Show simple item record

Linear Discriminant Analysis on Stream of Features

dc.contributor.advisorMotl Jan
dc.contributor.authorRuslana Severa
dc.date.accessioned2020-09-04T13:58:59Z
dc.date.available2020-09-04T13:58:59Z
dc.date.issued2020-09-02
dc.identifierKOS-762877482105
dc.identifier.urihttp://hdl.handle.net/10467/90286
dc.description.abstractTato práce se věnuje lineární diskriminační analýze rozšířené o vertikální inkrementaci s konstantní regularizací. Pod pojmem vertikální inkrementace se rozumí přidání vektorů příznaků objektů místo tradičního doplnění množiny vzorků. Regularizace slouží k řešení problému multikolinearity (závislých příznaků). Je podporována diskrétní klasifikace, která probíhá na základě Bayesova rozhodovacího pravidla. Pro zrychlení výpočtu vnitřní struktury modelu je využita Choleského dekompozice, dopředná a zpětná substituce. Implementace je napsána v jazyce Python a je testována na reálných datových sadách a syntetických datech. Výsledky testování ukazují, že klasifikační model s vertikální inkrementací může nabídnout 10× rychlejší učení modelu oproti jeho dávkovému analogu při stejné klasifikační přesnosti. Finální časové zrychlení vertikální inkrementace závisí na množství příznaků a vzorků.cze
dc.description.abstractThe thesis deals with linear discriminant analysis extended by vertical increment with constant regularization. The term vertical increment means adding descriptor/feature vectors of objects instead of traditional complement of set of samples. Regularization serves to solve the problem of multicollinearity (dependent descriptors). Multiclass classification is supported and takes place on the basis of the Bayes decision rule. The Cholesky decomposition, forward and backward substitution are used to accelerate the computation of the inner structure of the model. Implementation is written in Python and is tested on real datasets and synthetic data. The results of testing show that the classification model with vertical increment could offer 10× faster model training compared to its batch analog while having the same classification precision. The final time acceleration of vertical increment depends on the amount of features and samples.eng
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.subjectlineární diskriminační analýzacze
dc.subjectinkrementální učenícze
dc.subjectonline učenícze
dc.subjectregularizacecze
dc.subjectCholeského dekompozicecze
dc.subjectLDAcze
dc.subjectRDAcze
dc.subjectlinear discriminant analysiseng
dc.subjectincremental learningeng
dc.subjectonline learn- ingeng
dc.subjectregularizationeng
dc.subjectCholesky decompositioneng
dc.subjectLDAeng
dc.subjectRDAeng
dc.titleLineární diskriminační analýza na proudu příznakůcze
dc.titleLinear Discriminant Analysis on Stream of Featureseng
dc.typebakalářská prácecze
dc.typebachelor thesiseng
dc.contributor.refereeDedecius Kamil
theses.degree.disciplineZnalostní inženýrstvícze
theses.degree.grantorkatedra aplikované matematikycze
theses.degree.programmeInformatikacze


Files in this item




This item appears in the following Collection(s)

Show simple item record