• русский
    • English
  • русский 
    • русский
    • English
    Просмотр элемента 
    •   Главная
    • Диссертации и выпускные квалификационные работы (ВКР)
    • Выпускные квалификационные работы бакалавров и специалистов
    • Просмотр элемента
    •   Главная
    • Диссертации и выпускные квалификационные работы (ВКР)
    • Выпускные квалификационные работы бакалавров и специалистов
    • Просмотр элемента
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    ВЫЧИСЛЕНИЕ MIC НА ОСНОВЕ КЛАСТЕРИЗАЦИИ ДАННЫХ

    Скачать файл:
    vkr_grechishcheva_s_izyatiem_1.pdf (229.3 КБ)
    URI (для ссылок/цитирований):
    https://elib.sfu-kras.ru/handle/2311/73483
    Автор:
    Гречищева, Софья Руслановна
    Научный руководитель:
    Олейников, Борис Васильевич
    Коллективный автор:
    Институт математики и фундаментальной информатики
    Базовая кафедра вычислительных и информационных технологий
    Дата:
    2018
    Библиографическое описание:
    Гречищева, Софья Руслановна. ВЫЧИСЛЕНИЕ MIC НА ОСНОВЕ КЛАСТЕРИЗАЦИИ ДАННЫХ [Электронный ресурс] : выпускная квалификационная работа бакалавра : 02.03.01 / С. Р. Гречищева. — Красноярск : СФУ, 2018.
    Специальность выпускной работы:
    02.03.01 Математика и компьютерные науки
    Учёная степень или квалификация, на которую выполнена работа:
    Бакалавр

    Текст работы публикуется с изъятиями.

    Аннотация:
    Цели работы: - обзор современных коэффициентов, измеряющих нелинейную зави-симость признаков; - подробный обзор MIC и существующих алгоритмов его вычисления; - разработка нового алгоритма вычисления MIC с меньшей вычисли-тельной сложностью; - разработка программного обеспечения алгоритма. В настоящей работе были рассмотрены существующие коэффициенты взаимосвязи двух признаков, приведена сравнительная таблица некоторых из коэффициентов, подробно рассмотрен MIC и его свойства, выявлены его преимущества и недостатки, обзор некоторых алгоритмов его вычисления. В результате был разработан новый алгоритм подсчета MIC, в основе которого лежит кластеризация данных. Его эффективность при большой выборке значительно выше, чем у алгоритма прямого подхода. Полученный алгоритм гибок для модификаций.
    Коллекции:
    • Выпускные квалификационные работы бакалавров и специалистов [20273]
    Метаданные:
    Показать полную информацию

    DSpace software copyright © 2002-2015  DuraSpace
    Контакты | Отправить отзыв
    Theme by 
    @mire NV
     

     


    DSpace software copyright © 2002-2015  DuraSpace
    Контакты | Отправить отзыв
    Theme by 
    @mire NV