Show simple item record

Approximate Pattern Matching In Sparse Multidimensional Arrays Using Machine Learning Based Methods



dc.contributor.advisorKrčál Luboš
dc.contributor.authorKučerová Anna
dc.date.accessioned2017-06-07T16:13:22Z
dc.date.available2017-06-07T16:13:22Z
dc.date.issued2017-05-09
dc.identifierKOS-695599653305
dc.identifier.urihttp://hdl.handle.net/10467/70146
dc.description.abstractHlavním cílem této práce je navrhnout řešení přibližného vyhledávání vzorů, které používá některou z metod strojového učení. Toho je dosaženo využitím hashování a již existujících algoritmů. Hashování se používá k nalezení pozic potenciálních výsledků. Následné ověření bylo provedeno stejným způsobem jako u existujících řešení pro lepší porovnání. Předchozí výzkum byl zaměřen především na vyhledávání v prostorech s malým počtem dimenzí. Výstupem této práce je algoritmus, který je porovnán s již existujícími řešeními. Některé z porovnávaných algoritmů byly zatím pouze teoreticky navrženy a dosud neimplementovány. Algoritmy také používají binární formát používaný v komerčních databázích.cze
dc.description.abstractThe main goal of this work is to propose a solution of approximate pattern matching with the use of machine learning based methods. This is done with the help of Locality Sensitive Hashing and existing algorithms. Idea of LSH is used for searching of positions of potential results and their verification is executed as in existing algorithms. Previous work was focused primarily on low dimensional pattern matching. The outcome of this work is an algorithm together with time measures and comparison with already existing solutions. Some of the comparing algorithms were only theoretically designed and not implemented until now. The solution also uses binary format used in a commercial array database.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://knihovny.cvut.cz/vychova/vskp.htmleng
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://knihovny.cvut.cz/vychova/vskp.htmlcze
dc.subjectPřibližné vyhledávání vzorů, Přesné vyhledávání vzorů, Hashování závislé na lokalitě, SciDB, Pravidelné mřížky na polích, Multidimenzionální polecze
dc.subjectApproximate Pattern Matching, Exact Pattern Matching, Locality Sensitive Hashing, SciDB, Regular Grids on Arrays, Multidimensional Arrayseng
dc.titleMetody pro přibližné vyhledávání vzorků v řídkých multidimensionálních polích pomocí metod strojového učenícze
dc.titleApproximate Pattern Matching In Sparse Multidimensional Arrays Using Machine Learning Based Methodseng
dc.typediplomová prácecze
dc.typemaster thesiseng
dc.date.accepted
dc.contributor.refereeHolub Jan
theses.degree.disciplineZnalostní inženýrstvícze
theses.degree.grantorkatedra teoretické informatikycze
theses.degree.programmeInformatikacze


Files in this item




This item appears in the following Collection(s)

Show simple item record