Usporedba metoda grupiranja i modela predviđanja za prostorne podatke

diplomski rad

• Naslov (engleski): A Comparison of Clustering Methods and Prediction Models for Spatial Data
• Autor: Ivo Karamatić
• Mentor: Krešimir Pripužić (mentor)
• Član povjerenstva: Krešimir Pripužić (predsjednik povjerenstva)
• Član povjerenstva: Marin Vuković (član povjerenstva)
• Član povjerenstva: Dragan Jevtić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-07-12, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom je radu dana usporedba kombinacija različitih metoda grupiranja i modela predviđanja provedena nad prostornim podacima. Teorijski su opisane sve korištene metode grupiranja, kao i korišteni modeli predviđanja. Osim njih, objašnjene su metrike korištene za evaluaciju metoda grupiranja i metrike korištene za evaluaciju modela predviđanja. Zatim su opisani korišteni skup podataka i korišteni programski alati. Konačno, na samom kraju rada dan je pregled rezultata provedene usporedbe.

Sažetak (engleski)

The main goal of this thesis was to compare the performance of different combinations of clustering methods and prediction models for spatial data. Every clustering method that ended up in the practical implementation, as well as every prediction model, was described in the theoretical part of the thesis. Metrics used to evaluate clustering methods and prediction models were described as well. Furthermore, the thesis contains details about the dataset, tools and software libraries necessary for the practical implementation. Finally, the last part of this thesis gives an overview of the obtained results.

• Ključne riječi: usporedba; grupiranje; predviđanje; predikcija; regresija; prostorni podaci; Python; algoritam K-sredina; model Gaussove mješavine; aglomerativno hijerarhijsko grupiranje; algoritam BIRCH; linearna regresija; robusna regresija; bayesovska hrbatna regresija; stroj potpornih vektora; algoritam slučajnih šuma
• Ključne riječi (engleski): comparison; clustering; prediction; regression; spatial data; Python; Kmeans; Gaussian mixture; Agglomerative hierarchical clustering; BIRCH; linear regression; robust regression; Bayesian ridge regression; support vector machine; random forest
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:175534
• 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: 2023-01-14 09:04:26