prikaz prve stranice dokumenta Metode redukcije dimenzije visokodimenzionalnih podataka
  Preuzmi
PDF 881.42 KB
završni rad
Metode redukcije dimenzije visokodimenzionalnih podataka
2020. urn:nbn:hr:126:464083
Prusina, Tomislav
Sveučilište Josipa Jurja Strossmayera u Osijeku
Odjel za matematiku
Zavod za primijenjenu matematiku
Katedra za računarstvo

Citirajte ovaj rad

Prusina, T. (2020). Metode redukcije dimenzije visokodimenzionalnih podataka (Završni rad). Preuzeto s https://urn.nsk.hr/urn:nbn:hr:126:464083

Prusina, Tomislav. "Metode redukcije dimenzije visokodimenzionalnih podataka." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2020. https://urn.nsk.hr/urn:nbn:hr:126:464083

Prusina, Tomislav. "Metode redukcije dimenzije visokodimenzionalnih podataka." Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, 2020. https://urn.nsk.hr/urn:nbn:hr:126:464083

Prusina, T. (2020). 'Metode redukcije dimenzije visokodimenzionalnih podataka', Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, citirano: 27.01.2023., https://urn.nsk.hr/urn:nbn:hr:126:464083

Prusina T. Metode redukcije dimenzije visokodimenzionalnih podataka [Završni rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku; 2020 [pristupljeno 27.01.2023.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:126:464083

T. Prusina, "Metode redukcije dimenzije visokodimenzionalnih podataka", Završni rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Odjel za matematiku, Osijek, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:126:464083

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:126:464083
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovMetode redukcije dimenzije visokodimenzionalnih podataka
Naslov (engleski)Dimensionality Reduction Methods for High-Dimensional Data
AutorTomislav Prusina
MentorDomagoj Matijević (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Odjel za matematiku
(Zavod za primijenjenu matematiku)
(Katedra za računarstvo)
Osijek
Datum i država obrane2020-09-29, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Ostale matematičke discipline
Sažetak
U ovome radu ćemo promatrati podatke u visokodimenzionalnim prostorima. Analiza podataka u takvim prostorima može biti računski i vremenski zahtjevna. Stoga uvodimo pojam redukcije (smanjenja) dimenzije kako bismo mogli lakše i brže provesti analizu te ćemo promatrati sljedeće metode za redukcije dimenzije: • slučajna projekcija, • analiza glavnih komponenti, • skaliranje najmanjih kvadrata. Za svaku metodu ćemo navesti prednosti i nedostatke te ćemo za metodu skaliranja najmanjih kvadrata dodatno proučiti algoritam pod nazivom "skaliranje majorizacijom komplicirane funkcije".
Sažetak (engleski)
In this paper, we will observe data in high-dimensional spaces. Data analysis in such spaces can be a computational and time demanding. Therefore, we introduce the concept of dimensionality reduction so that we can more easily and quickly perform data analysis. We will observe the following three methods for reducing dimensions: • random projection, • principal component analysis, • least-squares scaling. For each method we will list the advantages. Additionaly, for the least-squares scaling method we will study the algorithm: scaling by majorizing a complicated function.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:126:464083
Studijski programNaziv: Matematika
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/prvostupnica (baccalaureus/baccalaurea) matematike (univ.bacc.math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-10-30 08:23:27