• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 46
  • 16
  • Tagged with
  • 62
  • 51
  • 27
  • 25
  • 25
  • 21
  • 20
  • 19
  • 18
  • 16
  • 15
  • 11
  • 10
  • 9
  • 9
  • 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

Påverkar Dag 0 express däckförsäljningen? : Utvärdering av hierarkiska klustringsmetoder med försäljningsdata & Enkätundersökning om efterfrågan på expressleverans.

Lee, Yun-ji Agnes, Mena, Nadia January 2015 (has links)
Denna uppsats skrivs på uppdrag av en global däcktillverkare som ämnar öka sin försäljning i Sverige genom att implementera expressleverans och syftar till att undersöka huruvida en kortare leveranstid kan påverka framtida däckförsäljning. För att underlätta planeringen av genomförandet av expressleverans används klusteranalys. I denna uppsats har fokus lagts på att jämföra olika hierarkiska klustringsmetoder och utvärdera vilken metod som ger de mest optimala klustren givet datamaterialet. För att undersöka om det existerar efterfrågan av expressleverans genomförs en egen enkätundersökning riktat mot företagets kunder. Utöver detta undersöks även i vilken utsträckning efterfrågan av expressleverans varierar efter kundsegment och storlek på kunden vilket testas med hjälp av logistisk regressionsanalys. I uppsatsen kommer vi fram till att Wards metod genererar de mest optimala klustren givet datamaterialet och att en förkortad leveranstid ger en effekt på ökningen av den framtida däckförsäljningen i vissa regioner.
2

Identifiering av områden med förhöjd olycksrisk för cyklister baserad på cykelhjälmsdata

Roos, Johannes, Lindqvist, Sven January 2020 (has links)
Antalet cyklister i Sverige väntas öka under kommande år, men trots stora insatser för trafiksäkerheten minskar inte antalet allvarliga cykelolyckor i samma takt som bilolyckor. Denna studie har tittat på cykelhjälm-tillverkaren Hövdings data som samlats in från deras kunder. Hjälmen fungerar som en krockkudde som löses ut vid en kraftig huvudrörelse som sker vid en olycka. Datan betsår av GPS-positioner tillsammans med ett värde från en Support Vector Machine (SVM) som indikerar hur nära en hjälm är att registrera en olycka och därmed lösas ut. Syftet med studien var att analysera denna data från cyklister i Malmö för att se om det går att identifiera platser som är överrepresenterade i antalet förhöjda SVM-nivåer, och om dessa platser speglar verkliga, potentiellt farliga trafiksituationer. Density-based spatial clustering of applications with noise (DBSCAN) användes för att identifiera kluster av förhöjda SVM-nivåer. DBSCAN är en oövervakad maskininlärningsalgoritm som ofta används för att klustra på spatial data med brusdata i datamängden. Från dessa kluster räknades antalet unika cykelturer som genererat en förhöjd SVM-nivå i klustret, samt totala antalet cykelturer som passerat genom klustret. 405 kluster identifierades och sorterades på flest unika cykelturer som genererat en förhöjd SVM-nivå, varpå de 30 översta valdes ut för närmare analys. För att validera klusterna mot registrerade cykelolyckor hämtades data från från Swedish Traffic Accident Data Acquisition (STRADA), den nationella olycksdatabasen i Sverige. De trettio utvalda klustren hade 0,082\% cykelolyckor per unik cykeltur i klustren och för resterande 375 kluster var siffran 0,041\%. Antal olyckor per kluster i de utvalda trettio klustren var 0,46 och siffran för övriga kluster var 0,064. De topp trettio klustren kategoriserades sedan i tre kategorier. De kluster som hade en eventuell förklaring till förhöjda SVM-nivåer, som farthinder och kullersten gavs kategori 1. Hövding har kommunicerat att sådana inslag i underlaget kan generera en lägre grad av förhöjd SVM-nivå. Kategori 2 var de kluster som hade haft en byggarbetsplats inom klustret. Kategori 3 var de kluster som inte kunde förklaras med något av de andra två kategorierna. Andel olyckor per unik cykeltur i kluster som tillhörde kategori 1 var 0,068\%, för kategori 2 0,071\% och kategori 3 0,106\%. Resultaten indikerar att denna data är användbar för att identifiera platser med förhöjd olycksrisk för cyklister. Datan som behandlats i denna studie har en rad svagheter i sig varpå resultaten bör tolkas med försiktigthet. Exempelvis är datamängden från en kort tidsperiod, ca 6 månader, varpå säsongsbetingat cykelbeteende inte är representerat i dataunderlaget. Det antas även förekomma en del brusdata, vilket eventuellt har påverkat resultaten. Men det finns potential i denna typ av data att i framtiden, när mer data samlats in, med större träffsäkerhet kunna identifiera olycksdrabbade platser för cyklister. / The number of cyclists in Sweden is expected to increase in the coming years, but despite major efforts in road safety, the number of serious bicycle accidents does not decrease at the same rate as car accidents.This study has looked at the data collected by the bicycle helmet manufacturer Hövding's customers. The helmet acts as an airbag that is triggered when a strong head movement occurs in the event of an accident. The data consists of GPS positions along with a Support Vector machine (SVM)- generated value which indicates how close the helmet is to registering an accident, and thus is triggered. The purpose of the study was to analyze this data from cyclists in Malmö to see if it's possible to identify places that are over-represented in the number of elevated SVM levels, and whether these sites reflect real, potentially dangerous traffic situations. Density-based spatial clustering of applications with noise (DBSCAN) was used to identify clusters of elevated SVM levels. DBSCAN is an unsupervised clustering algorithm widely used when clustering on spatial data. From these clusters, the number of unique cycle trips that generated an elevated SVM level in the cluster was calculated, as well as the total number of cycle trips that passed through each cluster. 405 clusters were identified and sorted by the highest number of unique bike rides that generated an elevated SVM level, whereupon the top 30 were selected for further analysis. In order to validate the clusters against registered bicycle accidents, data were obtained from the Swedish Traffic Accident Data Acquisition (STRADA), the national accident database in Sweden. The thirty selected clusters had 0.082 \% cycling accidents per unique cycle trip in the clusters and for the remaining 375 clusters the figure was 0.041 \%. The number of accidents per cluster in the selected thirty clusters was 0.46 and the number for the other clusters was 0.064. The top thirty clusters were then categorized into three categories. The clusters that had a possible explanation for elevated SVM levels, such as cruise barriers and cobblestones were given category 1. Hövding has communicated that such elements in the substrate can generate elevated SVM levels. Category 2 was the clusters that had a construction site within the cluster. Category 3 was the clusters that could not be explained by any of the other two categories. The proportion of accidents per unique cycle trip in clusters belonging to category 1 was 0.068 \%, for category 2 0.071 \% and for category 3 0.106 \%.The results indicate that this data is useful for identifying places with increased risk of accidents for cyclists. The data processed in this study has a number of weaknesses in itself and the results should be interpreted with caution. For example, the data is from a short period of time, about 6 months, whereby seasonal cycling behavior is not represented in the data set. The data set is also assumed to contain some noisy data, which may have affected the results. But there is potential in this type of data so that in the future, when more data is collected, it can be used to identify places with higher risk of accidents for cyclists with greater accuracy.
3

Hur klustrar sig butiker i olika handelsområden

Ghanbari, Azar, Larsson, Torbjörn January 2008 (has links)
Vår uppsats grundar sig på hur branscher och butiker sametablerar sig på en geografisk marknad. Motivet till att butiker vill sametablera sig är att de vill dra fördel av varandras kundgrupper och höja attraktionskraften för handelsområdet, vilket ger fler spontanbesök och därmed ett ökat kundunderlag. Detta fenomen är vad som menas med klustring. Syftet med denna uppsats är att beskriva hur vissa branscher och butiker sametablerar sig på en geografisk marknad och om vissa branscher klustrar sig mer än andra. Kan man se om klustringen skiljer sig på något sätt geografisk inom en handelstad. Avsikten är att skapa ett underlag för befintliga och nya handelområde för att öka handelsområdets attraktivitet för konsumenterna. Uppsatsens undersökning bygger på att vi har besökt alla Skövdes butiker och ställt ett antal frågor till butikscheferna. Vi ska med hjälp av undersökningen se vilka branscher som klustrar sig mer än andra i de olika handelsområdena och om klustringen skiljer sig geografiskt inom en handelstad. Butiksinventeringen genomförs med hjälp av ett personligt besök i butikerna för att samla in relevant information som vi ska använda för att kunna dra värdefulla slutsatser i vår uppsats. Resultatet av den kvantitativa observationen och intervjuer med butikscheferna kommer att ligga till grund för uppsatsens analys och slutsats. Uppsatsens teoretiska referensram har byggts upp kring två teorier. En av dem är Centralortsteorin som beskriver produktens räckvidd och tröskelvärde. Den andra är Klusterteorin som beskriver hur butiker grupperar sig för att dra fördel av varandras kundgrupper, höja attraktionskraften, öka kundunderlaget och få fler spontanbesök. De centrala slutsatserna för uppsatsen är att vi har hitta flera kluster i de olika branscherna, bland annat motor och klädkluster. Vi har kommit fram till att Centralortsteorin stämmer bra i vissa handelsområden tillexempel bostadsområden som har underlag för produkter med kort räckvidd och lågt tröskelvärde.
4

Hur klustrar sig butiker i olika handelsområden

Ghanbari, Azar, Larsson, Torbjörn January 2008 (has links)
<p>Vår uppsats grundar sig på hur branscher och butiker sametablerar sig på en geografisk marknad. Motivet till att butiker vill sametablera sig är att de vill dra fördel av varandras kundgrupper och höja attraktionskraften för handelsområdet, vilket ger fler spontanbesök och därmed ett ökat kundunderlag. Detta fenomen är vad som menas med klustring.</p><p>Syftet med denna uppsats är att beskriva hur vissa branscher och butiker sametablerar sig på en geografisk marknad och om vissa branscher klustrar sig mer än andra. Kan man se om klustringen skiljer sig på något sätt geografisk inom en handelstad. Avsikten är att skapa ett underlag för befintliga och nya handelområde för att öka handelsområdets attraktivitet för konsumenterna.</p><p>Uppsatsens undersökning bygger på att vi har besökt alla Skövdes butiker och ställt ett antal frågor till butikscheferna. Vi ska med hjälp av undersökningen se vilka branscher som klustrar sig mer än andra i de olika handelsområdena och om klustringen skiljer sig geografiskt inom en handelstad. Butiksinventeringen genomförs med hjälp av ett personligt besök i butikerna för att samla in relevant information som vi ska använda för att kunna dra värdefulla slutsatser i vår uppsats. Resultatet av den kvantitativa observationen och intervjuer med butikscheferna kommer att ligga till grund för uppsatsens analys och slutsats.</p><p>Uppsatsens teoretiska referensram har byggts upp kring två teorier. En av dem är Centralortsteorin som beskriver produktens räckvidd och tröskelvärde. Den andra är Klusterteorin som beskriver hur butiker grupperar sig för att dra fördel av varandras kundgrupper, höja attraktionskraften, öka kundunderlaget och få fler spontanbesök.</p><p>De centrala slutsatserna för uppsatsen är att vi har hitta flera kluster i de olika branscherna, bland annat motor och klädkluster. Vi har kommit fram till att Centralortsteorin stämmer bra i vissa handelsområden tillexempel bostadsområden som har underlag för produkter med kort räckvidd och lågt tröskelvärde.</p>
5

En studie om segregation i Borlänge : Vilken påverkan har bostädernas upplåtelseform haft på segregation svenska städer?

Fellström, Jonas January 2021 (has links)
Boendesegregation innebär att personer med olika socioekonomisk bakgrund, etnicitet och demografisk karaktär bor på olika platser. Denna studie har identifierat vilka mekanismer som påverkat segregationen baserat på etnicitet med fokus på bostädernas upplåtelseform. Det erhålls även kunskap om vilka mekanismer som påverkar segregationsprocesserna i svenska städer. En särskild fokusering har skett på Borlänge och övriga kommuner med mellan 40 000 – 70 000 invånare. I studiens kvantitativa undersökning har det genomförts en nationell segregationsanalys av svenska städer i olika storlekar. Det har även genomförts regressionsanalyser som visar hur stor del av personer med utländsk bakgrunds överrepresentation i hyresrätter som korrelerar med andra variabler. Studien visar att fördelningen av bostädernas upplåtelseformer påverkar den rumsliga fördelningen av människor utifrån demografiska, socioekonomiska och etniska faktorer. Med stöd av teorin om rumslig assimilering kunde en betydande del av den etniska segregation som finns i svenska städer förklaras av socioekonomiska och demografiska orsaker. Det återstod emellertid fortfarande en betydande etnisk segregation när bakomliggande skillnader mellan personer med svensk och utländsk bakgrund beaktades. I syfte att utreda orsakerna till detta har teorierna om platsstratifiering och etnisk klustring applicerats.
6

Textsammanfattning av sökresultat

Piazzolla, Pontus January 2015 (has links)
Sökmotorer och annan datorkraft för att hitta information har kommit att bli en central del för många människors användande av internet. I takt med tiden blir mer och mer information tillgänglig och i och med det ställs högre krav på programvaror som hjälper användare att hitta rätt. Den här rapporten nystar i ett nytt sätt att ta fram ett underlag till användare för att de ska kunna välja bort och fokusera på det mest relevanta sökresultatet först. Underlaget presenteras för användare tillsammans med sökresultatet. Grundtekniken som används är automatisk sammanfattning. Rapporten innehåller bakgrund till problemet, målsättning och en beskrivning av hur implementeringen av en prototyp genomfördes. Rapporten innehåller även en kort teoretisk bakgrund. Resultaten tillsammans med prototypen presenteras med testfall. I slutet av rapporten diskuteras även en möjlig framtid för konceptet. / Search engines to find information have become a central part of many peoples use of the internet. For every minute more and more information becomes available and this creates demands for better software which helps users to find the information relevant to their search. This thesis gives an overview for a new way of sorting and presenting search results which could help users make better decisions on what information to focus on first. The main techniques are those used for automatic summarization of texts. The thesis includes a background to the problem, goal and how the implementation of a proof- of-concept was done. It also includes a short theoretical background. The result together with the proof-of-concept is presented together with some test cases. A final discussion on a possible future for the concept is also made.
7

Klustringsanalys av driftarbanor i norska havet

Brask, Axel, Fageräng, Rasmus January 2023 (has links)
No description available.
8

Clustering and classification of prepaid mortgages / Klustring och klassificering av förbetalda bostadslån

Atli Thorsteinsson, Jakob January 2023 (has links)
This thesis aims to cluster and classify mortgages issued by a financial institution. The aim is to apply machine learning techniques on historical data in order to discover a possible structure and predictability in prepaid mortgages. To discover the underlying structure of the data \textit{k}-means clustering on principal components is performed to cluster customers with mortgages.A logistic regression model is trained to predict how likely (future) customers with mortgages are to prepay their loans, hence moving them to another institution. The classification model is evaluated using confusion matrices for different levels of thresholds. The results show that based on historical data the model detects clusters which include a higher proportion of mortgages being prepaid. This indicating an underlying structure which can be used to determine a riskiness of leaving for customers within each cluster. The results from the logistic regression show a significant improvement in precision by using a high threshold in the classification. / Målet med uppsatsen är att gruppera och klassificera bostadslån utställda av en finansiell institution. Målet är att tillämpa maskininlärningstekniker på historisk data för att upptäcka en möjlig struktur och förutsägbarhet i förskottsbetalda bostadslån.För att upptäcka den underliggande strukturen i datamängden utförs \textit{k}-means klustring på principalkomponenter för att gruppera kunder med bostadslån. En logistisk regressionsmodell tränas för att förutsäga hur sannolikt det är att (framtida) kunder med bostadslån kommer att förskottsbetala sina lån, och därmed flytta dem till en annan institution. Klassificeringsmodellen utvärderas med hjälp av förvirringsmatriser för olika tröskelnivåer. Resultaten visar att baserat på historisk data upptäcker modellen kluster som innehåller en högre andel förskottsbetalda bostadslån. Detta indikerar en underliggande struktur som kan användas för att bestämma risken för att kunder inom varje kluster lämnar institutionen. Resultaten från den logistiska regressionsmodellen visar en betydande förbättring av precisionen genom att använda en hög tröskel vid klassificeringen.
9

Clustering of the Stockholm County housing market / Klustring av bostadsmarknaden i Stockholms län

Madsen, Christopher January 2019 (has links)
In this thesis a clustering of the Stockholm county housing market has been performed using different clustering methods. Data has been derived and different geographical constraints have been used. DeSO areas (Demographic statistical areas), developed by SCB, have been used to divide the housing market in to smaller regions for which the derived variables have been calculated. Hierarchical clustering methods, SKATER and Gaussian mixture models have been applied. Methods using different kinds of geographical constraints have also been applied in an attempt to create more geographically contiguous clusters. The different methods are then compared with respect to performance and stability. The best performing method is the Gaussian mixture model EII, also known as the K-means algorithm. The most stable method when applied to bootstrapped samples is the ClustGeo-method. / I denna uppsats har en klustring av Stockholms läns bostadsmarknad genomförts med olika klustringsmetoder. Data har bearbetats och olika geografiska begränsningar har använts. DeSO (Demografiska Statistiska Områden), som utvecklats av SCB, har använts för att dela in bostadsmarknaden i mindre regioner för vilka områdesattribut har beräknats. Hierarkiska klustringsmetoder, SKATER och Gaussian mixture models har tillämpats. Metoder som använder olika typer av geografiska begränsningar har också tillämpats i ett försök att skapa mer geografiskt sammanhängande kluster. De olika metoderna jämförs sedan med avseende på kvalitet och stabilitet. Den bästa metoden, med avseende på kvalitet, är en Gaussian mixture model kallad EII, även känd som K-means. Den mest stabila metoden är ClustGeo-metoden.
10

Concept description genom klustring / Concept description by cluster analysis

Rydin, Evy January 2007 (has links)
Concept description är en data mining-uppgift som strävar efter en begripligbeskrivning av koncept och klasser, inte exakta prediceringar. Syftet medstudien är att visa hur prototypbaserad klustring kan skapa förståelse för endatamängds underliggande domän, enligt concept description. Experimenthar utförts med data från pokerdomänen. Datamängden samlades in från ettlow-limit, shorthanded bord, hos en av de stora Internetsiterna för onlinepokerspel. De två experimenten utfördes med samma datamängd, men däruppsättningen attribut skiljde sig åt. Klustringen utfördes med denprototypbaserade klustringsalgoritmen K-means. För att data mining–uppgiften skulle lösas på tillfredställande vis, presenterades experimentensresultat i diagram och tabeller som var möjliga att analysera. Klustren somexperimenten resulterade i visar sig vara väl separerade. Den doldainformationen, som lyftes fram av klustringsexperimenten, kunde verifierasav domänens teori. Analysen av resultatet visade att klustring med denprototypbaserade klustringsalgoritmen K-means är en metod som går bra attanvända för att skapa förståelse i en datamängds underliggande domän. / Uppsatsnivå: D

Page generated in 0.097 seconds