Search the digital library catalog

Abstract: V magistrskem delu se ukvarjamo z razvojem prototipnega sistema za podporo odločanju pri izbiri multimodalne biometrične nadzorne tehnologije. V teoretičnem delu so predstavljene najbolj razširjene metode biometrične identifikacije in verifikacije. Nato smo predstavili sisteme za strojno učenje z metodo podatkovnega rudarjenja. Natančno smo predstavili tudi programsko orodje Orange in utemeljili, zakaj smo ga uporabili. V empiričnem delu naloge smo razvili prototip večkriterijskega odločitvenega modela za pomoč svetovalcem/prodajnikom pri izbiri topologije sistema za potrebe varovanja določenega objekta. Model smo razvili s pomočjo sistema na podlagi strojnega učenja Orange. V modelu smo uporabili naslednje klasifikacijske metode: Naive Beyes, Neural Network, k NN, SVM, Random Forest in Classification Tree. Model smo naučili in validirali na dejanskih podatkih obravnavanega podjetja. Kot najtočnejša metoda pri klasifikaciji se je izkazala metoda klasifikacije Random Forest z natančnostjo klasifikacije CA 98,63 %. Razviti model je pokazal zadovoljivo natančnost pri ustrezni izbiri sistema biometrične identifikacije in verifikacije.
Keywords: pristopna kontrola, biometrija, strojno učenje, klasifikacija, večkriterijski odločitveni modeli
Published in DKUM: 18.10.2016; Views: 3837; Downloads: 178
Full text (2,27 MB)