Συγκριτική μελέτη γραφοθεωρητικών αλγορίθμων ημι-επιτηρούμενης μηχανικής μάθησης σε προβλήματα ταξινόμησης με μεγάλη ταξική ανισορροπία
| dc.contributor.advisor | Τσιχριντζής, Γεώργιος | |
| dc.contributor.author | Αλεξανδροπούλου, Χαρίκλεια K. | |
| dc.date.accessioned | 2016-01-29T16:43:23Z | |
| dc.date.available | 2016-01-29T16:43:23Z | |
| dc.date.issued | 2013-05 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/8283 | |
| dc.description.abstract | Στη συγκεκριμένη διπλωματική εργασία γίνεται περιγραφή, ανάλυση και υλοποίηση τεσσάρων γραφοκεντρικών αλγορίθμων μερικώς επιτηρούμενης μηχανικής μάθησης. Αρχικά γίνεται μια προσπάθεια βιβλιογραφικής προσέγγισης του πεδίου της μηχανικής μάθησης με μερική επιτήρηση. Στη συνέχεια αλγόριθμοι αναλύονται θεωρητικά και εφαρμόζονται στην ταξινόμηση δεδομένων, που ανήκουν σε κλάσεις μεγάλης ταξικής ανισορροπίας. Εφαρμόζεται, επίσης, διορθωτική μέθοδος, η οποία χρησιμοποιεί την εκ των προτέρων γνώση των κλάσεων. Τέλος προτείνεται νέα διορθωτική μέθοδος, βασισμένη στις σωστές πληροφορίες που προκύπτουν από την προηγούμενη και οι οποίες αξιοποιούνται περαιτέρω. | el |
| dc.format.extent | 88 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Συγκριτική μελέτη γραφοθεωρητικών αλγορίθμων ημι-επιτηρούμενης μηχανικής μάθησης σε προβλήματα ταξινόμησης με μεγάλη ταξική ανισορροπία | el |
| dc.title.alternative | Comparative study of graph-based semi-supervised machine learning algorithms on classification problems with extreme class imbalance | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Πληροφορικής | el |
| dc.description.abstractEN | This thesis, entitled “Comparative Study of Graph-Based Semi-Supervised Machine Learning Algorithms on Classification Problems with Extreme Class Imbalance”, is a description, analysis and implementation of graph-based Semi-Supervised Learning algorithms. Initially we attempt to bibliographic approach the field of machine learning with partial supervision. Then, the algorithms are analyzed theoretically and applied to data classification of classes with large class imbalance. An applied correction method is also used. This method uses the prior knowledge of the classes. Finally, we propose a new correction method, based on the correct information which is obtained from the previous one and this information is being further developed. | el |
| dc.contributor.master | Προηγμένα Συστήματα Πληροφορικής | el |
| dc.subject.keyword | Μηχανική μάθηση | el |
| dc.subject.keyword | Algorithms | el |
| dc.subject.keyword | Αλγόριθμοι | el |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Πληροφορικής
Department of Informatics
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές