Full metadata record
DC poleHodnotaJazyk
dc.contributor.advisorVáša Libor, Doc. Ing. Ph.D.
dc.contributor.authorHácha, Filip
dc.contributor.refereeVaněček Petr, Ing. Ph.D.
dc.date.accepted2019-6-6
dc.date.accessioned2020-07-17T13:49:27Z-
dc.date.available2018-10-10
dc.date.available2020-07-17T13:49:27Z-
dc.date.issued2019
dc.date.submitted2019-5-2
dc.identifier79535
dc.identifier.urihttp://hdl.handle.net/11025/38289
dc.description.abstractCílem této práce je návrh a konstrukce mechanismu pro výběr optimálního estimátoru křivosti polygonálních sítí. Pro vyřešení problému bylo vyzkoušeno několik přístupu z oblasti strojového učení, jako rozhodovací stromy, neuronové sítě, metody shlukování a lineární regrese. Vytvořené řešení umožňuje predikci estimátoru na základe vlastností polygonální sítě s vyšší úspěšností, než nabízí využití mechanismů implementovaných ve výzkumu, na který tato práce přímo navazuje.cs
dc.format50 s.cs
dc.format.mimetypeapplication/pdf
dc.language.isocscs
dc.publisherZápadočeská univerzita v Plznics
dc.rightsPlný text práce je přístupný bez omezení.cs
dc.subjectkřivostcs
dc.subjecttrojúhelníkové sítěcs
dc.subjectklasifikacecs
dc.subjectstrojové učenícs
dc.subjectrozhodovací stromcs
dc.subjectneuronová síťcs
dc.subjectshlukovánícs
dc.subjectlineární regresecs
dc.subjectanalýza hlavních komponentcs
dc.titleMetody strojové klasifikace pro výběr optimálního estimátoru křivostics
dc.title.alternativeMachine classification methods for selecting the optimal curvature estimatoren
dc.typebakalářská prácecs
dc.thesis.degree-nameBc.cs
dc.thesis.degree-levelBakalářskýcs
dc.thesis.degree-grantorZápadočeská univerzita v Plzni. Fakulta aplikovaných vědcs
dc.thesis.degree-programInženýrská informatikacs
dc.description.resultObhájenocs
dc.rights.accessopenAccessen
dc.description.abstract-translatedMachine learning methods of selection optimal curvature estimator. The goal of this thesis is to design and create mechanism for selecting optimal curvature estimator for polygonal meshes. Several approaches of machine learning, such as decision trees, neural networks, clustering methods and linear regression have been tried to solve this problem. The created solution allows prediction of the optimal estimator based on the properties of a polygonal mesh with higher success than mechanism implemented in the research, which is directly linked to this work.en
dc.subject.translatedcurvatureen
dc.subject.translatedmeshesen
dc.subject.translatedclassificationen
dc.subject.translatedmachine learningen
dc.subject.translateddecision treeen
dc.subject.translatedneural networken
dc.subject.translatedclusteringen
dc.subject.translatedlinear regressionen
dc.subject.translatedprincipal component analysisen
Vyskytuje se v kolekcích:Bakalářské práce / Bachelor´s works (KIV)

Soubory připojené k záznamu:
Soubor Popis VelikostFormát 
A16B0036P.pdfPlný text práce6,32 MBAdobe PDFZobrazit/otevřít
A16B0036P Hodnoceni.pdfPosudek vedoucího práce148,7 kBAdobe PDFZobrazit/otevřít
A16B0036P Posudek.pdfPosudek oponenta práce270,8 kBAdobe PDFZobrazit/otevřít
A16B0036P Obhajoba.pdfPrůběh obhajoby práce120,78 kBAdobe PDFZobrazit/otevřít
Zobrazit minimální záznam Zobrazit statistiky


Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam: http://hdl.handle.net/11025/38289

Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.

hledání
navigace
  1. DSpace at University of West Bohemia
  2. Vysokoškolské kvalifikační práce / Theses
  3. Fakulta aplikovaných věd / Faculty of Applied Sciences
  4. Katedra informatiky a výpočetní techniky / Department of Computer Science and Engineering
  5. Bakalářské práce / Bachelor´s works (KIV)