Προσδιορισμός της παραμέτρου k στον κατηγοριοποιητή κ εγγύτερων γειτόνων μέσω της τεχνικής AdaNN και διερεύνηση υλοποίησης παραλλαγών της (Master thesis)
Καρδαμανίδης, Χρήστος
Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Καρδαμανίδης, Χρήστος | el |
| dc.date.accessioned | 2024-08-28T00:08:24Z | - |
| dc.date.available | 2024-08-28T00:08:24Z | - |
| dc.identifier.uri | http://195.251.240.227/jspui/handle/123456789/16869 | - |
| dc.description | Μεταπτυχιακή εργασία - Σχολή Μηχανικών - Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων, 2023 (α/α 14080) | el |
| dc.rights | Default License | - |
| dc.subject | AdaNN | en |
| dc.subject | Δυναμικό κ | el |
| dc.subject | KNN | en |
| dc.subject | Κατηγοριοποίηση | el |
| dc.subject | Εξόρυξη Δεδομένων | el |
| dc.subject | Dynamic K. | en |
| dc.subject | Classification | en |
| dc.subject | Data Mining | en |
| dc.title | Προσδιορισμός της παραμέτρου k στον κατηγοριοποιητή κ εγγύτερων γειτόνων μέσω της τεχνικής AdaNN και διερεύνηση υλοποίησης παραλλαγών της | el |
| heal.type | masterThesis | - |
| heal.type.en | Master thesis | en |
| heal.generalDescription | Μεταπτυχιακή εργασία | el |
| heal.classification | Αλγόριθμοι | el |
| heal.classification | Εξόρυξη δεδομένων | el |
| heal.classification | Python (Γλώσσα προγραμματισμού υπολογιστή) | el |
| heal.classification | Algorithms | en |
| heal.classification | Data mining | en |
| heal.classification | Python (Computer program language) | en |
| heal.identifier.secondary | 14080 | - |
| heal.dateAvailable | 2024-08-28T00:09:24Z | - |
| heal.language | el | - |
| heal.access | free | - |
| heal.recordProvider | Σχολή Μηχανικών - Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων | el |
| heal.publicationDate | 2023-10-12 | - |
| heal.bibliographicCitation | Καρδαμανίδης, Χ. (2023). Προσδιορισμός της παραμέτρου k στον κατηγοριοποιητή κ εγγύτερων γειτόνων μέσω της τεχνικής AdaNN και διερεύνηση υλοποίησης παραλλαγών της (Μεταπτυχιακή εργασία). ΔΙ.ΠΑ.Ε. | el |
| heal.abstract | Στον τομέα της επιστήμης των δεδομένων μια πολύ γνωστή παραλλαγή του αλγορίθμου KNN είναι ο αλγόριθμος AdaNN. Ο αλγόριθμος ΚΝΝ εδώ και πολλά χρόνια είναι ένας ευρέως χρη- σιμοποιούμενος αλγόριθμος ο οποίος έχει κάποια πλεονεκτήματα και μειονεκτήματα. Ένα από τα βασικά του μειονεκτήματα είναι ο σταθερός αριθμός του κ, ο οποίος καθορίζει το μέγεθος της κάθε γειτονιάς στιγμιότυπου και συνεπώς επηρεάζει το τελικό αποτέλεσμα της ταξινόμη- σης του στιγμιότυπου. Μια βασική παραλλαγή του αλγορίθμου είναι ο AdaNN ο οποίος ορίζει διαφορετικό κ για κάθε στιγμιότυπο του dataset. Σκοπός της διπλωματικής είναι να γίνει μια υλοποίηση του βασικού αλγορίθμου AdaNN και να γίνει σύγκριση της απόδοσής του αλγο- ρίθμου AdaNN με τον KNN. Επίσης στην παρούσα διπλωματική θα γίνει μια διερεύνηση και υλοποίηση νέων παραλλαγών του αλγορίθμου AdaNN στην προγραμματιστική γλώσσα Python, θα αναλυθεί η μεθοδολογία της κάθε παραλλαγής και θα γίνει σύγκριση με τα αποτελέσματά της κάθε εκδοχής με την απλή εκδοχής του αλγορίθμου AdaNN καθώς και σύγκριση με τον KNN. | el |
| heal.abstract | In the field of data science a well-known variant of the KNN algorithm is the AdaNN algorithm. The KNN algorithm is a widely used algorithm for many years, which has some advantages and disadvantages. One of its main disadvantages is the fixed number of k, which determines the size of each instance’s neighborhood and therefore affects the final result of instance classification. A basic variant of this algorithm is AdaNN, which sets a different k for each instance of the dataset. The purpose of the thesis is to make an implementation of the basic AdaNN algorithm and to compare the performance of each variant with the AdaNN algorithm and the traditional KNN. Also in this thesis, an investigation and implementation of new variants of the AdaNN algorithm will be implemented in the Python programming language, the methodology of each variant will be analyzed and a comparison will be made with the results of the simple version of the AdaNN algorithm as well as a comparison with KNN. | en |
| heal.advisorName | Ουγιάρογλου, Στέφανος | el |
| heal.committeeMemberName | Ουγιάρογλου, Στέφανος | el |
| heal.academicPublisher | Σχολή Μηχανικών - Τμήμα Μηχανικών Πληροφορικής και Ηλεκτρονικών Συστημάτων | el |
| heal.academicPublisherID | ihu | - |
| heal.numberOfPages | 81 | - |
| heal.fullTextAvailability | true | - |
| heal.type.el | Μεταπτυχιακή εργασία | el |
| Appears in Collections: | Μεταπτυχιακές Διατριβές | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| Kardamanidis.pdf | 1.2 MB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
This item is a favorite for 0 people.
http://195.251.240.227/jspui/handle/123456789/16869
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.
