Klastrovací metody pro datovou analýzu

Kryštof Bystřický

Clustering methods for data analysis

Type of document

bakalářská práce
bachelor thesis

Author

Kryštof Bystřický

Supervisor

Jura Jakub

Opponent

Cejnek Matouš

Field of study

bez oboru

Study program

Teoretický základ strojního inženýrství

Institutions assigning rank

ústav přístrojové a řídící techniky

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 této práci jsou popsány základní techniky data miningu. Podrobně je popsána především klastrová(shluková) analýza, tedy seskupování objektů na základě jejich podobností. Značná část teoretické části se zabývá předpřípravou a vizualizací dat. Klastrovací metody jsou aplikovány pomocí Python skriptů za použití příslušných Python modulů pro data mining. Analyzovaná datová sada je soubor dat z měření vibrací kompozitových trubek. V praktické části tyto data nejdříve transformuji na frekvenční charakteristiky-každé trubce náleží jedna frekvenční charakteristika. Tyto data jsou poté předzpracovány a klastrovány za účelem roztřídění trubek do 4 skupin podle struktury kompozitu ze kterého je trubka vyrobena.

In this paper, basic data mining techniques will be described. A closer look is then taken at cluster analysis-the task of grouping objects based on their similarity. A significant portion of the theoretical part deals with data preprocessing and visualization. Clustering methods are applied with Python scripts utilizing appropriate data mining Python modules. The analyzed data set is an array of composite tube vibration measurements data. In the practical part, the data is first transformed into frequency characteristics, yielding a frequency characteristic for each tube. The data is then preprocessed and clustered, with the goal of sorting the tubes into 4 groups based on the structure of the tube's composite material.