Dissertations / Theses on the topic 'Алгоритм класифікації'
Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles
Consult the top 18 dissertations / theses for your research on the topic 'Алгоритм класифікації.'
Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.
You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.
Browse dissertations / theses on a wide variety of disciplines and organise your bibliography correctly.
Востоцький, Віталій Олексійович, Виталий Алексеевич Востоцкий, and Vitalii Oleksiiovych Vostotskyi. "Алгоритм автоматичної класифікації." Thesis, Видавництво СумДУ, 2009. http://essuir.sumdu.edu.ua/handle/123456789/7154.
Full textПроскочило, В. А. "Інтелектуальна система класифікації трьох класів розпізнавання." Thesis, Видавництво СумДУ, 2011. http://essuir.sumdu.edu.ua/handle/123456789/9853.
Full textАбдураімов, Таір Заірович. "Алгоритм глибинного аналізу даних для задачі класифікації на основі штучного бджолиного рою." Master's thesis, КПІ ім. Ігоря Сікорського, 2020. https://ela.kpi.ua/handle/123456789/38328.
Full textActuality of theme. As the size of digital information grows exponentially, large amounts of raw data need to be extracted. To date, there are several methods to customize and process data according to our needs. The most common method is to use Data Mining. Data Mining is used to extract implicit, valid and potentially useful knowledge from large amounts of raw data. The knowledge gained must be accurate, readable and easy to understand. In addition, the data mining process is also called the knowledge discovery process, which has been used in most new interdisciplinary fields, such as databases, artificial intelligence statistics, visualization, parallel computing, and other fields. One of the new and extremely powerful algorithms used in Data Mining is evolutionary algorithms and swarm-based approaches, such as the ant algorithm and particle swarm optimization. In this paper, it is proposed to use a fairly new idea of the swarm of bee swarm algorithm for data mining for a widespread classification problem. Purpose: to develop an algorithm for data mining for the classification problem based on the swarm of bee swarms, which exceeds other common classifiers in terms of accuracy of results and consistency. The object of research is the process of data mining for the classification problem. The subject of the study is the use of a swarm of bee swarms for data mining. Research methods. Methods of parametric research of heuristic algorithms, and also methods of the comparative analysis for algorithms of data mining are used. The scientific novelty of the work is as follows: 1. As a result of the analysis of existing solutions for the classification problem, it is decided to use such metaheuristics as the swarm of bee swarm. 2. The implementation of the bee algorithm for data mining is proposed. The practical value of the results obtained in this work is that the developed algorithm can be used as a classifier for data mining. In addition, the proposed adaptation of the bee algorithm can be considered as a useful and accurate solution to such an important problem as the problem of data classification. Approbation of work. The main provisions and results of the work were presented and discussed at the scientific conference of undergraduates and graduate students "Applied Mathematics and Computing" PMK-2019 (Kyiv, 2019), as well as at the scientific conference of undergraduates and graduate students "Applied Mathematics and Computing" PMK-2020 (Kyiv, 2020). Structure and scope of work. The master's dissertation consists of an introduction, four chapters, conclusions and appendices. The introduction provides a general description of the work, assesses the current state of the problem, substantiates the relevance of research, formulates the purpose and objectives of research, shows the scientific novelty of the results and the practical value of the work, provides information on testing and implementation. The first section discusses the data mining algorithms used for the classification problem. The possibility of using heuristic algorithms, namely the bee swarm algorithm for this problem, is substantiated. The second section discusses in detail the algorithm of the bee swarm and the principles of its operation, also describes the proposed method of its application for data mining, namely for the classification problem. The third section describes the developed algorithm and the software application in which it is implemented. In the fourth section the estimation of efficiency of the offered algorithm, on the basis of testing of algorithm, and also the comparative analysis between the developed algorithm and already different is resulted. The conclusions present the results of the master's dissertation. The work is performed on 89 sheets, contains a link to the list of used literature sources with 18 titles. The paper presents 38 figures and 2 appendices.
Салтиш, О. І. "Інформаційна технологія класифікації жанрів музичних творів." Master's thesis, Сумський державний університет, 2018. http://essuir.sumdu.edu.ua/handle/123456789/72192.
Full textПолулях, К. С., Ігор Іванович Тополов, and Л. О. Медведєва. "До питання коректної побудови схем класифікації цифрових вимірювальних перетворювачів." Thesis, Національний технічний університет "Харківський політехнічний інститут", 2015. http://repository.kpi.kharkov.ua/handle/KhPI-Press/48986.
Full textБезменова, Ольга Миколаївна. "Про результати діагностування наявності захворювань з використанням алгоритмів класифікації на основі нечітких правил." Thesis, Національний технічний університет "Харківський політехнічний інститут", 2016. http://repository.kpi.kharkov.ua/handle/KhPI-Press/45814.
Full textСтрєлкова, Олександра Георгіївна. "Інтелектуальна система прийняття рішення щодо функціонування елементів розумного будинку на основі класифікації видів діяльності людини." Магістерська робота, Хмельницький національний університет, 2022. http://elar.khnu.km.ua/jspui/handle/123456789/11914.
Full textЛипівець, Б. В. "Інформаційна техноглогія розпізнавання структурних дефектів труб." Master's thesis, Сумський державний університет, 2019. http://essuir.sumdu.edu.ua/handle/123456789/76772.
Full textШевченко, Ю. О. "Моделювання проблем класифікації з підбором оптимального алгоритму." Master's thesis, Сумський державний університет, 2019. http://essuir.sumdu.edu.ua/handle/123456789/73588.
Full textКохановська, Н. В., О. В. Якімова, and Андрій Олександрович Дашкевич. "Розробка алгоритму навчання штучної нейронної мережі для вирішення задачі класифікацї." Thesis, НТУ "ХПІ", 2011. http://repository.kpi.kharkov.ua/handle/KhPI-Press/3350.
Full textДіденко, Данііл Юрійович. "Алгоритми розпізнавання емоцій за мовними сигналами." Master's thesis, Київ, 2018. https://ela.kpi.ua/handle/123456789/25470.
Full textThe thesis contains the main part on 38 sheets, 24 illustrations. The purpose of the dissertation is to analyze and simulate the algorithms for recognizing emotions by speech signals. The object of research is the algorithms of emotion recognition. The subject of the study is the recognition of emotions by the speech signal. The result of the work is: Research of the principles of the algorithms of emotional recognition; Investigation of acoustic signs of a speech signal; Simulation and comparison of various algorithms for recognizing emotions by speech signal. Field of application: digital processing of acoustic signals.
Целью диссертации является анализ и моделирование алгоритмов распознавания эмоций по речевыми сигналам. Объектом исследования являются алгоритмы распознавания эмоций. Предметом исследования является распознавание эмоций по речевым сигналом. Результатом работы являются: Исследование принципов действия алгоритмов распознавания эмоций; Исследование акустических признаков речевого сигнала; Моделирование и сравнения различных алгоритмов распознавания эмоций по речевым сигналом. Область применения: цифровая обработка акустических сигналов.
Калайчев, Г. В. "Machine learning in classification tasks." Thesis, ХНУРЕ, 2021. https://openarchive.nure.ua/handle/document/16433.
Full textЗінько, Тарас Петрович. "Аналіз і синтез алгоритмів розпізнавання й класифікації та їх застосування в обробці мовних сигналів і зображень." Diss. of Candidate of Technical Sciences, М-во освіти і науки, молоді та спорту України, Київ. нац. ун-т ім. Т. Шевченка, 2012.
Find full textКрамар, Іван Ігорович. "Кластеризація даних, що збираються з відібраних джерел науково-технічної інформації." Bachelor's thesis, КПІ ім. Ігоря Сікорського, 2020. https://ela.kpi.ua/handle/123456789/36639.
Full textThe aim of the work is to use the clustering of scientific and technical data not only for the visual representation of objects, but also for the recognition of new ones. The purpose of document clustering is to automatically detect groups of semantically similar documents among a given fixed set. Groups are formed only on the basis of pairwise similarity of document descriptions, and no characteristics of these groups are set in advance. Methods for deleting uninformative words are considered: deletion of stop words, stemming, N-diagrams, case reduction. The following methods were used to highlight keywords and classify the results: dictionary, statistical and based on the Y-interpretation of Bradford's law, TF-IDF measure, F-measure and the method of licorice patterns. Python programming language was chosen to implement the system of cluster analysis of scientific and technical data, a high-level, the implementation of the interpreter 2.7. This program code is easier to read, its reuse and maintenance is much easier than using program code in other languages.
Целью работы является применение кластеризации научно-технических данных не только для наглядного представления объектов, но и для распознавания новых. Целью кластеризации документов является автоматическое выявление групп семантически похожих документов среди заданной фиксированной множества. Группы формируются только на основе попарно сходства описаний документов, и никакие характеристики этих групп не задаются заранее. Для удаления неинформативных слов рассмотрены методы: удаление стоп-слов, стемминг, N-диаграммы, приведение регистра. Для выделения ключевых слов и классификации результатов использованы следующие методы: словарный, статистический и построен на основе Y-интерпретации закона Брэдфорда, TF-IDF мера, F-мера и способ лакричным шаблонов. Для реализации системы кластерного анализа научно-технических данных избран высокоуровневый язык программирования Python, реализация интерпретатора 2.7. Данный программный код читается легче, его многократное использование и обслуживание выполняется гораздо проще, чем использование программного кода на других языках.
Ломотин, К. Е. "Сравнение алгоритмов адаптивного и градиентного бустинга в задаче классификации текстов." Thesis, Сумский государственный университет, 2017. http://essuir.sumdu.edu.ua/handle/123456789/64335.
Full textЛомотин, К. Е. "Сравнение алгоритмов адаптивного и градиентного бустинга в задаче классификации текстов." Thesis, Сумский государственный университет, 2017. http://essuir.sumdu.edu.ua/handle/123456789/65585.
Full textХома, Юрій Володимирович. "Теорія і методи комп’ютерного опрацювання біосигналів на основі машинного навчання." Diss., Національний університет "Львівська політехніка", 2020. https://ena.lpnu.ua/handle/ntb/56149.
Full textShekapure, S. S., and N. V. Kadam. "Discriminant face features extraction, analysis & its application in multipose face recognization: a survey." Thesis, 2017. http://essuir.sumdu.edu.ua/handle/123456789/55763.
Full text