• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 2
  • Tagged with
  • 2
  • 2
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Χρήση αλγορίθμων μηχανικής μάθησης για την ταυτοποίηση κοινών σημείων ενδιαφέροντος σε ετερογενή σύνολα δεδομένων από μέσα κοινωνικής δικτύωσης

Καλαβρουζιώτης, Βασίλειος 02 April 2014 (has links)
Στην εργασία αυτή ασχολούμαστε με την αξιοποίηση των δεδομένων από διαφορετικά κοινωνικά δίκτυα (πιο συγκεκριμένα από Foursquare και Facebook) με σκοπό να ταυτοποιήσουμε τις ίδιες τοποθεσίες (ή αλλιώς σημεία ενδιαφέροντος) που έχουν εισαχθεί σε αυτά τα δίκτυα. Το πρόβλημα της ταυτοποίησης είναι σημαντικό να λυθεί διότι έτσι θα μπορούσε να αποκτηθεί μια καλύτερη εικόνα για τις αλληλεπιδράσεις των χρηστών με το φυσικό περιβάλλον με τη χρήση των μέσων κοινωνικής δικτύωσης (social data). Αυτό σημαίνει ταυτόχρονα και καλύτερη ανάλυση και αξιοποίηση αυτών δεδομένων, αφού θα έχουμε αναγνωρίσει μεγάλο μέρος των κοινών σημείων ενδιαφέροντος από ετερογενή σύνολα δεδομένων από τα μέσα κοινωνικής δικτύωσης. Μια λύση στο πρόβλημα είναι η χρήση των αλγορίθμων μηχανικής μάθησης, που θα αποφασίζουν αν ένα ζεύγος σημείων αντιπροσωπεύει το ίδιο σημείο ενδιαφέροντος. / In this paper we deal with the exploitation of data from different social networks (more specifically from Foursquare and Facebook) in order to identify the same locations (or landmarks ) introduced in these networks . The problem of identification is important to solve it so he could get a better picture of the user interactions with the natural environment through the use of social media (social data). This means simultaneously and better analysis and use of such data , since we recognize much of the common points of interest from heterogeneous datasets from social media . One solution to this problem is the use of machine learning algorithms , which will decide whether a pair of points represents the same point of interest .
2

Αυτόματη αναγνώριση σκηνών βίας σε σήμα βιντεοσκόπησης

Κριτσιώνη, Αγγελική 01 July 2015 (has links)
Τα τελευταία χρόνια, η δημοτικότητα του διαδικτύου αυξάνεται ολοένα και περισσότερο και σε συνδυασμό με την κινηματογραφική βιομηχανία που ανθίζει με γρήγορους ρυθμούς , έχει σαν αποτέλεσμα έναν τεράστιο αριθμό βίντεο κοινής χρήσης στο διαδίκτυο και μια πληθώρα κινηματογραφικών ταινιών, στα οποία έχει άμεση πρόσβαση μεγάλη μερίδα του πληθυσμού, συμπεριλαμβανομένων και διάφορων ευαίσθητων κοινωνικών ομάδων, παραδείγματος χάρη παιδιά και εφήβους. Η προστασία τέτοιων ατόμων αλλά και η επιθυμία γνώσης του περιεχομένου ενός βίντεο δημιούργησε την αναγκαιότητα ανάπτυξης αποτελεσματικών, αυτόματων ανιχνευτών βίας.Στην παρούσα διπλωματική παρουσιάζονται οι μέθοδοι που έχουν προταθεί στο συγκεκριμένο πεδίο. Στην συνέχεια, υιοθετείται μια εκ των μεθόδων και αναπτύσσεται αλγόριθμος, με σκοπό τη μελέτη της απόδοσης του. / In recent years, the popularity of the internet growing more and more.This results a huge number of video sharing on the internet and a plethora of films. A large portion of population has direct access in such videos,including sensitive and different social groups , for example children and adolescents . The protection of such persons and the desire knowing the content of a video, created the necessity to develop efficient , automated violence detectors.In this dissertation we present methods that have been proposed in this field . Then , we have adopted one of the methods and we have developed an algorithm in order to study its accuracy.

Page generated in 0.0363 seconds