С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

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
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: Свободный доступ из сети Интернет (чтение, печать, копирование)

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

Annotation

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.

Document access rights

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

Usage statistics

stat Access count: 23
Last 30 days: 0
Detailed usage statistics