Курсовая работа - Вариант 1, Филиппов Ф.В. (Технологии обработки информации, ТОИ)

Архив содержит полный отчёт WORD + все файлы для 3 задания (анимация SVG)

Задание № 1: Понижение размерности данных

Исследовать эффективность методов PCA и SVD для понижения размерности данных.

В качестве исходных данных для анализа следует самостоятельно выбрать изображение в формате jpg. Размер изображения должен быть не менее 400 х 400 пикселей.

В ходе исследования необходимо проделать следующее:

-     выбрать и обосновать количество главных компонент, достаточное для качественной визуализации;

-     оценить выигрыш сжатого изображения по объему, по сравнению с оригиналом;

-     оценить количество «утраченной» информации;

-     выяснить зависит ли достаточное число компонент для качественной визуализации от характера изображения (если да, то оценить эту зависимость).

Задание № 2:  Кластеризация данных

Исследовать возможности классификации данных с использованием алгоритмов t-SNE и UMAP.

Исходные данные для анализа загрузить из ресурса Wine Quality (http://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality /) репозитария. Варианты заданий (номер варианта определяется последней цифрой номера зачетки) приведены в табл. 2.

                                                                                              Таблица 2

Варианты задания

Нечетная цифра

 winequality-white.csv

Основная задача исследования состоит в определении качества субъективной оценки экспертов и формированию обоснованной кластеризации вин.

Исследование должно содержать:

-     описание исследуемого набора данных,

-     подготовку данных для анализа,

-     план и решаемые задачи,

-     выбор используемых функций и описание их параметров,

-     результаты исследования,

-     аргументированные выводы.

Программный код должен быть снабжен подробным комментарием.

 Задание № 3: Обработка графической информации

Визуализировать отрывок сказки К.И.Чуковского «Муха-цокотуха» с использованием технологии SVG, соответствующий номеру фрагмента. Номер своего фрагмента определяется последней цифрой номера зачетной книжки:

1)Тараканы прибегали,

Все стаканы выпивали,

 А букашки -

По три чашки

С молоком

И крендельком:

Нынче Муха-Цокотуха

Именинница!

Как минимум, созданный фрагмент должен включать анимацию действия «героев» с использованием технологии SVG, а также звуковое сопровождение соответствующего фрагмента сказки (его можно вырезать, например из https://deti-online.com/audioskazki/skazki-chukovskogo-mp3/muha-cokotuha/). Звуковое сопровождение должно быть синхронизировано с визуальной анимацией.

Результирующий (исполнительный) файл должен иметь расширение svg. Не забудьте приложить все дополнительные файлы (аудио и, возможно jpg, png, gif и внешние svg и т.п.) и проверить работоспособность вашего продукта на разных браузерах.

ВВЕДЕНИЕ 4

Задание № 1: Понижение размерности данных 6

1. Постановка задачи 6

1.1. Задание на курсовую работу 6

1.2. Загрузка и подготовка исходных данных для анализа 6

2. Основные сведения необходимые для выполнения курсовой работы 7

2.1. Главные теоретические положения лежащие в основе решения поставленной задачи 7

2.2. Описание используемых библиотечных функций с примерами 10

3. Решение поставленной задачи 13

3.1. Программный код с подробными комментариями 13

3.2. Полученные результаты с выводами, пояснения полученных графических материалов 15

2. Задание № 2: Кластеризация данных 19

1. Постановка задачи 19

1.1. Задание на курсовую работу 19

1.2. Загрузка и подготовка исходных данных для анализа 19

2. Основные сведения необходимые для выполнения курсовой работы 20

2.1. Главные теоретические положения лежащие в основе решения поставленной задачи 20

2.2. Описание используемых библиотечных функций с примерами 20

3. Решение поставленной задачи 26

3.1. Программный код с подробными комментариями 26

3.2. Полученные результаты с выводами, пояснения полученных графических материалов 27

3. Задание № 3: Обработка графической информации 28

1. Постановка задачи 28

1.1. Задание на курсовую работу 28

1.2. Загрузка и подготовка исходных данных для анализа 28

2. Основные сведения необходимые для выполнения курсовой работы 29

2.1. Главные теоретические положения лежащие в основе решения поставленной задачи 29

2.2. Описание используемых библиотечных функций с примерами 29

3. Решение поставленной задачи 32

3.1. Программный код с подробными комментариями 32

3.2. Полученные результаты с выводами, пояснения полученных графических материалов 33

ЗАКЛЮЧЕНИЕ 35

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 36

1.    Machine Learning Repository [Электронный ресурс]. ‒ URL: http://archive.ics.uci.edu/ml/index.php.

2.    Филиппов Ф.В. Обработка графической информации в формате SVG : учебное пособие : часть 1 / Ф. В. Филиппов ; СПбГУТ. – СПб., 2017. – 84 с.

3.    Филиппов Ф.В. Обработка графической информации в формате SVG : учебное пособие : часть 2 / Ф. В. Филиппов ; СПбГУТ. – СПб., 2017. – 36 с.

4.    Метод главных компонент [Электронный ресурс]. ‒ URL:  

https://rcs.chemometrics.ru/old/Tutorials/pca.htm

5.    Метод главных компонент: введение (примеры на R) [Электронный ресурс]. ‒ URL: 

https://rpubs.com/AllaT/pca-intro

6.    Как уменьшить количество измерений и извлечь из этого пользу (SVD примеры на R) [Электронный ресурс]. ‒ URL: 

https://habr.com/ru/post/275273/

7.    Препарируем t-SNE [Электронный ресурс]. ‒ URL: 

https://habr.com/ru/post/267041/

8.    Обзор нового алгоритма уменьшения размерности UMAP [Электронный ресурс]. ‒ URL: https://habr.com/ru/company/newprolab/blog/350584/ 

9.    Uniform Manifold Approximation and Projection in R [Электронный ресурс]. ‒ URL: 

https://cran.r-project.org/web/packages/umap/vignettes/umap.html