prikaz prve stranice dokumenta Tehnike učenja za klasifikaciju bioloških nizova
  Download
PDF 357.21 KB
master's thesis
Tehnike učenja za klasifikaciju bioloških nizova
Zagreb: University of Zagreb, Faculty of Science, 2020. urn:nbn:hr:217:005111
Pezić, Marija
University of Zagreb
Faculty of Science
Department of Mathematics

Institutional repository: Repository of the Faculty of Science

Cite this document

Pezić, M. (2020). Tehnike učenja za klasifikaciju bioloških nizova (Master's thesis). Zagreb: University of Zagreb, Faculty of Science. Retrieved from https://urn.nsk.hr/urn:nbn:hr:217:005111

Pezić, Marija. "Tehnike učenja za klasifikaciju bioloških nizova." Master's thesis, University of Zagreb, Faculty of Science, 2020. https://urn.nsk.hr/urn:nbn:hr:217:005111

Pezić, Marija. "Tehnike učenja za klasifikaciju bioloških nizova." Master's thesis, University of Zagreb, Faculty of Science, 2020. https://urn.nsk.hr/urn:nbn:hr:217:005111

Pezić, M. (2020). 'Tehnike učenja za klasifikaciju bioloških nizova', Master's thesis, University of Zagreb, Faculty of Science, accessed 25 June 2024, https://urn.nsk.hr/urn:nbn:hr:217:005111

Pezić M. Tehnike učenja za klasifikaciju bioloških nizova [Master's thesis]. Zagreb: University of Zagreb, Faculty of Science; 2020 [cited 2024 June 25] Available at: https://urn.nsk.hr/urn:nbn:hr:217:005111

M. Pezić, "Tehnike učenja za klasifikaciju bioloških nizova", Master's thesis, University of Zagreb, Faculty of Science, Zagreb, 2020. Available at: https://urn.nsk.hr/urn:nbn:hr:217:005111

Metadata
TitleTehnike učenja za klasifikaciju bioloških nizova
AuthorMarija Pezić
MentorPavle Goldstein (mentor)
Committee memberPavle Goldstein (predsjednik povjerenstva)
Committee memberJuraj Šiftar (član povjerenstva)
Committee memberZrinka Franušić (član povjerenstva)
Committee memberRudi Mrazović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Science
(Department of Mathematics)
Zagreb
Defense date and country2020-02-27, Croatia
Scientific / art field,
discipline and subdiscipline		NATURAL SCIENCES
Mathematics
Abstract
Cilj rada je analiza linearne klasifikacije proteina pomoću max-norme i algoritma stroja potpornih vektora. Na početku rada dani su osnovni matematički pojmovi iz linearne algebre, optimizacije, vjerojatnosti i statistike potrebni za razumijevanje rada. Također, opisan je rad algoritma stroja potpornih vektora. Za analizu se koristi sedam proteinskih familija. Skup za učenje sačinjen je od po 300 proteina iz svake proteinske familije, dok je skup za testiranje sačinjen od po 100 proteina iz svake proteinske familije. Objašnjen je postupak određivanja značajki svake familije te način izrade modela koji opisuju odnos svakog proteina sa zadanim proteinskim familijama. U konačnici su provedeni testovi linearne klasifikacije pomoću max-norme odnosno algoritma stroja potpornih vektora za različite parametre, te je napravljena usporedba dobivenih rezultata. Pokazalo se da su rezultati klasifikacije za različite metode gotovo isti i jako dobri.
Abstract (english)
The aim of this work is an analysis of protein classification using the max-norm and support vector machine algorithm. First, we present some basic concepts from linear algebra, optimization, probability, and statistics that are needed for understanding later. Also, we explained mathematical background of the support vector machine algorithm. There are 7 protein families used for analysis. The training set consists of 300 proteins from each family, and the test set consists of 100 proteins from each family. We described the process of determining features for each family and how to build a model that describes the relation between given protein and protein families. Finally, we implemented the linear classification using the max-norm and support vector machine algorithm for different parameter values. It is shown that results are almost the same for both algorithms, and classification is very accurate.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:217:005111
Study programmeTitle: Mathematical Statistics
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra matematike (magistar/magistra matematike)
Type of resourceText
File originBorn digital
Access conditionsOpen access
Terms of useLicence In copyright icon
Created on2020-09-23 10:57:58