Search

When using Spatial Correlation Rule with Distance (SCRD) the selection of the neighborhood scheme influences classification accuracy. Spatial dependency in different situations remains at various distances, so, according to this, in applications it is important to choose a suitable neighborhood scheme. In the earlier papers of the authors, the nearest neighbor scheme was used. In this paper, several different neighborhood schemes are examined by large experiment.

Šiame darbe nagrinėjami didelių sportinių duomenų kiekių analizės būdai. Analizei skirti duomenys saugomi darbo metu sukurtoje sistemoje ir gaunami iš išorinių šaltinių. Darbo rašymo metu sistemos MySQL duomenų bazėje saugomas didelis duomenų kiekis – virš 400 tūkstančių įrašų apie krepšinio rungtynių įvykius, todėl yra ypač svarbu rasti optimalų algoritmą ir priemones tokių duomenų analizei. Darbo tikslas yra sukurti, realizuoti bei išbandyti duomenų analizės priemones bei algoritmus, kurie padėtų efektyviai nagrinėti sistemoje kaupiamus duomenis. Vienas svarbiausių darbo uždavinių – šabloninių situacijų išryškinimas. Atlikus tyrimą buvo realizuotas algoritmas, pasinaudojant kuriuo buvo atlikti eksperimentai. Jų vykdymo metu aptiktos dažniausiai krepšinio rungtynėse pasitaikančios šabloninės situacijos. Tyrimo eigoje taip pat išryškintos bei išnagrinėtos kelios problemos, susijusios su duomenų gavyba. Darbe aprašyt sukurti įrankiai ir algoritmai, pateiktos jų veikimui naudojamos SQL užklausos, pavyzdžiai bei eksperimentinio tyrimo vykdymo eiga ir rezultatai., Ways of analyzing vast amount of sports events data are examined in this paper. Data for analysis is stored in the system that was developed in process of writing this thesis. At the time of writing there are more than 400 thousand records about basketball events stored in the MySQL database that system uses for it's work. Therefore it is important to find the optimum algorithm and way to analyze this data. The main goal is to create, implement and test the algorithm which would provide ability to effectively examine data that is stored in the system. One of the most important task was to find a way to discover patterns in whole data set. The algorithm was implemented and some experiments were performed following the research. As a result of experiments most popular basketball game events patterns were discovered. Some data mining problems were highlighted and examined during research in order to develop the optimum algorithm for analysis. Descriptions and specifications of created tools and algorithms are presented in this paper along with actual SQL queries, examples, process and results of the experiments.

Temos aktualumas. Veiklos modelio panaudojimas duomenų gavybos procese leistų sujungti veiklos modelį su duomenų gavybos modeliu. Taip galima siekti geresnių rezultatų duomenų gavybos srityje bei efektyviau valdyti duomenų gavybos procesą. Tai ypač svarbu mažoms įmonėms kurios dar tik pradeda naudoti duomenų gavybos įrankius savo veikloje, nes norint gauti geriausius duomenų gavybos rezultatus duomenų gavyba reikia sklandžiai įtraukti į įmonės veiklos procesus. Problemos esmė. Veiklos modelio pagalba norima pagerinti duomenų gavybos procesą (efektyviau valdyti) siekiant geresnių jos rezultatų. Problemos ištyrimo lygis. Duomenų gavyba nėra nauja veiklos sritis, tačiau ji sparčiai vystosi ir tobulėja. Kiekvienas darbas duomenų gavybos srityje, padedantis didinti duomenų gavybos valdymo efektyvumą yra svarbus ir aktualus. Itin svarbus yra duomenų gavybos procesų modelio atsiradimas, kurio tikslas integruoti duomenų gavybą į verslo aplinką. Jį suformavo trys kompanijos (Daimler Chrysler, SSPS, Teradata). CRISP-DM (angl. Cross-Industry Standard Process for Data Mining) – standartinį duomenų gavybos proceso modelis (The CRISP-DM consorcium, 2003). Kaip galima sujungti duomenų gavybą ir sprendimų priėmimų sistemas siekiant optimalesnių, efektyvesnių bei veiksmingesnių verslo operacijų išsamiai dėstoma „Data Mining and Decision Support for Business Competitiveness: A European Virtual Enterprise“ projekto medžiagoje (Mladenic D., 2003). Darbo objektas. Duomenų gavybos sistema paremta... [toliau žr. visą tekstą] The main goal of the graduation paper is creation Enterprise Model Based Data Mining System. The main tasks of this work are: 1. Submit business intelligence systems analyses; select the best business intelligence system for small companies. 2. Submit data mining algorithms for analyses. 3. Create data mining process model using enterprise model. 4. Perform detailed analysis of data mining tools for small enterprises; 5. Use real data to verify the adaptation of tools for small businesses; 6. Use experimental data to realize the data mining process for real business. For the graduation paper are used analyses of nonfiction literature, analogy, comparison, modelling and experimental methods. The graduation paper composes of analysis part, proposed solution methodology part and experiment. Results of work: designed data mining activity model for small logistics company. The graduation paper includes 60 sheets, 9 tables and 36 pictures.

Šiame darbe tiriama galimybė analizuoti įtakas, lemiančias studentų mokymosi universitete sėkmę. Remiamasi duomenų gavybos algoritmais. Sukurtas būdas, kaip prognozuoti, ar būsimas studentas, remiantis jo turimais stojimo balais bei ankstesnės kartos patirtimi, sėkmingai užbaigs studijas. Pradžioje aptariamos galimos duomenų gavybos taikymo sritys, būtini etapai, tam skirta programinė įranga. Detalizuojami Microsoft SQL Server 2008 palaikomi duomenų gavybos algoritmai. Keturi iš jų sėkmingai pritaikyti pasirinktos dalykinės srities analizei. Sukurta analitinė sistema, sugebanti įvertinti stojimo balų įtakas, universitete dėstomų dalykų įtakas galimybei sėkmingai baigti studijas. Atliktas tyrimas, nustatyti, kuris duomenų gavybos algoritmas yra tinkamiausias prognozuoti studentų iškritimą. This paper describes a research of evaluation of influences, causing a success to graduate university. The research is based on the data mining algorithms. There has been developed way to predict if a prospective student will successfully graduate the university or not. The prediction is based on the data of earlier generation of students, and school’s marks of prospective student. First part of paper describes the spheres, where data mining is adapted. Then, there is detailed stages used in data mining process; reviewed most popular data mining tools. After Microsoft SQL Server data mining algorithms were analyzed, it became clear witch ones are most suitable for the selected research area. The realization part explains how data mining can serve to improve the study process in university. This can be achieved by analyzing influences of different study disciplines to the ability to graduate the university. The last part of paper describes the performed experiment, witch showed the most appropriate algorithm to make predictions about ability to graduate the university.

Šis darbas susijęs su duomenų gavybos procesu, veiklos intelekto technologijomis ir prognozavimo algoritmais. Darbe analizuojami prognozavimo algoritmai, jų įvertinimo metodikos ir duomenų gavybos technologijos. Yra daugybė prognozavimo algoritmų. Dažnai iškyla klausimas kokį algoritmą pasirinkti prognozavimui ir kaip jį paruošti darbui konkrečiam prognozavimo uždaviniui. Šiame darbe aprašomas sukurtas modelis, kuris leidžia įvertinti ir pagreitinti pakartotiną algoritmų analizę skirtingiems prognozavimo uždaviniams. Modelis naudoja DMX, SQL šablonus ir įvertinimo metodus algoritmų analizei. Remiantis šiuo modeliu ir veiklos intelekto technologijomis aprašoma sukurta prognozavimo metodų analizės sistema. Panaudojant šią sistema darbe parodoma kaip pasirinkti ir paruošti prognozavimo algoritmą darbui su konkrečiu pacientų klasifikavimo uždaviniu., This work is related to the data mining process, Business Intelligence technology and forecasting algorithms. This paper analyzes the forecasting algorithms, their evaluation methods and data mining technologies. There are a number of forecasting algorithms. Often there are questions how to choose the algorithm for prediction and how to prepare for work with a particular prediction task. This paper describes an experimental model which allows to assess and accelerate the re-analysis of different algorithms for prediction tasks. The model is based on the DMX, SQL templates, and assessment methods for analysis of algorithms. According to this model, the experimental system for the analysis of forecasting methods is created through the Business Intelligence technology. Using this system, this work shows how to select and prepare a forecasting algorithm to work with a specific patients classification task.

Patalpų oro tarša yra viena svarbiausių aplinkos sveikatos problemų, nuo kurios priklauso žmogaus savijauta ir gyvenimo kokybė. Taršos šaltiniais gali būti įvarūs, pavyzdžiui statybinės medžiagos, dujinė, baldai ar net grindys. Šie kiekvieno namuose sutinkami taršos šaltiniai, atrodantys nepavojingi, skleidžia toksiškas dujas ir lakiuosius organinius junginius tokius kaip: formaldehidas, anglies dioksidas, toluenas, benzenas, toluenas, etilbenzenas, azoto dioksidas ar ksilenas. Radono dujos yra pačios gamtos keliamas pavojus, galintis sukelti vėžį. Šiame darbe apibrėžiama didelių duomenų sąvoka, aptariamos ir palygintos technologijos, apžvelgiami didelių duomenų tyrybos metodai naudojami analizei. Naudojant SAS programinę įrangą atlikta duomenų apie patalpų oro taršą Lietuvoje ir Suomijoje analizė. Hierarchiniais ir nehierarchiniais metodais nustatytas optimalus klasterių skaičius, tiriamos imties duomenys sugrupuoti į klasterius. Nustatyta, kad egiztuoja priklausomybė tarp butuose išmatuotų cheminių junginių koncentracijų ir butus aprašančių faktorių., Indoor air polution is one of the most important environmental health problem that affects people's well-being and quality of life. There are many sources of indoor pollution: building materials, furniture, gas stoves and eaven floors. These pollution sources can be found in everyone's house. At first sight they are not hazardous but they emit such toxic gases as carbon dioxide, benzene, toluene, ethylbenzene, xylene, nitrogen dioxide and formaldehyde. One of the potential dangers of nature - the radon gas that can cause cancer. In this paper defines the concept of big data, discusses and compares technologies, reviews the methods of big data research used for analysis. An analysis of indoor air pollution in Lithuania and Finland was carried out by using SAS software. Optimal number of clusters is determined by using clustering criteria. Hierarchical and partitive methods are used to group sample data into clusters. It was found that concentration of chemical compounds depends on describing factors of apartamens.

The article presents a systematic literature review about t he most commonly used data sources and data mining methods in education. International database W eb of Science was selected. Excluding short conference proceedings and articles without empiric al data, 14 papers were analyzed in detail. It was obtained that the most explored databases of learners consisted of subjects evaluation results together with contextual information. Classification meth ods were the most commonly used; to a lesser extent regression analysis and clustering. An educa tional data mining research overview in Lithuania ends the article

Data mining systems suitable for data mining teaching have been investigated in the paper. Ussualy, such systems as SPSS Modeler (Clementine), Statistica, SAS/STAT are used in the mathematical statistics courses. However, they are not always suitable for data mining teaching. WEKA, Orange, KNIME, RapidMiner systems are more appropriate for this purpose.

Kauno technologijos universitetui, kaip ir kitoms organizacijoms, svarbu žinoti, kaip pagerinti savo veiklą. Vienas iš svarbiausių veiksnių, gerinančių jo veiklą, yra studijų kokybė. Yra daugybė metodų tai patikrinti. Vienas iš jų – verslo analitikos priemonės bei galintis pagelbėti šių priemonių įrankis – duomenų gavyba. Šiame darbe sprendimas yra sukurtas, naudojant SQL Server duomenų bazę ir jos paslaugas. Sukurta programinė įranga gali prognozuoti studijų rezultatus, numatyti, kurie studentai iškris iš universiteto. Taip pat analizuoti tekstą studijų kokybės anketose – suskaičiuoti vieno ar kito studijų dalyko kokybę. Tokia analizė yra vykdoma pagal frazių žodyną, kurį užpildo ekspertas. Sistemos vartotojo sąsaja yra realizuota, pasinaudojant ASP.NET karkaso internetinėmis formomis. Atliekant šiuos tyrimus buvo suskaičiuota, kaip ilgai ekspertas užtrunka įvertindamas frazes žodyne, taip pat kaip tiksliai duomenų gavybos modeliai atlieka prognozes. Galiausiai yra realizuotas teksto spalvinimas, kuris parodo, kuriose vietose studijų kokybės anketoje yra šio žodyno frazės., For Kaunas University of Technology, as well as other organizations, it is important to know how to improve their performance. One of the most important factors to improve the performance is the quality of education. There are many methods to verify this. One of the modern tools is business intelligence tools. It has a few instruments to explore data, one of which is data mining. In this paper, solution is developed by using the SQL Server database and its services. Powered software can predict the outcomes of university studies and determine which students will drop out of the university. It can also analyze the text in the questionnaires of quality study – evaluate the quality of one or another subject. Such an analysis is carried out using a phrase dictionary which is filled by an expert. The system's user interface is implemented using ASP.NET web-forms. The study also included the calculation of how long it takes an expert to assess the dictionary phrases, as well as how accurately data mining models make predictions. Finally, text coloring was implemented to indicate the dictionary phrases in a study quality form.

Disertacijos tyrimų sritis yra žinių gavybos iš daugiamačių duomenų procesas ir tiriamų duomenų suvokimo gerinimo būdai. Duomenų suvokimas yra sudėtingas uždavinys, ypač kai duomenys nurodo sudėtingą objektą, kuris aprašytas daugeliu parametrų. Norint gauti išsamią informaciją apie analizuojamus duomenis būtina kompleksinė jų analizė, kurios etapus apibrėžia žinių gavybos procesas. Disertacijos tyrimų objektas – vizualios žinių gavybos procesas. Su šiuo objektu betarpiškai susiję dalykai: daugiamačių duomenų pirminės aibės suformavimas; klasterizavimo, vizualizavimo ir klasifikavimo algoritmai; duomenų gavybos metodais gautų rezultatų įvertinimas; naujų daugiamačių duomenų atvaizdavimas; sprendimų priėmimas ir gautų žinių apibendrinimas, atsižvelgiant į analizės rezultatus. Pagrindinis disertacijos tikslas yra sukurti ir ištirti žinių gavybos vizualiais metodais metodologiją, kuri leistų padidinti duomenų analizės efektyvumą. Darbe atliktų tyrimų rezultatai atskleidė naujas medicininių (fiziologinių) duomenų analizės galimybes. Disertaciją sudaro penki skyriai ir literatūros sąrašas. Bendra disertacijos apimtis 116 puslapių, 44 paveikslai ir 12 lentelių. Tyrimų rezultatai publikuoti 9 moksliniuose leidiniuose: 1 straipsnis leidinyje, įtrauktame į Mokslinės informacijos instituto pagrindinį (Thomson ISI Web of Science) sąrašą; 2 straipsniai leidiniuose, įtrauktuose į Mokslinės informacijos instituto konferencijos darbų (Thomson ISI Proceedings) duomenų bazę; 2 straipsniai... [toliau žr. visą tekstą] The research area of the thesis is the process of knowledge discovery from multidimensional data and the ways of improving the perception of the data investigated. Data perception is rather a complex problem, especially when the data refer to complicated object described by many parameters. In order to obtain exhaustive information on the analysed data, their all-round analysis is indispensable the stages of which are defined by the process of knowledge discovery. The object of dissertation research is the process of visual knowledge discovery. The following subjects are directly associated with this subject: formation of a primary set of multidimensional data; algorithms for clusterization, visualization, and classification; evaluation of the results obtained by data mining methods; mapping of a new multidimensional data; decision making and generalization of the knowledge obtained referring to the analysis results. The key target of the thesis is to develop and explore the methodology of knowledge discovery by visual methods that would allow us to increase the efficiency of data analysis. The research results of the work revealed new opportunities of medical (physiological) data analysis. The dissertation is written in Lithuanian. It consists of 5 chapters, and the list of references. There are 116 pages of the text, 44 figures, 12 tables and 156 bibliographical sources. The main results of this dissertation were published in 9 scientific papers: 1 article in a journal... [to full text]

When a phenomenon is getting complicated, acquiring more particular features or aspects, it is becoming more difficult to determine the relationships between the criteria describing it. In this case, it is hardly possible to determine the criteria weights based on expert evaluation. Moreover, the question arises if the statement that the criteria describing a complicated phenomenon are interrelated as the elements of a single system is true. A comprehensive analysis shows that only hierarchically structured system of criteria can adequately describe a complicated phenomenon (CP). This system accounts for the variation of the criteria relationships, when the number of parameters of the phenomenon is growing. The direct relationship can be observed only between the criteria of the same set describing a particular CP aspect, while indirect relationship can be found between the criteria describing various CP aspects. This implies that there is a connection characterized by direct relationship between the aggregated magnitudes pertaining to the criteria considered. The paper offers a method of structuring a system of CP criteria, allowing us to determine the significance of the criteria based on direct relationship between them., Lietuviška santrauka. Augant sudėtingo reiškinio (SR) parametrams vis sunkiau tampa susekti ir įvertinti jį apibendrinančių rodiklių tarpusavio ryšius. Ši aplinkybė apsunkina arba netgi padaro neįmanomą rodiklių svorių nustatymą, pagrįstą ekspertiniais vertinimais. Be to, kyla klausimas, ar teisingas tvirtinimas, jog sudėtingą reiškinį atspindintys rodikliai yra tarpusavyje susiję kaip vienos ir tos pačios sistemos elementai. Išsamesnė analizė rodo, kad SR pavaizduoti galima tik hierarchiškai struktūrizuota rodiklių sistema. Ši sistema paaiškina, kaip, augant nagrinėjamo reiškinio parametrams, keičiasi rodiklių tarpusavio ryšiai: tiesioginė sąveika išlieka, bet tik tarp tų rodiklių, kurie pakliūna į tą pačią jų grupę, apibūdinančią tam tikrą SR aspektą; tarp skirtingus aspektus apibūdinančių rodiklių išlieka netiesioginė priklausomybė, t. y. turime sąveiką, pasireiškiančią per tiesioginę, juos apibūdinančių agreguotų dydžių priklausomybę. Straipsnyje pateikiamas SR rodiklių sistemos struktūrizavimas suteikia galimybę nustatyti jų svarbą, remiantis šių rodiklių tiesiogine tarpusavio sąveika.