M. Lukausko daktaro disertacijos „Robastinių klasterizavimo algoritmų plėtojimas“ gynimas

Autorius, institucija: Mantas Lukauskas, Kauno technologijos universitetas

Mokslo sritis, kryptis: gamtos mokslai, informatika, N009

Mokslinis vadovas: prof. dr. Tomas Ruzgas (Kauno technologijos universitetas, gamtos mokslai, informatika, N009)

Informatikos mokslo krypties disertacijos gynimo taryba:
prof. habil. dr. Rimantas Barauskas (Kauno technologijos universitetas, gamtos mokslai, informatika, N009) – pirmininkas
vyr. m. d. dr. Gražina Korvel (Vilniaus universitetas, gamtos mokslai, informatika, N009)
dr. Mantas Mikaitis (Lidso universitetas, Jungtinė Karalystė, gamtos mokslai, matematika, N001)
prof. dr. Alfonsas Misevičius (Kauno technologijos universitetas, gamtos mokslai, informatika, N009)
prof. dr. Agnė Paulauskaitė-Tarasevičienė (Kauno technologijos universitetas, gamtos mokslai, informatika, N009)

Disertacijos gynimas vyks Kauno technologijos universiteto Rektorato salėje (K. Donelaičio g. 73-402, Kaunas)

Su disertacija galima susipažinti Kauno technologijos universiteto bibliotekoje (Gedimino g. 50, Kaunas)

Anotacija: Ši disertacija nagrinėja patikimų ir veiksmingų duomenų klasterizavimo metodų kūrimą bei vertinimą. Atsižvelgiant į kintančią duomenų analizės svarbą ir poreikį, klasterizavimo algoritmai tampa esminiu įrankiu sprendžiant sudėtingas duomenų apdorojimo ir interpretavimo problemas įvairiose srityse, tokiose kaip bioinformatika, vaizdo apdorojimas, natūralios kalbos apdorojimas ir socialinių tinklų analizė. Disertacijos tikslas yra sukurti ir ištirti robastinius duomenų klasterizavimo metodus, kurie galėtų efektyviai ir tiksliai grupuoti heterogeninius duomenis net esant triukšmui ar ekstremalioms reikšmėms. Tyrimo metu buvo analizuoti šiuo metu naudojami klasterizavimo metodai, jų veikimo principai ir dažniausios problemos, tokios kaip triukšmas ir trūkstami duomenys. Siekiant išspręsti šias problemas, buvo sukurti nauji klasterizavimo algoritmai ir jų modifikacijos, kurios pasirodė esą pranašesnės už tradicinius metodus. Disertacijoje pasiūlyti algoritmai pagrįsti apvertimo formulės tankio įverčiu, kurie rodo didesnį tikslumą lyginant su esamais metodais. Atlikta lyginamoji analizė atskleidžia, kad naujieji metodai, tarp jų ir įvairios jų modifikacijos, pasiekia geresnius rezultatus lyginant su tradiciniais metodais, tokiomis kaip k-vidurkių klasterizacija. Tyrimai parodė, kad šie metodai ne tik tiksliau grupuoja duomenis, bet ir pasižymi didesniu atsparumu triukšmui bei ekstremalioms reikšmėms. Disertacijoje aprašyti metodai buvo pritaikyti sprendžiant realias problemas, tarp jų ekonominių duomenų analizę, tekstinių darbo skelbimų analizę ir jų klasterizavimą. Nauji metodai pasirodė itin naudingi dideliems nestruktūruotų duomenų rinkinams, nors kai kuriais atvejais jų taikymą riboja didelės skaičiavimo sąnaudos. Disertacijos tyrimų rezultatai buvo pristatyti tarptautinėse mokslinėse konferencijose ir publikuoti moksliniuose straipsniuose, o nauji algoritmai rado praktinį pritaikymą verslo ir mokslinių projektų veikloje. Be to, pateiktos metodų taikymo rekomendacijos buvo cituojamos ir naudojamos kitų tyrėjų darbams.