prikaz prve stranice dokumenta Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka
Rad nije dostupan
diplomski rad
Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka
2019. urn:nbn:hr:168:926376
Šmitran, Marko
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Citirajte ovaj rad

Šmitran, M. (2019). Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:926376

Šmitran, Marko. "Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:926376

Šmitran, Marko. "Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2019. https://urn.nsk.hr/urn:nbn:hr:168:926376

Šmitran, M. (2019). 'Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 11.04.2024., https://urn.nsk.hr/urn:nbn:hr:168:926376

Šmitran M. Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2019 [pristupljeno 11.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:926376

M. Šmitran, "Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:926376

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:926376
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovKomparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka
Naslov (engleski)Comparative Analysis Of Clustering Algorithms Applicable To Massive Dataset Processing
AutorMarko Šmitran
MentorGoran Delač (mentor)
Član povjerenstvaGoran Delač (predsjednik povjerenstva)
Član povjerenstvaMarin Šilić (član povjerenstva)
Član povjerenstvaSiniša Srbljić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2019-07-09, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Cilj ovog rada je ispitivanje i usporadba svojstava algoritama grupiranja prikladnih za grupiranje velikih skupova podataka. Algoritmi odabrani kao prikladni u tu svrhu su: K-means, CLARANS, BIRCH i DENCLUE. Kvaliteta grupiranja je najvažniji kriterij usporedbe algoritama. Kvaliteta grupiranja mjeri se unutarnjim i vanjskim validacijskim metrika. Objašnjen je rad svih odabranih algoritama i validacijske metrike su definirane, a potom su provedena ispitivanja. Algoritmi grupiranja primjenjeni su ponajprije nad sintetiˇckim skupovima podataka, ali i na dva stvarna skupa. Ispitan je utjecaj oblika grupa, neravnoteže med¯u grupama i šuma u podacima na kvalitete grupiranja te skalabilnost algoritama. Algoritmi su primjenjeni i na stvarnim skupovima te je ocijenjena njihova prikladnost.
Sažetak (engleski)
The goal of this paper is testing and comparison of properties of clustering algorithms applicable to massive dataset processing. Algorithms chosen as applicable for this task are: K-means, CLARANS, BIRCH and DENCLUE. Quality of clustering is the most important criterion of comparison between algorithms. Clustering quality is measured by internal and external validation metrics. Each chosen clustering algorithm is explained and each used validation metrics are defined, then testing was conducted. Clustering algorithms were primarily used on syntetic datasets, but also on two real ones. The goal of the conducted tests was to discern sensitivity of clustering algorithms to the shape of clusters, cluster imbalance and clustering of noisy data and their impact on quality of clusterings. Scalability of clustering algorithms was also tested. Algorithms were also used on real datasets and their applicability was discussed.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:926376
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2020-01-07 22:27:30