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 | |
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 |
|
Internet | Authorized users SPbPU |
|
Internet | Anonymous |
|
Access count: 26
Last 30 days: 0