Wydział Informatyki PB

Seminarium doktoranckie (Michał Czołombitko) 07.06.17, 12:15

Szanowni Państwo, zapraszamy na seminarium doktoranckie, które odbędzie się 07.06.2017 (środa) o godzinie 12:15 w sali 130. Przewidziane jest wystąpienie pana mgr. inż. Michała Czołombitko w związku z planowanym otwarciem przewodu doktorskiego.

Proponowany tytuł pracy: Redukcja dużych danych z wykorzystaniem metod zbiorów przybliżonych

Proponowany promotor: Prof. dr hab. Jarosław Stepaniuk

Streszczenie wystąpienia:

W ramach prezentacji przedstawione zostaną zagadnienia dotyczące zarówno dyskretyzacji atrybutów jak i redukcji liczby atrybutów w dużych danych z wykorzystaniem metod zbiorów przybliżonych. Duże dane, tzw. Big Data, charakteryzują się dużą ilością, złożonością i prędkością z jaką są generowane. Przetwarzanie ich klasycznymi metodami jest praktycznie niemożliwe. Redukcja danych pozwala na wyodrębnienie najistotniejszych atrybutów z zachowaniem różnych postaci rozróżnialności występujących w oryginalnym zbiorze danych. Wykorzystanie do tego metod zbiorów przybliżonych oraz przetwarzania rozproszonego może prowadzić do opracowania efektywnych metod dyskretyzacji i selekcji cech. Podczas wystąpienia zostaną zaprezentowane również dotychczasowe prace kandydata w tym zakresie oraz plan dalszych badań, prowadzonych w ramach przygotowywanej rozprawy doktorskiej.

Publikacje:
1. M. Czołombitko, J. Stepaniuk – Generating core based on discernibility measure and MapReduce, Pattern recognition and machine intelligence: 6th International conference, PreMI 2015, Lecture Notes in Computer Science, vol. 9124, Springer, 2015, 367-376.
2. M. Czołombitko, J. Stepaniuk – Attribute reduction based on MapReduce model and discernibility measure, Computer Information Systems and Industrial Management, CISIM 2016, Lecture Notes in Computer Science, vol. 9842, Springer, 2016, 55-66.
3. M. Czołombitko, J. Stepaniuk, Scalable Maximal Discernibility Discretization for Big Data – International Joint Conference on Rough Sets, IJCRS 2017, Lecture Notes in Artificial Intelligence, Springer, 2017

 
 
Na skróty
× W ramach naszego serwisu www stosujemy pliki cookies zapisywane na urządzeniu użytkownika w celu dostosowania zachowania serwisu do indywidualnych preferencji użytkownika oraz w celach statystycznych.
Użytkownik ma możliwość samodzielnej zmiany ustawień dotyczących cookies w swojej przeglądarce internetowej.
Korzystając ze strony wyrażają Państwo zgodę na używanie plików cookies, zgodnie z ustawieniami przeglądarki.