![Ιδρυματικό Αποθετήριο [SANDBOX]](images/dias.logo.png "Ιδρυματικό Αποθετήριο [SANDBOX]"){kind=logo}
Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/E47A070C-8A09-4EB2-87D2-966833AF4988 | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.87811 | - |
| Γλώσσα | el | - |
| Μέγεθος | 3.8 megabytes | en |
| Μέγεθος | 93 σελίδες | el |
| Τίτλος | Βελτιστοποίηση ανάλυσης δεδομένων με χρήση πολυκριτήριων μεθόδων ανάλυσης αποφάσεων και μηχανικής μάθησης | el |
| Τίτλος | Data analysis optimization using multi-criteria decision analysis and machine learning methods | en |
| Δημιουργός | Michail Marios-Alexandros | en |
| Δημιουργός | Μιχαηλ Μαριος-Αλεξανδρος | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Lagoudakis Michail | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Λαγουδακης Μιχαηλ | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Matsatsinis Nikolaos | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ματσατσινης Νικολαος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Zervakis Michail | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ζερβακης Μιχαηλ | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
| Περίληψη | Στον κόσμο των Μεγάλων Δεδομένων (Big Data), όπου ο όγκος αυτών αυξάνεται με ραγδαίους ρυθμούς, το ερευνητικό ενδιαφέρον επικεντρώνεται στην ανακάλυψη και εφαρμογή νέων και πιο αποτελεσματικών μεθόδων ανάλυσης δεδομένων. Στο πλαίσιο αυτό, διερευνώνται μέθοδοι από πολλούς ερευνητικούς χώρους, όπως η επιχειρησιακή έρευνα (βελτιστοποίηση, πολυκριτήρια ανάλυση, κλπ.), καθώς και νέοι τρόποι εφαρμογής αλλά και συνεργασίας μεθόδων, με την ανάπτυξη νέων ταξινομητών (classifiers) ή συνόλων ταξινομητών (ensemble classifiers). Σκοπός της παρούσας διπλωματικής εργασίας είναι να αναπτυχθεί ένα σύστημα που θα υποστηρίζει την εφαρμογή μεθόδων βελτιστοποίησης στην Ανάλυση Μεγάλων Δεδομένων (Big Data Analysis), συνδυάζοντας τις πολυκριτήριες μεθόδους ανάλυσης αποφάσεων TOPSIS, UTASTAR και UTADIS με μεθόδους μηχανικής μάθησης, όπως η k-means. Αρχικά, συγκεντρώθηκαν σύνολα δεδομένων από το διαδίκτυο (αποθετήριο UCI) και εν συνεχεία ακολούθησαν οι φάσεις προ-επεξεργασίας και διαμόρφωσης των τελικών αρχείων δεδομένων. Στα τελικά αρχεία δεδομένων, εφαρμόστηκαν οι αλγόριθμοι που έχουν υλοποιηθεί στο σύστημα, τόσο μεμονωμένα όσο και σε συνδυασμό, με στόχο την υποστήριξη εξαγωγής γνώσης από δεδομένα σε προβλήματα κατάταξης (ranking) και ταξινόμησης / συσταδοποίησης (classification / clustering) δεδομένων. Τέλος, έγινε αξιολόγηση των αποτελεσμάτων εφαρμογής των ανωτέρω μεθόδων με στόχο την εξαγωγή χρήσιμων συμπερασμάτων και προτάσεων για μελλοντική έρευνα. | el |
| Περίληψη | In the Big Data world, where information continuously and rapidly keeps increasing, research interest focuses on the discovery of new and more effective methods for data analysis. On this premise, studies are being conducted and combined from multiple research fields, such as Business Administration (Optimization, Multi-Criteria Aid, etc.), as well as new ways of implementation and collaboration with the development of new classifiers or ensemble classifiers. The purpose of this thesis is to develop a system that supports the application of optimization methods to Big Data Analysis, combining the Multi-Criteria Decision Aid methods TOPSIS, UTASTAR and UTADIS with machine learning methods, such as k-means. First off, various datasets were gathered from open data libraries on the web (UCI repository), followed by the required pre-processing procedures. The methods implemented on the system were applied on these datasets, both individually and in combination, with the purpose of supporting the greater knowledge extraction from data regarding ranking and classification/clustering problems. Lastly, the results of the aforementioned methods were evaluated for greater information gain and future research proposals. | en |
| Τύπος | Διπλωματική Εργασία | el |
| Τύπος | Diploma Work | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2020-12-29 | - |
| Ημερομηνία Δημοσίευσης | 2020 | - |
| Θεματική Κατηγορία | Data Mining | en |
| Θεματική Κατηγορία | Big data analysis | en |
| Θεματική Κατηγορία | TOPSIS | en |
| Θεματική Κατηγορία | UTASTAR | en |
| Θεματική Κατηγορία | Machine Learning | en |
| Θεματική Κατηγορία | Multi criteria decision analysis methods | en |
| Βιβλιογραφική Αναφορά | Μάριος-Αλέξανδρος Μιχαήλ, "Βελτιστοποίηση ανάλυσης δεδομένων με χρήση πολυκριτήριων μεθόδων ανάλυσης αποφάσεων και μηχανικής μάθησης", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020 | el |
| Βιβλιογραφική Αναφορά | Marios-Alexandros Michail, "Data analysis optimization using multi-criteria decision analysis and machine learning methods", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2020 | en |
Copyright © DIAS 2013
