prikaz prve stranice dokumenta Točnost pretraživanja, clustering i klasifikacija
  Preuzmi
PDF 552.9 KB
diplomski rad
Točnost pretraživanja, clustering i klasifikacija
Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2021. urn:nbn:hr:217:350573
Kapec, Ivan
Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
Matematički odsjek

Institucijski repozitorij: Repozitorij Prirodoslovno-matematičkog fakulteta

Citirajte ovaj rad

Kapec, I. (2021). Točnost pretraživanja, clustering i klasifikacija (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:217:350573

Kapec, Ivan. "Točnost pretraživanja, clustering i klasifikacija." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2021. https://urn.nsk.hr/urn:nbn:hr:217:350573

Kapec, Ivan. "Točnost pretraživanja, clustering i klasifikacija." Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, 2021. https://urn.nsk.hr/urn:nbn:hr:217:350573

Kapec, I. (2021). 'Točnost pretraživanja, clustering i klasifikacija', Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, citirano: 23.12.2024., https://urn.nsk.hr/urn:nbn:hr:217:350573

Kapec I. Točnost pretraživanja, clustering i klasifikacija [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet; 2021 [pristupljeno 23.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:350573

I. Kapec, "Točnost pretraživanja, clustering i klasifikacija", Diplomski rad, Sveučilište u Zagrebu, Prirodoslovno-matematički fakultet, Zagreb, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:217:350573

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:217:350573
Podaci o radu
NaslovTočnost pretraživanja, clustering i klasifikacija
Naslov (engleski)Search accuracy, clustering and classification
AutorIvan Kapec
MentorPavle Goldstein (mentor)
Član povjerenstvaPavle Goldstein (predsjednik povjerenstva)
Član povjerenstvaRudi Mrazović (član povjerenstva)
Član povjerenstvaGoran Muić (član povjerenstva)
Član povjerenstvaMarko Vrdoljak (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Prirodoslovno-matematički fakultet
(Matematički odsjek)
Zagreb
Datum i država obrane2021-03-04, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		PRIRODNE ZNANOSTI
Matematika
Sažetak
U ovom radu promatrao se problem traženja proteina iz iste proteinske familije i uspješnost primjene algoritama iz teorije grafova na taj problem. Konkretno, analizirala se isplativost korištenja algoritma za traženje najveće aproksimativne klike koji djeluje kao nadopuna iterativnom pretraživanju u klasifikaciji proteina. Rezultati korištenja navedenog aproksimativnog pristupa usporedeni su sa rezultatima algoritma za traženje egzaktne najveće klike i posebno, sa rezultatima početnog iterativnog pretraživanja proteoma. Jedna od glavnih mjera koja je korištena za usporedbu uspješnosti modela je F1-score, a negdje je u obzir uzeta i vremenska složenost. Postupak je proveden na proteomima talijinog uročnjaka, krumpira, šećerne repe i rajčice. Promatrao se učinak algoritama na manjim i na većim skupovima podataka. Dobiveni rezultati pokazuju da korištenje aproksimativnog algoritma bitno poboljšava uspješnost modela (F1-score), iako nalazi manji broj stvarno pozitivnih (TP) u odnosu na početno iterativno pretraživanje. Takoder, egzaktni algoritam očekivano postiže nešto bolje rezultate od aproksimativnog, ali je na većem broju podataka puno sporiji u izvršavanju.
Sažetak (engleski)
This paper covers the problem of identifying proteins belonging to the same protein family and explores the use of applying known graph theory algorithms to this problem. Specifically, it examines the benefits of maximum clique approximation, which serves as a supplement to iterative searching in protein classification. Results of using the aforementioned approximation approach were compared with the results of using the exact maximum clique algorithm, as well as with the results of the initial proteome iterative search. F1- score was the primary metric used for comparing model performance, while in some cases time complexity was also considered. The procedure was performed on several proteomes, namely thale cress, potato, tomato and sugar beet. Algorithmic effciency was measured on both small and large data sets. Results obtained demonstrate that the use of the approximation algorithm greatly improves model performance (F1-score), although it does retrieve a smaller number of true positives (TP) compared with the initial iterative search. Furthermore, the exact algorithm achieves somewhat better results than the approximation algorithm, but it is considerably slower on large data sets.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:217:350573
Studijski programNaziv: Matematička statistika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra matematike (mag. math.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-03-24 13:38:19