Εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων
Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η μελέτη μιας κατηγορίας αλγορίθμων μηχανικής μάθησης που αφορούν την εκπαίδευση πολλαπλών στιγμιοτύπων (multiple instance learning). Συγκεκριμένα, έπειτα από εκτενή μελέτη της σχετικής βιβλιογραφίας, η οποία αναλύεται λεπτομερώς, επελέγη ένας...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2019
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/12317 |
| id |
nemertes-10889-12317 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-123172022-09-05T20:23:16Z Εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων Data mining with multiple instance learning methods Μπρανίκας, Ευστάθιος Μεγαλοοικονόμου, Βασίλειος Δασκαλάκη, Σοφία Branikas, Efstathios Μηχανική μάθηση Εξόρυξη δεδομένων Machine learning Data mining 006.312 Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η μελέτη μιας κατηγορίας αλγορίθμων μηχανικής μάθησης που αφορούν την εκπαίδευση πολλαπλών στιγμιοτύπων (multiple instance learning). Συγκεκριμένα, έπειτα από εκτενή μελέτη της σχετικής βιβλιογραφίας, η οποία αναλύεται λεπτομερώς, επελέγη ένας αλγόριθμος ο οποίος σαν στόχο έχει την αναγνώριση εικόνας, ο JC2MIL. Έπειτα από την πλήρη κατανόηση και περιγραφή του αλγορίθμου, μια σειρά από πειράματα έλαβαν χώρα σε συγκεκριμένα δεδομένα ώστε να συγκριθεί με άλλους αλγορίθμους της σχετικής βιβλιογραφίας. Τέλος, η διπλωματική αυτή εργασία εστιάζει σε μεθόδους που σκοπό έχουν να βελτιώσουν την απόδοση του εν λόγω αλγορίθμου. Προηγουμένως αναλύονται οι έννοιες και οι μέθοδοι οι οποίες εφαρμόζονται για την ενδεχόμενη βελτίωση του αλγορίθμου, οι οποίες εστιάζουν αποκλειστικά στην επιλογή στιγμιοτύπων προς αφαίρεση. Σε μια σειρά πειραμάτων συγκρίνουμε τα αποτελέσματα, τόσο ως προς την απόδοση αλλά και τα συμπεράσματα που μπορούν να εξαχθούν από τα πειράματα που έγιναν. Επίσης εξάγονται χαρακτηριστικά από εικόνες για σύγκριση της ακρίβειας στις διάφορες περιπτώσεις. This project focuses in the study of an area of machine learning algorithms referring to the multiple instance learning approach. More specifically, after an extensive study of literature, which is presented in detail, an algorithm is chosen for further study based on image recognition, JC2MIL. After fully comprehending the algorithm, a set of experiments is conducted in benchmark data sets in order to compare this algorithm with others from the same scientific field. Finally, this project focuses in instance selection methods aiming to imporve the accuracy of this algorithm. Previously, those instance selection methods that can possibly increase the overall accuracy are discussed. After a set of experiments is conducted, the comparison between the different apporaches and different features takes place and conclusions are drawn. 2019-06-30T12:16:33Z 2019-06-30T12:16:33Z 2019-04-17 Thesis http://hdl.handle.net/10889/12317 gr 0 application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Μηχανική μάθηση Εξόρυξη δεδομένων Machine learning Data mining 006.312 |
| spellingShingle |
Μηχανική μάθηση Εξόρυξη δεδομένων Machine learning Data mining 006.312 Μπρανίκας, Ευστάθιος Εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων |
| description |
Αντικείμενο της παρούσας διπλωματικής εργασίας είναι η μελέτη μιας κατηγορίας αλγορίθμων μηχανικής μάθησης που αφορούν την εκπαίδευση πολλαπλών στιγμιοτύπων (multiple instance learning).
Συγκεκριμένα, έπειτα από εκτενή μελέτη της σχετικής βιβλιογραφίας, η οποία αναλύεται λεπτομερώς, επελέγη ένας αλγόριθμος ο οποίος σαν στόχο έχει την αναγνώριση εικόνας, ο JC2MIL. Έπειτα από την πλήρη κατανόηση και περιγραφή του αλγορίθμου, μια σειρά από πειράματα έλαβαν χώρα σε συγκεκριμένα δεδομένα ώστε να συγκριθεί με άλλους αλγορίθμους της σχετικής βιβλιογραφίας.
Τέλος, η διπλωματική αυτή εργασία εστιάζει σε μεθόδους που σκοπό έχουν να βελτιώσουν την απόδοση του εν λόγω αλγορίθμου. Προηγουμένως αναλύονται οι έννοιες και οι μέθοδοι οι οποίες εφαρμόζονται για την ενδεχόμενη βελτίωση του αλγορίθμου, οι οποίες εστιάζουν αποκλειστικά στην επιλογή στιγμιοτύπων προς αφαίρεση. Σε μια σειρά πειραμάτων συγκρίνουμε τα αποτελέσματα, τόσο ως προς την απόδοση αλλά και τα συμπεράσματα που μπορούν να εξαχθούν από τα πειράματα που έγιναν. Επίσης εξάγονται χαρακτηριστικά από εικόνες για σύγκριση της ακρίβειας στις διάφορες περιπτώσεις. |
| author2 |
Μεγαλοοικονόμου, Βασίλειος |
| author_facet |
Μεγαλοοικονόμου, Βασίλειος Μπρανίκας, Ευστάθιος |
| format |
Thesis |
| author |
Μπρανίκας, Ευστάθιος |
| author_sort |
Μπρανίκας, Ευστάθιος |
| title |
Εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων |
| title_short |
Εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων |
| title_full |
Εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων |
| title_fullStr |
Εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων |
| title_full_unstemmed |
Εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων |
| title_sort |
εξόρυξη δεδομένων με τεχνικές εκμάθησης πολλαπλών περιπτώσεων |
| publishDate |
2019 |
| url |
http://hdl.handle.net/10889/12317 |
| work_keys_str_mv |
AT mpranikaseustathios exoryxēdedomenōnmetechnikesekmathēsēspollaplōnperiptōseōn AT mpranikaseustathios dataminingwithmultipleinstancelearningmethods |
| _version_ |
1771297271074258944 |
