| dc.contributor.advisor | Μαστρογιάννης, Νικόλαος | |
| dc.contributor.author | Πολίτης, Γεράσιμος | |
| dc.contributor.other | Politis, Gerasimos | |
| dc.coverage.spatial | Κύπρος | el_GR |
| dc.date.accessioned | 2016-03-30 | |
| dc.date.accessioned | 2016-03-30T08:55:06Z | |
| dc.date.available | 2016-03-30T08:55:06Z | |
| dc.date.copyright | 2015-10 | |
| dc.date.issued | 2016-03-30 | |
| dc.identifier.other | ΠΛΗ/2015/00196 | el_GR |
| dc.identifier.uri | http://hdl.handle.net/11128/2272 | |
| dc.description | Περιέχει βιβλιογραφικές παραπομπές. | el_GR |
| dc.description.abstract | Στην σύγχρονη εποχή της πληροφορίας απαιτείται ένα εργαλείο για την ανάλυση και ερμηνεία της τεράστιας ποσότητας αποθηκευμένων δεδομένων, με στόχο την εξαγωγή της γνώσης που θα βοηθήσει την ουσιαστική και απρόσκοπτη διαδικασία λήψης αποφάσεων. Το εργαλείο αυτό είναι η εξόρυξη δεδομένων. Η εξόρυξη δεδομένων έχει σαν βασικούς της στόχους την εφαρμογή τεχνικών πρόβλεψης και περιγραφής σε μεγάλες βάσεις δεδομένων, στόχοι που επιτυγχάνονται μέσω μιας σειράς διαδικασιών, όπως η ομαδοποίηση, η ταξινόμηση, η ανάλυση συσχέτισης κλπ.
Στόχος της παρούσας εργασίας, και χρησιμοποιώντας την πρόσφατη διεθνή βιβλιογραφία είναι να γίνει μια σε βάθος μελέτη, περιγραφή και ανάλυση των τεχνικών της ομαδοποίησης στην εξόρυξη δεδομένων, να αναλυθούν διεξοδικά αλγόριθμοι-κλειδιά όπως π.χ. ο k-means και η όλη λογική που αυτός εισάγει στο πεδίο. Ενώ παράλληλα, θα περιγραφεί και θα χρησιμοποιηθεί για εφαρμογές ομαδοποίησης σε πραγματικές βάσεις δεδομένων, το ελεύθερο λογισμικό WEKA του Πανεπιστημίου της Νέας Ζηλανδίας Waikato. Η εκτίμηση των αποτελεσμάτων που προέκυψαν έγινε με τη βοήθεια γνωστών δεικτών εγκυρότητας ομάδων, όπως οι: Silhouette index, Dunn, Davies-Bouldin και άλλοι, που υλοποιήθηκαν στο Matlab. | el_GR |
| dc.format.extent | viii, 160 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 | Εξόρυξη δεδομένων | el_GR |
| dc.subject | Data mining | el_GR |
| dc.title | Τεχνικές και αλγόριθμοι ομαδοποίησης στην εξόρυξη δεδομένων | el_GR |
| dc.type | Μεταπτυχιακή Διατριβή | el_GR |
| dc.description.translatedabstract | In the modern information world, a tool is required for the analysis and interpretation of the huge amount of stored data, in order to export knowledge to assist the effective and smooth decision-making process. This tool is the data mining. Data mining has as main objectives the application of forecasting techniques and describing in large databases, objectives that achieved through a series of processes, such as clustering, classification, correlation analysis etc.
The objective of this work, and using the recent literature is to make an in-depth study, description and analysis of the clustering techniques to data mining, to be comprehensively analyzed key algorithms such as the k-means and the whole logic he enters the field. While at the same time will be described and used for clustering applications in real databases, WEKA software of the University of New Zealand Waikato. The evaluation of the results was done using well known group validity indicators such as: Silhouette index, Dunn, Davies-Bouldin and others, implemented in Matlab. | el_GR |
| dc.format.type | pdf | el_GR |
