Thesis supervisor: Gábor Szűcs
Location of studies (in Hungarian): Távközlési és Médiainformatikai Tanszék Abbreviation of location of studies: TMIT
Description of the research topic:
Az adatbányászat adathalmazokon történő tudásfeltárással foglalkozik, ahol lehet a cél különféle rejtett összefüggések keresése, információ tömörítés; lehetnek csoportosítási, mintaillesztési vagy predikciós feladatok. Az adatbányászat területén az adatok közti kapcsolatok feltérképezésének egyik eszköze a többváltozós statisztikai analízis egy regressziós modell felállításával, ahol a regressziós függvény lehet lineáris, logisztikus, stb. Az adatbányászatban felhasználható módszerek főleg a statisztikából származtathatók, ilyen a faktoranalízis, főkomponens elemzés; de pl. az osztályozáshoz más módszerek is használhatók (pl. a döntési fák). A döntési fa eszközös megoldás továbbfejlesztése az egyik megoldandó feladat a kutatási munkában. Jelenleg is folynak a kutatások ezen a területen, pl. hol optimális elvégezni a vágásokat a döntési fában, hogyan lehet automatizálni néhány paramétert a CHAID (Chi-squared Automatic Interaction Detection) eljárással.
A multimédiabányászatban a különböző médiatípusok (hang, kép, videó) klaszterezési, osztályozási feladataihoz elkerülhetetlen a diszkretizálási lehetőségek alapos vizsgálata és a feladathoz illeszkedő legjobb módszer kiválasztása. Cél a meglevő módszerek, mint pl. az entrópia alapú diszkretizálás, multi-intervallum diszkretizálás klaszter hasznosság kritériummal, ill. MLD alapú kritériummal, Chi-Merge alapú diszkretizálás kombinálása, továbbfejlesztése.
Ezeken kívül szövegfeldolgozó, szövegelemzési algoritmusok kutatására is lehetőség nyílik a szövegbányászat témakörben. Itt az előkészítő lépések (tokenizálás, stopszó szűrés, szótövezés) után különböző szövegosztályozási feladatokra kell új, illetve javított módszereket kidolgozni. Nagyszámú dimenziók miatt fontos a dimenzió csökkentő megoldások (PCA, ICA, továbbá szemi-klasszikus módszerek, spektrál elméleten alapuló módszerek) használata, ezeket különböző tulajdonságok alapján lehet analizálni: konzisztencia, konvergencia sebesség, teljesség, robosztusság.
Required language skills: angol nyelv Further requirements: statisztika iránti érdeklődés
Number of students who can be accepted: 1
Deadline for application: 2015-01-05
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Login
