Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/11549
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Шевляков Георгий Леонидович | ru_RU |
dc.contributor.author | Зиннатулина Белла Раифовна | ru_RU |
dc.contributor.author | Zinnatulina Bella | en_GB |
dc.contributor.editor | Ермаков Михаил Сергеевич | ru_RU |
dc.contributor.editor | Ermakov Mikhail Sergeevich | en_GB |
dc.date.accessioned | 2018-07-25T20:34:30Z | - |
dc.date.available | 2018-07-25T20:34:30Z | - |
dc.date.issued | 2017 | |
dc.identifier.other | 015516 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/11549 | - |
dc.description.abstract | Зиннатулина Белла Раифовна. Статистические методы кластеризации в больших объёмах данных. Научный руководитель: Ермаков Михаил Сергеевич. Направление математика, механика, профиль статистическое моделирование. В работе рассматривается задача восстановления кластерной структуры больших объёмов данных. Освещена специфика больших данных, в связи с которой были отобраны для изучения подходящие методы. Наибольший интерес вызвал метод стохастической блочной модели, в связи со своей новизной, эффективностью и отсутствием четкой структуры изложения в литературе. В данной работе восстановлены и структурированы теоретические основы метода, произведена реализация работы алгоритма при различных параметрах с последующим практическим применением к данным. Реализована проверка разделимости данных. Произведена визуализация результатов восстановления кластерной структуры данных. Количество использованных источников: 12. Зиннатулина, Б. Р. Статистические методы кластеризации в больших объёмах данных: магистерская дис.: / Зиннатулина Белла Раифовна. – СПб., 2017. – 44 с. – Библиогр.: с. 38. | ru_RU |
dc.description.abstract | Zinnatulina Bella. Statistical clustering methods with application to big data. Scientific supervisor: Ermakov Mikhail Sergeevich. Field of study mathematics and mechanics, department of stastical modelling. This master's thesis studies the problem of recovering communities in big data sets. The specifics of big data are described, also there were selected suitable methods for study. The method of the stochastic block model caused the greatest interest, due to its novelty, efficiency and the lack of a clear structure of presentation in the literature. In this paper theoretical foundations of the method are reconstructed and structured, the algorithm for various parameters is implemented with practical application to the data. Check of data separability is implemented. The results of the clustered data structure recovery are visualized.. Number of reference links:12. Zinnatulina, B. Statistical clustering methods with application to big data: master's thesis/ Zinnatulina Bella/ . – SPb., 2016. – 44 p. – Bibliography.: p. 38. | en_GB |
dc.language.iso | ru | |
dc.subject | Кластерный анализ | ru_RU |
dc.subject | большие данные | ru_RU |
dc.subject | стохастическая блочная модель | ru_RU |
dc.subject | алгоритм кластеризации Маркова | ru_RU |
dc.subject | иерархическая кластеризация | ru_RU |
dc.subject | Clustering methods | en_GB |
dc.subject | big data | en_GB |
dc.subject | stochastic block model | en_GB |
dc.subject | Markov cluster algorithm | en_GB |
dc.subject | hierarchical clustering | en_GB |
dc.title | Statistical clustering methods with application to big data | en_GB |
dc.title.alternative | Статистические методы кластеризации в больших объемах данных | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Thesis_Zinnatulina.pdf | Article | 1,19 MB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Zinnatulina_otzyv.pdf | ReviewSV | 253,22 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Recenziya_VKR_Zinnatulina.docx | ReviewRev | 21,47 kB | Microsoft Word XML | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.