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.

Детальная информация

Название: 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
Авторы: Ткачук Александр Анатольевич
Научный руководитель: Черноруцкий Игорь Георгиевич
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: потоковые данные; классификация; теория принятия решений; data stream; classification; decision theory
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.03.04
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-1420
Права доступа: Свободный доступ из сети Интернет (чтение, печать, копирование)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

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.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 23
За последние 30 дней: 1
Подробная статистика