Dissertations / Theses on the topic 'Задача класифікації'

Дипломна робота: 122 c., 10 табл., 40 рис., 2 додатка, 24 джерела. Об’єкт дослідження: розпізнавання хвороби Альцгеймера по знімках МРТ. Предмет дослідження: аналіз методів та моделей для вирішення поставленої задачі. Мета дослідження: дослідити існуючі методи розпізнавання та класифікації зображень, розробити власну систему розпізнавання хвороби Альцгеймера по знімках МРТ за допомогою алгоритму, який базується на існуючих підходах до вирішення даного завдання. Використані моделі: у програмній реалізації було використано базові моделі ResNet50, VGG19 та InceptionV3, згортковий автокодувальник та алгоритм KNN. Отриманні результати: побудована система розпізнавання хвороби Альцгеймера, що може відносити знімок МРТ до одного з 3 класів: Normal, OldAge та AD з точністю 88%.
Thesis: 122 p., 10 tabl., 40 fig., 2 appendices, 24 sources. Object of research: recognition of Alzheimer's disease by MRI. Subject of research: analysis of methods and models for solving the problem. The purpose of the study: to study the existing methods of image recognition and classification, to develop our own system of Alzheimer's disease detection by MRI images using an algorithm based on existing approaches to solve our task. Used models: the software implementation used the basic models ResNet50, VGG19 and InceptionV3, convolutional autoencoder and KNN algorithm. Results: built a system for recognizing Alzheimer's disease, which can assign an MRI image to one of 3 classes: Normal, OldAge and AD with accuracy 88%.

Актуальність теми. Оскільки розмір цифрової інформації зростає в геометричній прогресії, потрібно витягувати великі обсяги необроблених даних. На сьогоднішній день існує кілька методів налаштування та обробки даних відповідно до наших потреб. Найбільш поширеним методом є використання інтелектуального аналізу даних (Data Mining). Data Mining застосовується для вилучення неявних, дійсних та потенційно корисних знань із великих обсягів необроблених даних. Видобуті знання повинні бути точними, читабельними та легкими для розуміння. Крім того, процес видобутку даних також називають процесом виявлення знань, який використовувався в більшості нових міждисциплінарних областей, таких як бази даних, статистика штучного інтелекту, візуалізація, паралельні обчислення та інші галузі. Одним із нових і надзвичайно потужних алгоритмів, що використовуються в Data Mining, є еволюційні алгоритми та підходи, що базуються на рії, такі як мурашиний алгоритм та оптимізація рою частинок. В даній роботі запропоновано використати для інтелектуального аналізу даних досить нову ідею алгоритма бджолиного рою для широко розповсюдженої задачі класифікації. Мета роботи: покращення результатів класифікації даних в сенсі в точності і сталості за допомогою алгоритму інтелектуального аналізу даних на основі алгоритму бджолиного рою. Об’єктом дослідження є процес інтелектуального аналізу даних для задачі класифікації. Предметом дослідження є використання алгоритму бджолиного рою для інтелектуального аналізу даних. Методи дослідження. Використовуються методи параметричного дослідження евристичних алгоритмів, а також методи порівняльного аналізу для алгоритмів інтелектуального аналізу даних. Наукова новизна одержаних результатів роботи полягає в тому, що після проведеного аналізу існуючих рішень, запропоновано використати алгоритм бджолиного рою для задачі класифікації, точність і сталість якого перевищує показники існуючих класифікаторів. Практичне значення одержаних результатів полягає в тому, що розроблений алгоритм показує кращі результати в сенсі точності і сталості в порівнянні з іншими алгоритмами інтелектуального аналізу даних. Тобто адаптація бджолиного алгоритму може розглядатися як корисне та точне рішення для такої важливої проблеми, як задача класифікації даних. Апробація роботи. Основні положення й результати роботи були представлені та обговорювались на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2019 (Київ, 2019 р.), а також на науковій конференції магістрантів та аспірантів «Прикладна математика та комп’ютинг» ПМК-2020 (Київ, 2020 р.). Структура та обсяг роботи. Магістерська дисертація складається з вступу, чотирьох розділів, висновків та додатків. У вступі надано загальну характеристику роботи, виконано оцінку сучасного стану проблеми, обґрунтовано актуальність напрямку досліджень, сформульовано мету і задачі досліджень, показано наукову новизну отриманих результатів і практичну цінність роботи, наведено відомості про апробацію результатів і їх впровадження. У першому розділі розглянуто алгоритми інтелектуального аналізу даних, які використовуються для задачі класифікації. Обґрунтовано можливість використання евристичних алгоритмів, а саме алгоритму бджолиного рою для цієї задачі. У другому розділі детально розглянуто алгоритм бджолиного рою та принципи його роботи, також описано запропоновану методику його застосування для інтелектуального аналізу даних, а саме для задачі класифікації. У третьому розділі описано розроблений алгоритм та програмний додаток, в якому він реалізований. У четвертому розділі приведена оцінка ефективності запропонованого алгоритм, на основі тестування алгоритму, а також порівняльного аналізу між розробленим алгоритмом та вже існуючими. У висновках представлені результати магістерської дисертації. Робота виконана на 81 аркуші, містить посилання на список використаних літературних джерел з 18 найменувань. У роботі наведено 38 рисунків та 5 додатків.
Actuality 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.

Для побудови моделей на основі методу класифікації застосовано програмну систему Data Mining бібліотеки Xelopes. Розв’язано дві задачі класифікації. Виконано застосування моделі для нових даних. Показано, що система зручна, її можна використовувати для навчання студентів технологіям Data Mining, а також для розв’язання задач класифікації, які виникають в економіці.
To build a model based on the method of classification used software system Data Mining Library Xelopes. Solved two problems of classification. Completed application model for the new data. It is shown that the system is easy, it can be used to teach students techniques Data Mining, as well as for solving classification problems arising in the economy.

Дипломна робота магістра присвячена створенню та дослідженню моделі мімічних проявів емоційного стану на обличчі людини, розробці інформаційної системи для розпізнавання мімічних проявів емоцій на обличчі людини.

Кваліфікаційну роботу магістра присвячено розробці механізмів оптимізації діалогової взаємодії «Людина-інформаційна система» в задачах інтернет-маркетингу на основі моделі користувача інформаційної системи. У роботі проведено аналіз основних процесів інтернет-маркетингу, проблематики оптимізації діалогової взаємодії до потреб і рівня експертності користувача; розглянуто основні методи класифікації й оптимізації; досліджено методи прийняття рішень на основі марківського, напівмарківського процесу і прихованої марковської моделі. У роботі виконано розробку послідовності етапів алгоритму оптимізації діалогової взаємодії сайту й адаптації до рівня експертності користувача на основі класифікації і розроблених моделей користувачів. Результатом проведеної роботи є алгоритм адаптації діалогової взаємодії сайту до рівня експертності користувача. Практичне значення роботи полягає у формуванні стратегій оптимізації діалогової взаємодії «Людина-інформаційна система».

Алгоритмы машинного обучения позволяют более эффективно рубрицировать тексты, выделять из них знания, а также решать множество других задач, связанных с обработкой естественного языка. Бустинг – это один из ансамблевых подходов к улучшению моделей машинного обучения, суть которого состоит в том, что базовые модели обучаются последовательно: каждая следующая обучается на ошибках предыдущей. Работа посвящена сравнению двух наиболее популярных алгоритмов бустинга: AdaBoost и градиентного бустинга в задаче классификации научных статей по рубрикам первого уровня УДК. Главное различие этих алгоритмов заключается в методе коррекции весовых коэффициентов и параметров базовых моделей, входящих в их состав.

Задача автоматической рубрикации текстов становится все более актуальной в наше время, поскольку информация стала самым ценным ресурсом и ее объемы непрерывно растут. Необходимость избавить человека от рутинной сортировки статей по классам поставила задачу создания автоматической системы рубрикации.

Работа посвящена сравнению двух наиболее популярных алгоритмов бустинга: AdaBoost и градиентного бустинга в задаче классификации научных статей по рубрикам первого уровня УДК. Главное различие этих алгоритмов заключается в методе коррекции весовых коэффициентов и параметров базовых моделей, входящих в их состав.

Метою дипломної роботи є оптимізація процесу комплектації замовлень із визначенням найкоротшого можливого маршруту. Робота присвячена розробці веб-додатку для створення складських замовлень та побудови маршруту руху комплектувальника. Запропоновано підхід «Warehouse», що дає змогу оптимізувати основні процеси складської діяльності. Пропонований підхід ґрунтується на основі поєднання таксономічної міри привабливості місцеположення товарів та евристичних методів.

Сучасний рівень медичного дослідження черепно-лицевої хірургії дозволяє заглянути всередину об'єкта, тим самим діагностувати безліч патологій на різних стадіях. До таких видів досліджень відноситься комп'ютерна томографія, за допомогою якої можна отримати набори томографічних знімків. На сьогоднішній день питання про методи обробки та аналізу медичних зображень є актуальним і важливим у зв'язку із застосуванням на різних етапах діагностики сучасної обчислювальної техніки. Враховуючи особливості медичних знімків, метою магістерської роботи є визначення алгоритму дослідження томографічних знімків для тривимірної візуалізації морфологічних характеристик патологій в черепно-лицьової області. Для досягнення поставленої мети необхідно вирішити наступні задачі: позбавитись від шуму, виділити найбільш інформативні об'єкти та границі зображення, визначити метод виділення патологій. Для вирішення поставлених задач використовувались методи лінійної і нелінійної фільтрації, операції математичної морфології Серра, диференційні оператори виділення границь, операції дзеркального відображення здорової сторони.

Для того щоб розбиратися розмаїтті лікарських засобів, потрібно їх класифікувати. Для цього використовують різні системи їх класифікації. Проблема класифікації ліків є дуже важливою, оскільки дозволяє систематизувати підходи як для застосування відомих, так і створення нових лікарських засобів. Існує три основних типи класифікації лікарських засобів: за хімічною будовою; за джерелами походження; за лікувальною дією. Тому метою роботи є визначити завдання та вимоги для систем класифікації лікарських засобів. Описати найпоширеніші системи класифікації лікарських засобів. Виділити області застосування систем класифікації лікарських засобів. Вивчено інформаційні джерела з медичного і фармацевтичного товарознавства, електронні ресурси та довідники, що відображають класифікацію лікарських засобів, а також нормативні правові акти і інформаційні джерела, які регулюють оптову та роздрібну реалізацію лікарських засобів, діяльність аптек і аптечного складу. В результаті розроблено програмний засіб у вигляді нейронної мережі для класифікації лікарських засобів.

Проблема класифікації ліків є дуже важливою, оскільки дозволяє систематизувати підходи як для застосування відомих, так і створення нових лікарських засобів. Існує три основних типи класифікації лікарських засобів: за хімічною будовою; за джерелами походження; за лікувальною дією. Тому метою роботи є визначити завдання та вимоги для систем класифікації лікарських засобів. Описати найпоширеніші системи класифікації лікарських засобів. Виділити області застосування систем класифікації лікарських засобів. Вивчено інформаційні джерела з медичного і фармацевтичного товарознавства, електронні ресурси та довідники, що відображають класифікацію лікарських засобів, а також нормативні правові акти і інформаційні джерела, які регулюють оптову та роздрібну реалізацію лікарських засобів, діяльність аптек і аптечного складу. В результаті розроблено програмний засіб у вигляді нейронної мережі для класифікації лікарських засобів.

У тезах розглянуто тлумачення компетентнісних задач, компетентнісних задач з математики та запропоновано трактування компетентнісних математичних задач. Наведено класифікацію компетентнісних математичних задач для майбутніх економістів.
The problems of interpretation competence, competence in mathematics tasks and suggested interpretation competency mathematical tasks are in this thesis examined. The competence mathematical tasks for future economists are classification.

Благонадєждіна О. Є. Алгоритмізація процесу прийняття рішень на основі методів системного аналізу : кваліфікаційна робота магістра спеціальності 113 "Прикладна математика" / наук. керівник Н. О. Кондрат’єва. Запоріжжя : ЗНУ, 2020. 82 с.
UA : Робота викладена на 82 сторінках друкованого тексту, містить 8 рисунків, 2 таблиці, 28 джерел, 4 додатки. Об’єкт дослідження – задачі прийняття рішень. Мета роботи – алгоритмізація процесу пошуку оптимальних розв’язків у задачах прийняття рішень. Метод дослідження – аналітичний. Кваліфікаційна робота присвячена алгоритмізації процесу пошуку оптимальних розв’язків у задачах прийняття рішень. У роботі розглянуто класифікацію задач прийняття рішень, основні елементи процесу прийняття рішень, наведено формальну модель задачі теорії прийняття рішень, основні етапи процесу прийняття рішень, основні принципи та процедури системного аналізу та системного підходу, основні процедури системного аналізу, методологічні особливості застосування системного підходу при розв’язанні задач прийняття рішень, а також математичний апарат системного аналізу, базові оціночні функції та критерії прийняття рішень. Виділені проблеми алгоритмізації системних досліджень. Проведено обчислювальні експерименти і зроблено висновки за отриманими результатами за розробленими програмними продуктами, які дозволяють автоматизувати процес прийняття оптимальних рішень у задачах прийняття рішення в умовах неповної інформації та ризику.
EN : The work is presented on 82 pages of printed text, 8 figures, 2 tables, 28 references, 4 supplements. The object of the study is decision-making tasks. The aim of the study is to algorithmize the process of finding optimal solutions to decision-making problems. The method of research is analytical. Qualification work is devoted to the algorithmization of the process of finding optimal solutions to decision-making problems. The paper considers the classification of decision-making problems, the main elements of the decision-making process, the formal model of the problem of decision-making theory, the main stages of the decision-making process, the basic principles and procedures of system analysis and system approach, the main procedures of system analysis, methodological features decision-making tasks, as well as the mathematical apparatus of systems analysis, basic evaluation functions and decision-making criteria. Problems of algorithmization of system researches are allocated. Computational experiments are carried out and conclusions are made on the results obtained on the developed software products, which allow to automate the process of making optimal decisions in decision-making tasks in the conditions of incomplete information and risk.