Εμφάνιση απλής εγγραφής

dc.contributor.advisorΚυριάκου, Δημήτρης
dc.contributor.authorΧαλιάπας, Αντώνιος
dc.contributor.otherChaliapas, Antonios
dc.coverage.spatialΚύπροςel_GR
dc.date.accessioned2015-06-22
dc.date.accessioned2015-06-22T11:41:58Z
dc.date.available2015-06-22T11:41:58Z
dc.date.copyright2015
dc.date.issued2015-06-22
dc.identifier.otherΠΛΗ/2015/00174el_GR
dc.identifier.urihttp://hdl.handle.net/11128/1853
dc.descriptionΠεριέχει βιβλιογραφικές παραπομπές.el_GR
dc.description.abstractΤο αντικείμενο της παρούσας μεταπτυχιακής διατριβής είναι η ανάλυση στατιστικών αγωνιστικής απόδοσης, για δέκα έξι (16) ομάδες του Champions League με σκοπό την πρόβλεψη του τελικού νικητή της διοργάνωσης. Το πρώτο κομμάτι της εργασίας αφορά την συλλογή των πληροφοριών σχετικά με την αγωνιστική παρουσία των ομάδων (αμυντική, επιθετική, προϊστορία) τόσο στα εγχώρια πρωταθλήματα όσο και στην ευρωπαϊκή διασυλλογική διοργάνωση. Τα δεδομένα συλλέγονται από ευρέως γνωστές ιστοσελίδες, που σκοπό έχουν την καταγραφή και την παρουσίαση στατιστικών ποδοσφαιρικών αγώνων. Στο δεύτερο κομμάτι της μεταπτυχιακής διατριβής, επιλέγεται ο αλγόριθμος αναζήτησης τεχνητής νοημοσύνης Κατά Πλάτος, πάνω στον οποίο θα στηριχτεί η υλοποίηση της εφαρμογής πρόβλεψης. Στη συνέχεια, καταχωρούνται τα συλλεγόμενα στατιστικά σε βάση δεδομένων, που είναι απαραίτητη για την επικοινωνία της εφαρμογής με τα δεδομένα για την περαιτέρω επεξεργασία τους. Στην πορεία, πραγματοποιείται καθορισμός βαρύτητας των στατιστικών για να οριστεί η σειρά επεξεργασία τους. Η συγκεκριμένη διαδικασία επιτυγχάνεται με την καταγραφή της συχνότητας εμφάνισης των δεδομένων, στους αγώνες που διεξάγονται κατά την α' φάση των ομίλων της διοργάνωσης. Η εφαρμογή υλοποιείται βάσει αυτής της λογικής, με τη δημιουργία επιπέδων σύγκρισης των δεδομένων αγωνιστικής απόδοσης και της εξαγωγή ενός ποσοστού πρόκρισης για τις ανταγωνιζόμενες ομάδες. Στη συνέχεια, παρουσιάζονται τα αποτελέσματα της εφαρμογής για τις διάφορες φάσεις του Champions League (β' φάση, προημιτελικά, ημιτελικά, τελικός), πραγματοποιείται μελέτη των πραγματικών αποτελεσμάτων των αγώνων για την αναπροσαρμογή της εφαρμογής, με απώτερο σκοπό την εξαγωγή εγκυρότερων αποτελεσμάτων. Τέλος, γίνεται μία προσπάθεια παρουσίασης προτάσεων για βελτίωση και μελλοντική χρήση της προκειμένης εφαρμογής πρόβλεψης. Στις σελίδες που ακολουθούν, θα γίνει αναλυτική παρουσίαση των προβλημάτων της συγκεκριμένης μεταπτυχιακής διατριβής και ποιοί μέθοδοι χρησιμοποιήθηκαν για την επίτευξη των στόχων της.el_GR
dc.format.extentviii, 114 σ. πιν., 30 εκ.el_GR
dc.languagegrel_GR
dc.language.isogrel_GR
dc.rightsinfo:eu-repo/semantics/closedAccessel_GR
dc.subjectΑλγόριθμοι τεχνητής νοημοσύνηςel_GR
dc.titleΠρόβλεψη του νικητή του Champions League 2014-2015, με τη χρησιμοποίηση του αλγορίθμου τεχνητής νοημοσύνης κατά πλάτος (Bradth First Search)el_GR
dc.typeΜεταπτυχιακή Διατριβήel_GR
dc.description.translatedabstractThe object of this dissertation is the statistic analysis of the performance of 16 football teams participating in the Champions League, in order to predict the winner of the tournament. The first part, refers to the accumulation of information about the performance of the football clubs (defense, attack, history), both in inner state championships and European tournament. Data is gathered from well known web sites, whose purpose is to register and present statistics of football matches. In the second part, the Artificial Intelligence's searching algorithm Breadth First Search is chosen. The implementation of the predicting application will be based on this algorithm and the assembled data is recorded in a data base. This fact is the essential for the communication between the application and the data, in order to be analyzed further more. The importance of the statistics is defined so as to determine the weight of the process of each one. The current procedure is being fulfilled using the frequency of appearance of the data at matches being held during the group phase of the tournament. The application is being implemented using the logic of creating different levels of comparison between various data, concerning teams performance. As a result, the possibility of qualification of the football club is deducted. Afterwards, the results of the application are presented for different phases of the Champions League (second phase, quarterfinals, semi finals, final). In addition, the results of real matches are examined in order to improve the application and deduct valid results. Finally, an effort is made to present proposals of improvement and future use of this predicting application. In the following pages, will take place a detailed presentation of the problems that appeared during the realization of the current dissertation and the methods that were used in order to succeed its purpose.el_GR
dc.format.typepdfel_GR


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής