Komparativna analiza algoritama grupiranja primjerenih obradi velikih skupova podataka

diplomski rad

• Naslov (engleski): Comparative Analysis Of Clustering Algorithms Applicable To Massive Dataset Processing
• Autor: Marko Šmitran
• Mentor: Goran Delač (mentor)
• Član povjerenstva: Goran Delač (predsjednik povjerenstva)
• Član povjerenstva: Marin Šilić (član povjerenstva)
• Član povjerenstva: Siniša Srbljić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2019-07-09, 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: Algoritmi grupiranja; veliki skupovi podataka; validacija grupiranja; K-means; CLARANS; BIRCH; DENCLUE
• Ključne riječi (engleski): Clustering algorithms; massive datasets; cluster validation; K-means; CLARANS; BIRCH; DENCLUE
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:926376
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2020-01-07 22:27:30