Tato diplomová práce pojednává o dvou algoritmech pro dolování z proudu dat - Very Fast Decision Tree (VFDT) a Concept-adapting Very Fast Decision Tree (CVFDT). Je vysvětlen princip klasifikace rozhodovacím stromem. Je popsána základní myšlenka konstrukce stromu Hoeffding Tree, který je základem pro algoritmy VFDT a CVFDT. Tyto algoritmy jsou poté rozebrány detailněji. Dále se tato práce zabývá návrhem algoritmu Genetického Programování (GP), který je použit pro vytváření klasifikátoru obrazových dat. Vytvořený klasifikátor je použit jako alternativní způsob klasifikace objektů v obraze ve frameworku Viola-Jones. V práci je rozebrána implementace algoritmů, které jsou implementovány v jazyce Java. Algoritmus GP je integrován do knihovny “Image Processing Extension” programu RapidMiner. Algoritmy VFDT a CVFDT jsou testovány na syntetických a reálných textových datech. Algoritmus GP je testován na klasifikaci obrazových dat a následně vytvořený klasifikátor je otestován na detekci obličejů v obraze.

Cette thèse concerne la modélisation numérique de Chambres Réverbérantes à Brassage de Modes (CRBM). Cet outil est utilisé pour les tests en Compatibilité ElectroMagnétique (CEM) de systèmes électroniques variés. L'utilisation de modèles temporel, géométrique et électronique particuliers a été motivée en s'appuyant sur un maximun de paramètres réels. La prise en compte naturelle par la méthode des Volumes Finis dans le Domaine Temporel (VFDT) de géométries complexes autorise la modélisation conforme des équipements rencontrés en CRBM. L'intégration réaliste des pertes est assurée via un filtre temporel spécifique. Ces travaux ont permis de quantifier au mieux les effets de la dissipation numérique VFDT : une technique temporelle hybride Différences Finies/ Volumes Finis adaptée est ainsi proposée. Enfin, différentes améliorations numériques permettent d'optimiser les développements actuels des simulations temporelles en chambre réverbérante sont présentées.

This thesis deals with the data mining in data stream which represents fast developing area of information technology. The text describes common principles of data mining, explains what data stream is and shows methods for its preprocessing and algorithms for following data mining. The special attention is given to the VFDT and the CVDT algorithm. The next mentioned are the spatiotemporal data and related data mining. The second part describes the design and implementation of the application for classification over spatiotemporal data stream represented by road traffic data and following prediction of spatiotemporal events (traffic-jams). The classification is performed by the VFDT and CVFDT algorithm. The application has been tested on the data set obtained by the simulation tool SUMO.