears in the following Collection(s)

Show simple item record