dc.contributor.advisor | Κυριάκου, Δημήτρης | |
dc.contributor.author | Χατζηβέης, Σταύρος | |
dc.contributor.other | Chatziveis, Stavros | |
dc.coverage.spatial | Κύπρος | el_GR |
dc.date.accessioned | 2015-06-23 | |
dc.date.accessioned | 2015-06-23T11:27:39Z | |
dc.date.available | 2015-06-23T11:27:39Z | |
dc.date.copyright | 2015-05 | |
dc.date.issued | 2015-06-23 | |
dc.identifier.other | ΠΛΗ/2015/00170 | el_GR |
dc.identifier.uri | http://hdl.handle.net/11128/1856 | |
dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
dc.description.abstract | Η μεταπτυχιακή διατριβή αφορά στη συλλογή ενός μεγάλου όγκου στατιστικών δεδομένων των ποδοσφαιρικών αγώνων της διασυλλογικής διοργάνωσης Champions League 2014-15 και στην κατάλληλη επεξεργασία τους με σκοπό την πρόβλεψη του τελικού νικητή.
Για την υλοποίηση της μεταπτυχιακής διατριβής επελέγη ο αλγόριθμος τεχνητής νοημοσύνης A-star. Προκειμένου να υπολογιστούν τα κόστη μετάβασης από κόμβο σε κόμβο του αλγορίθμου χρησιμοποιήθηκε και επεξεργάστηκε κατάλληλα μία μεγάλη γκάμα στατιστικών στοιχείων από τους ποδοσφαιρικούς αγώνες του Champions League 2014-15. Ο πηγαίος κώδικας με τη χρήση κατάλληλων ερωτημάτων στη βάση δεδομένων που υλοποιήθηκε, υπολογίζει τον κάθε κόμβο που επισκέπτεται ο αλγόριθμος μέχρι να φτάσει στην τελική κατάσταση που ισοδυναμεί με την πρόβλεψη του νικητή μίας ποδοσφαιρικής αναμέτρησης. Εκτός από την πρόβλεψη του τελικού νικητή ο αλγόριθμος υπολογίζει ασφαλώς και τη διαδρομή με το ελάχιστο κόστος, καθώς και εάν υπάρχει εναλλακτική διαδρομή, προφανώς με μεγαλύτερο κόστος, μέσω της οποίας να προκύπτει ενδεχομένως επικράτηση της φαινομενικά υποδεέστερης ομάδας. Χρησιμοποιήθηκε η μεθοδολογία σταδιακής ανάπτυξης (Incremental Βuild Μodel) κατά την οποία το μοντέλο σχεδιάζεται, υλοποιείται και ελέγχεται κάθε φορά αυξητικά, έως ότου ικανοποιηθούν όλες οι απαιτήσεις.
Ο αλγόριθμος εφαρμόστηκε για πρώτη φορά στους αγώνες της φάσης των 16 και προέβλεψε σωστά τον τελικό νικητή στις 6 από τις 8 αναμετρήσεις. Εν συνεχεία και στην προσπάθεια περαιτέρω βελτίωσής του διερευνήθηκαν επιπλέον παράγοντες όπως η προϊστορία των ομάδων στη διοργάνωση, καθώς και η δυναμικότητα του πρωταθλήματος από το οποίο προέρχονται. Μοντελοποιήθηκαν έτσι δύο νέες μετρικές, οι οποίες συνδυάστηκαν με τα αποθηκευμένα στατιστικά της βάσης δεδομένων προκειμένου να δώσουν ακριβέστερα αποτελέσματα. Τελικός στόχος είναι η χρήση του αλγορίθμου για μία αρκούντως τεκμηριωμένη πρόβλεψη του νικητή του τελικού της 6ης Ιουνίου 2015. | el_GR |
dc.format.extent | vii, 75 σ. εικ., 30 εκ. | el_GR |
dc.language | gr | el_GR |
dc.language.iso | gr | el_GR |
dc.rights | info:eu-repo/semantics/closedAccess | el_GR |
dc.subject | Αλγόριθμοι τεχνητής νοημοσύνης | el_GR |
dc.subject | Artificial intelligence algorithm | el_GR |
dc.title | Ανάλυση στατιστικών δεδομένων και πρόβλεψη μελλοντικών αποτελεσμάτων με χρησιμοποίηση του αλγόριθμου τεχνητής νοημοσύνης A-Star | el_GR |
dc.type | Μεταπτυχιακή Διατριβή | el_GR |
dc.description.translatedabstract | Τhe master thesis concerns the collection of a large volume of statistics of football matches of the club competition Champions League 2014-15 and their appropriate treatment in order to predict the final winner.
For the implementation of the master thesis, artificial intelligence algorithm A-star was chosen. In order to calculate the costs of transition from node to node of the algorithm, a wide range of statistics of football matches of Champions League 2014-15 was used and properly treated. The source code using appropriate queries to the implemented database, calculates each node that the algorithm visits until it reaches the final state which equals to the prediction of the winner of a football match. Besides predicting the winner, the algorithm surely computes the route with the minimum cost and whether there is an alternative route, certainly at a higher cost, through which possible prevalence of the seemingly inferior team arises. The method of software development used is the Incremental Build Model in which the model is designed, implemented and tested incrementally until all requirements are fulfilled.
The algorithm run for the first time in the round of 16 knock-out games and correctly predicted the winner in six of the eight games. Subsequently, and trying to further improve its outcomes, additional factors were investigated such as history of teams in the tournament and the capacity of their domestic leagues. As a result two new metrics were modeled and combined with the statistics stored in the database in order to provide more accurate results. The ultimate objective is to use the algorithm for a sufficiently documented prediction of the winner of the final, which will be held on June 6, 2015. | el_GR |
dc.format.type | pdf | el_GR |