Minimum description length in boolean matrix factorization

Mgr. Martin TRNEČKA, Ph.D.

Rigorózní práce

Anotace:

V oblasti analýzy dat patří Booleovská dekompozice matic (BMF) mezi významné směry výzkumu. V minulosti byl v oblasti BMF úspěšně použit minimum description length (MDL) princip pro řešení model order selection problému, avšak BMF algoritmus, používající MDL jako hlavní kritérium pro výběr faktorů chybí. V této práci je představen nový algoritmus, který je založený na formální konceptuální analýze, pro from-below BMF, která je speciálním typem Booleovské dekompozice. Představený algoritmus používá MDL jako hlavní kritérium pro výběr faktorů. Na různých experimentech je ukázáno, že prezentovaný algoritmus překonává existující BMF algoritmy.

Abstract:

During the past few years Boolean matrix factorization (BMF) has become an important direction in data analysis. The minimum description length principle (MDL) was successfully adapted in BMF for the model order selection. Nevertheless, an BMF algorithm performing good results from the standpoint of standard measures in BMF is missing. In this thesis, we propose a novel from-below Boolean matrix factorization algorithm based on formal concept analysis. The algorithm utilizes the MDL principle as a criterion for the factor selection. On various experiments we show that the proposed algorithm outperforms-from di?erent standpoints-existing state-of-the-art BMF algorithms.

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 6. 5. 2019

Obhajoba závěrečné práce

UNIVERZITA PALACKÉHO V OLOMOUCI

Přírodovědecká fakulta

Rigorózní řízení / obor:
Informatika / Informatika