Please use this identifier to cite or link to this item:
http://dspace.lib.uom.gr/handle/2159/30778
Author: | Ελευθεριάδης, Στυλιανός |
Title: | An empirical analysis of data reduction techniques for k-nn classification |
Date Issued: | 2024 |
Department: | Πρόγραμμα Μεταπτυχιακών Σπουδών στην Τεχνητή Νοημοσύνη και Αναλυτική Δεδομένων |
Supervisor: | Ευαγγελίδης, Γεώργιος |
Abstract: | Αυτή η διπλωματικλή εξετάζει τις Τεχνικές Μείωσης Δεδομένων (Data Reduction Techniques - DRTs) στον τομέα των αλγορίθμων ταξινόμησης με αργή εκμάθηση όπως το k-NN, επικεντρώνοντας στις μεθόδους Prototype Selection (PS) και Prototype Generation (PG). Η έρευνα παρέχει μια λεπτομερή εξέταση αυτών των μεθοδολογιών, κατηγοριοποιώντας τις DRTs σε δύο κύριες κατηγορίες: PS και PG, και τις διαχωρίζει σε τρεις υποκατηγορίες: condensing, edition και υβριδικές μεθόδους. H πειραματική μελέτη συγκρίνει συνολικά 20 νέες και κορυφαίες DRTs σε 20 σύνολα δεδομένων. Ο στόχος είναι να εξαχθούν συμπεράσματα απόδοσης τόσο στις κύριες όσο και στις υποκατηγορίες, προσφέροντας πολύτιμες γνώσεις για το πώς αυτές οι τεχνικές ενισχύουν την αποτελεσματικότητα και την ανθεκτικότητα του ταξινομητή k-NN. Η διπλωματική παρέχει μια συνολική επισκόπηση των DRTs, διευκρινίζοντας τις στρατηγικές τους και τις αποδόσεις τους. |
Keywords: | prototype generation Prototype selection Data mining Data cleaning |
Information: | Διπλωματική εργασία--Πανεπιστήμιο Μακεδονίας, Θεσσαλονίκη, 2024. |
Rights: | Αναφορά Δημιουργού 4.0 Διεθνές |
Appears in Collections: | ΠΜΣ στην Τεχνητή Νοημοσύνη και Αναλυτική Δεδομένων (Μ) |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
EleftheriadisStylianosMsc2024.pdf | 1.32 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License