Show simple item record

K-means method
Metoda k-průměrů
dc.contributor.advisorAntoch, Jaromír
dc.creatorHricová, Jana
dc.date.accessioned2017-05-08T16:46:20Z
dc.date.available2017-05-08T16:46:20Z
dc.date.issued2011
dc.identifier.urihttp://hdl.handle.net/20.500.11956/50246
dc.description.abstractNázov práce: Metoda k-průměrů Autor: Jana Hricová Katedra: Katedra pravděpodobnosti a matematické statistiky Vedúci bakalárskej práce: prof. RNDr. Jaromír Antoch, CSc., Katedra pravdě- podobnosti a matematické statistiky Abstrakt: Táto bakalárska práca pojednáva predovšetkým o štatistickej metóde k-priemerov, ktorá je súčast'ou rozsiahlej množiny metód a algoritmov určených pre zhlu- kovú analýzu dát. Výsledky zhlukovej analýzy majú široké využitie napríklad pri d'alšej vedeckej činnosti, ale aj v marketingu, vedení firiem, poist'ovníctve atd'. Štatistické metódy zhlukovej analýzy vytvárajú z analyzovaných dát zhluky, ktoré sú tvorené podobnými objektmi. Podobnost' objektov je vyjadrená pomocou mier podobnosti, prípadne nepodobnosti. Ciel'om tejto práce bolo predstavit' algoritmus k-priemerov. Ide o nehierarchickú metódu, ktorá vyžaduje predom určeného počtu hl'adaných zhlukov. V prostredí matematického softvéru Matlab sme aplikovali tento algoritmus na simulované a reálne dáta a výsledky interpretovali pomocou grafických a číselných výstupov. Klúčové slová: k-priemerov, zhluková analýza, miera podobnosti, obrysový grafcs_CZ
dc.description.abstractTitle: k-means method Author: Jana Hricová Department: Department of Probability and Mathematical Statistics Supervisor: prof. RNDr. Jaromír Antoch, CSc., Department of Probability and Mathematical Statistics Abstract: This thesis deals with the statistical method k-means, which is a part of an extensive set of methods and algorithms designed for cluster analysis of data. Results of the cluster analysis are widely used in other scientific activities, but also in marketing, management or in insurance etc. Statistical methods for cluster analysis are creating clusters from analyzed datasets, which consist of similar objects. Similarity of two objects is expressed by dis-/similarity measure. The aim of this thesis was to introduce the k-means algorithm. This is a non- hierarchical method with given number of output clusters as input. We have applied this algorithm in the enviroment of mathematical software Matlab on simulated and real data and have interpreted the results using graphical and numerical outputs. Keywords: k-means, cluster analysis, dissimilarity measure, silhouetteen_US
dc.languageSlovenčinacs_CZ
dc.language.isosk_SK
dc.publisherUniverzita Karlova, Matematicko-fyzikální fakultacs_CZ
dc.subjectk-priemerovcs_CZ
dc.subjectzhluková analýzacs_CZ
dc.subjectmiera podobnostics_CZ
dc.subjectobrysový grafcs_CZ
dc.subjectk-meansen_US
dc.subjectcluster analysisen_US
dc.subjectdissimilarity measureen_US
dc.subjectsilhouetteen_US
dc.titleMetoda k-průměrůsk_SK
dc.typebakalářská prácecs_CZ
dcterms.created2011
dcterms.dateAccepted2011-09-12
dc.description.departmentDepartment of Probability and Mathematical Statisticsen_US
dc.description.departmentKatedra pravděpodobnosti a matematické statistikycs_CZ
dc.description.facultyFaculty of Mathematics and Physicsen_US
dc.description.facultyMatematicko-fyzikální fakultacs_CZ
dc.identifier.repId90310
dc.title.translatedK-means methoden_US
dc.title.translatedMetoda k-průměrůcs_CZ
dc.contributor.refereeLegát, David
dc.identifier.aleph001385650
thesis.degree.nameBc.
thesis.degree.levelbakalářskécs_CZ
thesis.degree.disciplineFinancial Mathematicsen_US
thesis.degree.disciplineFinanční matematikacs_CZ
thesis.degree.programMathematicsen_US
thesis.degree.programMatematikacs_CZ
uk.thesis.typebakalářská prácecs_CZ
uk.taxonomy.organization-csMatematicko-fyzikální fakulta::Katedra pravděpodobnosti a matematické statistikycs_CZ
uk.taxonomy.organization-enFaculty of Mathematics and Physics::Department of Probability and Mathematical Statisticsen_US
uk.faculty-name.csMatematicko-fyzikální fakultacs_CZ
uk.faculty-name.enFaculty of Mathematics and Physicsen_US
uk.faculty-abbr.csMFFcs_CZ
uk.degree-discipline.csFinanční matematikacs_CZ
uk.degree-discipline.enFinancial Mathematicsen_US
uk.degree-program.csMatematikacs_CZ
uk.degree-program.enMathematicsen_US
thesis.grade.csVýborněcs_CZ
thesis.grade.enExcellenten_US
uk.abstract.csNázov práce: Metoda k-průměrů Autor: Jana Hricová Katedra: Katedra pravděpodobnosti a matematické statistiky Vedúci bakalárskej práce: prof. RNDr. Jaromír Antoch, CSc., Katedra pravdě- podobnosti a matematické statistiky Abstrakt: Táto bakalárska práca pojednáva predovšetkým o štatistickej metóde k-priemerov, ktorá je súčast'ou rozsiahlej množiny metód a algoritmov určených pre zhlu- kovú analýzu dát. Výsledky zhlukovej analýzy majú široké využitie napríklad pri d'alšej vedeckej činnosti, ale aj v marketingu, vedení firiem, poist'ovníctve atd'. Štatistické metódy zhlukovej analýzy vytvárajú z analyzovaných dát zhluky, ktoré sú tvorené podobnými objektmi. Podobnost' objektov je vyjadrená pomocou mier podobnosti, prípadne nepodobnosti. Ciel'om tejto práce bolo predstavit' algoritmus k-priemerov. Ide o nehierarchickú metódu, ktorá vyžaduje predom určeného počtu hl'adaných zhlukov. V prostredí matematického softvéru Matlab sme aplikovali tento algoritmus na simulované a reálne dáta a výsledky interpretovali pomocou grafických a číselných výstupov. Klúčové slová: k-priemerov, zhluková analýza, miera podobnosti, obrysový grafcs_CZ
uk.abstract.enTitle: k-means method Author: Jana Hricová Department: Department of Probability and Mathematical Statistics Supervisor: prof. RNDr. Jaromír Antoch, CSc., Department of Probability and Mathematical Statistics Abstract: This thesis deals with the statistical method k-means, which is a part of an extensive set of methods and algorithms designed for cluster analysis of data. Results of the cluster analysis are widely used in other scientific activities, but also in marketing, management or in insurance etc. Statistical methods for cluster analysis are creating clusters from analyzed datasets, which consist of similar objects. Similarity of two objects is expressed by dis-/similarity measure. The aim of this thesis was to introduce the k-means algorithm. This is a non- hierarchical method with given number of output clusters as input. We have applied this algorithm in the enviroment of mathematical software Matlab on simulated and real data and have interpreted the results using graphical and numerical outputs. Keywords: k-means, cluster analysis, dissimilarity measure, silhouetteen_US
uk.publication.placePrahacs_CZ
uk.grantorUniverzita Karlova, Matematicko-fyzikální fakulta, Katedra pravděpodobnosti a matematické statistikycs_CZ


Files in this item

Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record


© 2017 Univerzita Karlova, Ústřední knihovna, Ovocný trh 560/5, 116 36 Praha 1; email: admin-repozitar [at] cuni.cz

Za dodržení všech ustanovení autorského zákona jsou zodpovědné jednotlivé složky Univerzity Karlovy. / Each constituent part of Charles University is responsible for adherence to all provisions of the copyright law.

Upozornění / Notice: Získané informace nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora. / Any retrieved information shall not be used for any commercial purposes or claimed as results of studying, scientific or any other creative activities of any person other than the author.

DSpace software copyright © 2002-2015  DuraSpace
Theme by 
@mire NV