Metody strojové klasifikace pro výběr optimálního estimátoru křivosti

Filip HÁCHA

Bachelor's thesis

Machine classification methods for selecting the optimal curvature estimator

Abstract:

Cílem této práce je návrh a konstrukce mechanismu pro výběr optimálního estimátoru křivosti polygonálních sítí. Pro vyřešení problému bylo vyzkoušeno několik přístupu z oblasti strojového učení, jako rozhodovací stromy, neuronové sítě, metody shlukování a lineární regrese. Vytvořené řešení umožňuje predikci estimátoru na základe vlastností polygonální sítě s vyšší úspěšností, než nabízí využití mechanismů implementovaných ve výzkumu, na který tato práce přímo navazuje.

Abstract:

Machine learning methods of selection optimal curvature estimator. The goal of this thesis is to design and create mechanism for selecting optimal curvature estimator for polygonal meshes. Several approaches of machine learning, such as decision trees, neural networks, clustering methods and linear regression have been tried to solve this problem. The created solution allows prediction of the optimal estimator based on the properties of a polygonal mesh with higher success than mechanism implemented in the research, which is directly linked to this work.

Keywords

Křivost, trojúhelníkové sítě, klasifikace, strojové učení, rozhodovací strom, neuronová síť, shlukování, lineární regrese, analýza hlavních komponent

Language used: Czech

Date on which the thesis was submitted / produced: 2. 5. 2019

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Doc. Ing. Libor Váša, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Bachelor programme / field:
Computer Science and Engineering / Information Technologies