Details

Title Теория принятия решений для потоков данных с временной зависимостью в задаче классификации: выпускная квалификационная работа бакалавра: 09.03.04 - Программная инженерия ; 09.03.04_01 - Технология разработки и сопровождения качественного программного продукта
Creators Ткачук Александр Анатольевич
Scientific adviser Черноруцкий Игорь Георгиевич
Organization Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Imprint Санкт-Петербург, 2019
Collection Выпускные квалификационные работы ; Общая коллекция
Subjects потоковые данные ; классификация ; теория принятия решений ; data stream ; classification ; decision theory
Document type Bachelor graduation qualification work
File type PDF
Language Russian
Level of education Bachelor
Speciality code (FGOS) 09.03.04
Speciality group (FGOS) 090000 - Информатика и вычислительная техника
Links Отзыв руководителя ; Отчет о проверке на объем и корректность внешних заимствований
DOI 10.18720/SPBPU/3/2019/vr/vr19-1420
Rights Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key ru\spstu\vkr\2452
Record create date 9/26/2019

Allowed Actions

Action 'Read' will be available if you login or access site from another network

Action 'Download' will be available if you login or access site from another network

Group Anonymous
Network Internet

Объектом исследования является проблема классификации потоковых данных с временной зависимостью. При исследовании проблемы были использованы различные программные инструменты, в частности система фреймворков Python Anaconda и MOA для анализа непосредственно потоков данных. Были рассмотрены различные классификаторы потоковых данных, метрики и способы адаптации этих классификаторов к проблеме потоковых данных с временной зависимостью. Результатом данной работы являются общие рекомендации при работе с потоками данных с временной зависимостью и методика оценки их работоспособности.

The object of the research is the problem of streaming data classification with time dependence. Python Anaconda and MOA for analyzing open data streams. Various classifiers of streaming data, metrics and ways of adapting these classifiers to the problem of streaming data with time dependence were considered. The results of this work are general recommendations.

Network User group Action
ILC SPbPU Local Network All
Read Print Download
Internet Authorized users SPbPU
Read Print Download
Internet Anonymous

Access count: 26 
Last 30 days: 0

Detailed usage statistics