haku: @keyword säännöt / yhteensä: 6
hakutulos-lista
viite: 4 / 6
« edellinen | seuraava »
Tekijä:Lundqvist, Leo
Työn nimi:Deriving a Rule Set from a Large Set of Data
Härledning av ett regelverk ur en stor datamängd
Säännöstön johtaminen suuresta tietomäärästä
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2006
Sivut:37      Kieli:   eng
Koulu/Laitos/Osasto:Teknillisen fysiikan ja matematiikan osasto
Oppiaine:Informaatiotekniikka   (T-115)
Valvoja:Simula, Olli
Ohjaaja:Silvola, Risto
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark TF80     | Arkisto
Avainsanat:self-organizing map
clustering
association rules
product data
itseorganisoiva kartta
klusterointi
assosiaatio
säännöt
tuotedata
själv-organiserande karta
kluster
associations regler
produkt data
Tiivistelmä (eng): The acquisition of correct data is of great importance for all data mining tasks.
Data errors in product data can be very costly for a company and improving the data quality is therefore of high importance.
By making the acquisition process more efficient a possible bottleneck in the product management can also be removed.

In this work methods for finding rules and correlations from the data are presented.
Special emphasis is placed on methods capable of handling large amounts of data and on pre processing the data to make it more easily handled.
Clustering is used to divide the data into smaller data sets which can be handled more efficiently than the whole data.
This also makes it possible to better find local patterns in the data.
The clustering is implemented using self-organizing maps.

To find rules in the data set both correlation analysis and association rules are used.
Both methods can be used both globally on the whole data set and locally on the data clusters.

The methods presented are then applied to a product data set provided by Nokia Networks.
Here the goal is to predict data needed for an Enterprise Resource Planning system using data from a Product Data Management system.
ED:2006-09-28
INSSI tietueen numero: 32425
+ lisää koriin
« edellinen | seuraava »
INSSI