Σύνοψη: Η συσταδοποίηση είναι μία από τις βασικές εργασίες εξόρυξης γνώσης από δεδομένα. Παρουσιάζονται οι κυριότερη αλγόριθμοι συσταδοποίησης και αναλύεται ο αλγόριθμος Xmeans. O Xmeans Επιτρέπει την ομαδοποίηση των δεδομένων χωρίς να χρειάζεται να προσδιοριστεί ακριβώς ο αριθμός των συστάδων. Το Weka είναι ένα λογισμικό μηχανικής μάθησης όπου περιλαμβάνει τον αλγόριθμο X-means. Η φασματομετρία μάζας είναι μία τεχνική για τον προσδιορισμό της σύστασης-φάσματος ενός χημικού δείγματος ή μορίου. Η συσταδοποίηση χρησιμοποιείται στη φασματομετρία μάζας για την ανάδειξη ομάδων όμοιων φασμάτων, όπου έτσι επιτυγχάνεται η καλύτερη κατανόηση του δείγματος αλλά επίσης και της προέλευσης του. Στην εργασία εφαρμόζεται ο αλγόριθμος X-means, μέσω του Weka σε φάσματα μάζας χημικών ουσιών.
Σύνοψη: Στην εργασία αυτή, παρουσιάζεται η ανερχόμενη μέθοδος εκμάθησης Intercomprehension καθώς και η αξιοποίηση αυτής από το διαδικτυακό εκπαιδευτικό λογισμικό εκμάθησης ξένων γλωσσών ‘Intercom’. Η συγκεκριμένη εφαρμογή στηρίζεται αποκλειστικά στη μεθοδολογία αυτή, η οποία και αναπτύσσει μια μέθοδο διδασκαλίας για την προώθηση της αμοιβαίας κατανόησης, στηριζόμενη σε κοινές στρατηγικές που αξιοποιούν τις μη-γλωσσικές πτυχές της δεκτικής ικανότητας. Το λογισμικό αυτό, αποτελείται από ένα σύνολο διαδικτυακών δραστηριοτήτων αλληλεπίδρασης με σκοπό την εκμάθηση τεσσάρων γλωσσών: Γερμανικά, Πορτογαλικά, Βουλγάρικα και Ελληνικά, αξιοποιώντας παράλληλα δύο γλώσσες οδηγούς (Αγγλικά και Γαλλικά). Η πρωτοτυπία του εκπαιδευτικού αυτού λογισμικού, συνιστάται στην εξέλιξη της συγκεκριμένης μεθόδου διδασκαλίας επεκτείνοντας την και πέρα των γλωσσικών οικογενειών παράλληλα με την αξιοποίηση μη γλωσσικών πτυχών κατά την εκμάθηση μιας ξένης γλώσσας.
Συγγραφέας: Αλμπάνης Πυθαγόρας Λέξεις Κλειδιά: Κατανομή του μέγιστου μήκους ροής επιτυχιών, Σύνδεση του μέγιστου μήκους ροής επιτυχιών στην αξιοπιστία
Σύνοψη: Θεωρούμε μια ακολουθία αποτελεσμάτων n δυαδικών πειραμάτων διατεταγμένων σε γραμμή. Το αποτέλεσμα κάθε πειράματος είναι επιτυχία (S ή 1)ή αποτυχία (F ή 0). Ροή επιτυχιών είναι μια ακολουθία από συνεχόμενες επιτυχίες των οποίων προηγείται και έπεται μια αποτυχία ή τίποτε (αν η ροή επιτυχιών είναι στην αρχή ή στο τέλος της ακολουθίας). Μήκος ροής επιτυχιών είναι ο αριθμός των επιτυχιών που περιλαμβάνονται στη ροή. Η μελέτη των τυχαίων μεταβλητών που σχετίζονται με ροές είναι ιδιαίτερα αποτελεσματική σε πολλά επιστημονικά πεδία, όπως είναι η Στατιστική Συμπερασματολογία, η Βιολογία (ακολουθίες DNA), η Οικολογία και η Αξιοπιστία μηχανικών συστημάτων. Ο σκοπός της εργασίας αυτής είναι να παρουσιάσει μια επισκόπηση αποτελεσμάτων που αφορούν στη μελέτη της κατανομής της τυχαίας μεταβλητής που παριστάνει το μέγιστο μήκος ροής επιτυχιών σε n δυαδικά πειράματα. Η μελέτη γίνεται για την τυχαία μεταβλητή ορισμένη σε ακολουθίες ανεξάρτητων, ανταλλάξιμων και Μαρκοβιανά εξαρτημένων δυαδικών μεταβλητών. Αναπτύσσονται οι μέθοδοι που έχουν χρησιμοποιηθεί για τον προσδιορισμό της κατανομής της μελετούμενης τυχαίας μεταβλητής. Δίνεται επίσης η σύνδεση της αξιοπιστίας ενός γραμμικού συνεχόμενου k-από-τα-n συστήματος αποτυχίας με την κατανομή της μελετούμενης τυχαίας μεταβλητής. Αριθμητικά παραδείγματα διευκρινίζουν περαιτέρω την εφαρμογή των μεθόδων.
Σύνοψη: Η ανάλυση σε κύριες συνιστώσες είναι μια τεχνική μείωσης του δείγματος. Χρησιμοποιείται όταν έχουμε ψηλά συσχετισμένες μεταβλητές. Μειώνει τον αριθμό των αρχικών μεταβλητών σε ένα μικρότερο αριθμό κύριων συνιστωσών που μετρούν τη μεγαλύτερη δυνατή διασπορά του δείγματος. Είναι μια διαδικασία που εφαρμόζεται για μεγάλα δείγματα. Η παραγοντική ανάλυση είναι μια τεχνική μείωσης των μεταβλητών του δείγματος η οποία αναγνωρίζει τον αριθμό των λανθάνουσων δομών και δημιουργεί μια δομή, ένα νέο σύνολο μεταβλητών, τους κοινούς παράγοντες που ερμηνεύουν το δείγμα. Προϋποθέτει μια δομή από μη παρατηρήσιμες μεταβλητές που δεν μπορούν να μετρηθούν άμεσα. Εκτιμά τους παράγοντες εκείνους που έχουν επίδραση και αντανακλούν τις αρχικές μεταβλητές. Επιτρέπει στον ερευνητή να περιγράψει αλλά ακόμη και να αναγνωρίσει τους παράγοντες εκείνους που παριστάνουν το δείγμα. Συμπεριλαμβάνει τους ειδικούς παράγοντες (ειδικά σφάλματα) που οφείλονται για την αναξιοπιστία των μετρήσεων.
Σύνοψη: Πολλά είναι τα προβλήματα απόφασης τα οποία μπορούν να μοντελοποιηθούν ως προβλήματα γραμμικού προγραμματισμού. Πολλές όμως είναι και οι καταστάσεις όπου δεν είναι λογικό να υποτεθεί ότι οι παράμετροι του μοντέλου καθορίζονται προσδιοριστικά. Για παράδειγμα, μελλοντικές παραγωγικότητες σε ένα πρόβλημα παραγωγής, εισροές σε μία δεξαμενή που συνδέεται με έναν υδροσταθμό παραγωγής ηλεκτρικού ρεύματος, απαιτήσεις στους διάφορους κόμβους σε ένα δίκτυο μεταφορών κλπ, είναι καταλληλότερα μοντελοποιημένες ως αβέβαιες παράμετροι, οι οποίες χαρακτηρίζονται στην καλύτερη περίπτωση από τις κατανομές πιθανότητας. Η αβεβαιότητα γύρω από τις πραγματοποιημένες τιμές εκείνων των παραμέτρων δεν μπορεί να εξαλειφθεί πάντα εξαιτίας της εισαγωγής των μέσων τιμών τους ή μερικών άλλων (σταθερών) εκτιμήσεων κατά τη διάρκεια της διαδικασίας μοντελοποίησης. Δηλαδή ανάλογα με την υπό μελέτη κατάσταση, το γραμμικό προσδιοριστικό μοντέλο μπορεί να μην είναι το κατάλληλο μοντέλο για την περιγραφή του προβλήματος που θέλουμε να λύσουμε. Σε αυτή τη διπλωματική υπογραμμίζουμε την ανάγκη να διευρυνθεί το πεδίο της μοντελοποίησης των προβλημάτων απόφασης που παρουσιάζονται στην πραγματική ζωή με την εισαγωγή του στοχαστικού προγραμματισμού.
Σύνοψη: Οι συναρτήσεις Mittag-Leffler χρησιμοποιούνται στις κλασματικές διαφορικές εξισώσεις, διότι η λύση τους εκφράζεται με τις συναρτήσεις Mittag-Leffler και γενικεύσεις αυτών. Η εργασία αυτή αποτελεί ανασκόπηση για τις συναρτήσεις Mittag-Leffler και περιλαμβάνει εκτός από τους ορισμούς αυτών και των γενικεύσεών τους, ιδιότητες και αναδρομικές σχέσεις που ικανοποιούν. Εκφράζουμε γνωστές συναρτήσεις με τη βοήθεια των συναρτήσεων Mittag-Leffler. Βρίσκουμε το μετασχηματισμό Laplace αυτών και των γενικεύσεών τους, διότι ο μετασχηματισμός Laplace είναι μια μέθοδος επίλυσης των κλασματικών διαφορικών εξισώσεων. Τέλος, αναφέρουμε εφαρμογές και προβλήματα, που εκφράζονται μέσω κλασματικών διαφορικών εξισώσεων και δίνουμε τη λύση τους με μορφή συναρτήσεων Mittag-Leffler.
Συγγραφέας: Ζιώγκα Δώρα Λέξεις Κλειδιά: Εκπαιδευτικό λογισμικό, Μέγας Αλέξανδρος, Ιστορία
Σύνοψη: Η παρούσα εργασία αφορά τη διαδικασία ανάπτυξης, σχεδίασης και αξιολόγησης του εκπαιδευτικού λογισμικού «Μέγας Αλέξανδρος: η εκστρατεία του». Η εφαρμογή αναπτύχθηκε πάνω στο «Google Earth» χρησιμοποιώντας τα εργαλεία του και κυρίως τα αρχεία kmz. Παρουσιάζει με αλληλεπιδραστικό και δυναμικό τρόπο ιστορικές και γεωγραφικές πληροφορίες, δραστηριότητες και βίντεο για τους μαθητές. Το λογισμικό κατά τη διαδικασία αξιολόγησής του παρουσιάστηκε σε μαθητές, γυμνασίου και αξιολογήθηκε από αυτούς.
Συγγραφέας: Στραγαλινός Ευάγγελος Λέξεις Κλειδιά: Αποθήκες δεδομένων, Σημαντικά δίκτυα
Σύνοψη: Λαμβάνοντας υπόψη ότι η χρήση των υπολογιστών μεταφέρθηκε από τους ερευνητικούς οργανισμούς στις επιχειρήσεις, διαπιστώνουμε ότι αποτελεί πλέον αναπόσπαστο επιχειρηματικό εργαλείο. Φτάνοντας στις αρχές της δεκαετίας του ‘90, μεγάλοι επιχειρηματικοί και κρατικοί φορείς διέθεταν τεράστιες ποσότητες δεδομένων που θα έπρεπε να εκμεταλλευθούν. Τα παραπάνω σε συνδυασμό με την εδραιωμένη πλέον αντίληψη ότι η πληροφορία αποτελεί το πιο πολύτιμο αγαθό, οδήγησαν στην ανάγκη για εφαρμογές ανάλυσης και επεξεργασίας μεγάλου όγκου δεδομένων. Την λύση δίνουν οι τεχνολογίες των Αποθηκών Δεδομένων (Data warehouses) και της αναλυτικής Επεξεργασίας Δεδομένων (OLAP). Τον τελευταίο καιρό διεξάγεται σημαντική έρευνα σε οντολογίες και σημασιολογικά δίκτυα, όπου πλέον η πληροφορία περιγράφεται εννοιολογικά για να είναι ευκολότερη η ανάκτηση της, η χρησιμοποίηση της και η σύγκριση της, δημιουργείται η ανάγκη εύρεσης ενός νέου συνδυαστικού τρόπου αναπαράστασης της γνώσης. Στην παρούσα διπλωματική εργασία ο αναγνώστης εισάγεται στα σημασιολογικά δίκτυα. Εκεί παρουσιάζονται αναλυτικά τα είδη των σημασιολογικών δικτύων και ιδιαίτερα ορισμένα που χρησιμοποιούνται για την αντιμετώπιση εξαιρέσεων. Δίνετε εισαγωγική περιγραφή της θεωρίας που αναπτύσσεται στις βάσεις δεδομένων με ιδιαίτερη έμφαση στις πολυδιάστατες βάσεις και τις αποθήκες δεδομένων. Παρουσιάζονται αναλυτικά τα OLAP εργαλεία καθώς και οι βασικές έννοιες που τα αποτελούν. Τέλος, γίνεται η παρουσίαση μιας νέας τεχνικής που βασίζεται στις μεθόδους αντιμετώπισης εξαιρέσεων σε ένα σημασιολογικό δίκτυο με σκοπό να επεκτείνει ένα OLAP μοντέλο και να το καταστήσει ικανό να αντιμετωπίσει εξαιρέσεις. Η προτεινόμενη επέκταση επιτρέπει την ύπαρξη εξαιρέσεων μεταξύ των τιμών των διαστάσεων ενός υπερκύβου δεδομένων, οι οποίες παίζουν σημαντικό ρόλο στην σωστή εξαγωγή συμπερασμάτων.
Σύνοψη: Η παρούσα διπλωματική εργασία αποσκοπεί στη μελέτη και την εκπαίδευση των Τεχνητών Νευρωνικών Δικτύων με τη βοήθεια γνωστών μεθόδων, όπως τη μέθοδο όπισθεν διάδοσης σφάλματος (back-propagation), τη μέθοδο adaptive back-propagation, τη momentum back-propagtion και την resilient propagation (RPROP) και τη σύγκριση αυτών. Κατά τη διάρκεια αυτή της εργασίας παρουσιάσαμε τις βασικές αρχιτεκτονικές των Τεχνητών Νευρωνικών Δικτύων και τις διάφορες μεθόδους εκπαίδευσης τους. Μελετήσαμε τις τεχνικές βελτιστοποίησης απόδοσης ενός δικτύου με τη χρήση αλγορίθμων και περιγράψαμε τη γνωστή μέθοδο όπισθεν διάδοσης σφάλματος (back-propagation) αλλά και παραλλαγές αυτής. Τέλος, δώσαμε τα πειραματικά αποτελέσματα από την εκπαίδευση των Τεχνητών Νευρωνικών Δικτύων, με τη βοήθεια των παραπάνω αλγορίθμων, σε πολύ γνωστά και ευρέως χρησιμοποιημένα χαρακτηριστικά προβλήματα πραγματικού κόσμου.
Σύνοψη: Η ανάλυση διασποράς μελετά τη σχέση που έχει μια εξαρτημένη μεταβλητή Υ, τις τιμές της οποίας μπορούμε να παρτηρήσουμε, με τις τιμές ενός παράγοντα Α ή πολλών παραγόντων που είναι και οι ανεξάρτητες μεταβλητές. Είναι κατάλληλη για δεδομένα που βασίζονται πάνω στην έρευνα ή σε πειράματα και μπορεί να χρησιμοποιηθεί είτε οι ανεξάρτητες μεταβλητές είναι ποσοτικές είτε ποιοτικές. Στην παρούσα εργασία, θα χρησιμοποιήσουμε ένα μοντέλο ανάλυσης διασποράς για να μελετήσουμε τις επιρροές των ανεξάρτητων μεταβλητών στην εξαρτημένη μεταβλητή χωρίς περιορισμούς στην φύση της στατιστικής σχέσης καθώς επίσης, θα γίνουν έλεγχοι για να μελετήσουμε αν οι πληθυσμοί μας έχουν ίσες μέσες τιμές ή ίσες διασπορές. Στο πρώτο κεφάλαιο της παρούσας εργασίας παρουσιάζονται τα γενικά χαρακτηριστικά μιας μονοπαραγοντικής ανάλυσης διασποράς καθώς επιίσης και οι έλεγχοι των μέσων τιμών για τις στάθμες του παράγοντα. Στο δεύτερο κεφάλαιο ακολουθεί η παρουσίαση της ανάλυσης των επιδράσεων του παράγοντα και οι διάφορες μέθοδοι για πολλαπλές συγκρίσεις. Επίσης, στο τρίτο κεφάλαιο αναλύεται ο σχεδιασμός των δειγματικών μεγεθών καθώς και οι έλεγχοι για ίσες διασπορές. Τέλος, στο τέταρτο κεφάλαιο αναφέρονται τα γενικά χαρακτηριστικά μιας πολυπαραγοντικής ανάλυσης διασποράς.
Σύνοψη: Η εργασία αποτελεί αντικείμενο ενασχόλησης της οικονομικής θεωρίας, της διοίκησης επιχειρήσεων και της κοινωνιολογίας. Η θεωρία της απασχόλησης, ο καταμερισμός της εργασίας, η εργασία σαν αξία και η ικανοποίηση από την εργασία αποτελούν μερικές πτυχές στον προβληματισμό των παραπάνω επιστημονικών περιοχών. Με τη βοήθεια ερωτηματολογίων και του στατιστικού πακέτου spss αναλύεται η προτίμηση που έχουν εργαζόμενοι από διάφορους κλάδους ανάλογα με το χρόνο απασχόλησης. Αρχικά, αναφέρονται μερικά στατιστικά μέτρα που αναλύονται παρακάτω και περιγράφεται η μέθοδος με την οποία γίνεται η ανάλυση του ερωτηματολογίου και οι συσχετίσεις ανάμεσα στις μεταβλητές. Οι κύριες μέθοδοι που χρησιμοποιούνται είναι ο χι – τετράγωνο έλεγχος και ο συντελεστής συσχέτισης Gamma. Έπειτα, γίνεται ανάλυση του δείγματος παρουσιάζοντας στατιστικούς πίνακες, ραβδογράμματα, διαγράμματα και κυκλικά διαγράμματα που έχουν προκύψει από το spss. Επιπροσθέτως, γίνεται η ανάλυση των συσχετίσεων ανάμεσα στις μεταβλητές και παρουσιάζονται οι πιο ισχυρές συσχετίσεις. Βέβαια, σε κάθε επάγγελμα υπάρχουν επιπλέον ερωτήσεις οι οποίες παρουσιάζονται ξεχωριστά από τις κύριες μεταβλητές που είναι κοινές σε όλο το δείγμα. Τέλος, εξάγονται τα συμπεράσματα από την ανάλυση του δείγματος και στο παράρτημα παρουσιάζεται το ερωτηματολόγιο με όλες τις ερωτήσεις.
Σύνοψη: Η έρευνα αυτή σχεδιάστηκε και πραγματοποιήθηκε με τη χρήση δομημένου ερωτηματολογίου για να καλύψει όψεις για την απασχόληση σε διάφορους τομείς ή κλάδους οικονομικής δραστηριότητας. Η στατιστική έρευνα έγινε στο πλαίσιο του μαθήματος Βιομηχανικής Κοινωνιολογίας για τον Τομέα Διοίκησης και Οργάνωσης του Τμήματος Μηχανολόγων και Αεροναυπηγών Μηχανικών του Πανεπιστημίου Πατρών. Στόχος είναι να διερευνηθούν τα στοιχεία εκείνα που αφορούν τη σημερινή εργασία των ερωτηθέντων, τα στοιχεία που αφορούν το ωράριο της κύριας εργασίας και το βαθμό ικανοποίησης ως προς αυτό. Στην παρούσα εργασία τα στατιστικά στοιχεία αντλήθηκαν από άτομα που ζούσαν σε διάφορα μέρη του ελλαδικού χώρου όπως την Πάτρα, το Αίγιο και την Αθήνα και εργάζονταν στο δημόσιο τομέα, στον ιδιωτικό και ως ελεύθεροι επαγγελματίες. Επιπλέον συμπληρώνονται με δημογραφικά στοιχεία των ερωτηθέντων από την έρευνα, όπως το φύλο, η εκπαίδευση, η οικογενειακή κατάσταση κ.λ.π. Για την επεξεργασία των δεδομένων χρησιμοποιήθηκε το στατιστικό πακέτο SPSS όπου προέκυψαν συσχετίσεις μεταξύ των μεταβλητών και το κριτήριο με το οποίο έγινε ο έλεγχος των μεταβλητών είναι ο χ-τετράγωνο έλεγχος ανεξαρτησίας. Τέλος, έγινε μελέτη και διερεύνηση των συσχετίσεων που προέκυψαν, δίνοντας ιδιαίτερη βαρύτητα στις μεταβλητές που αφορούν το ωράριο εργασίας. Από τα δεδομένα προέκυψαν χρήσιμα συμπεράσματα για το βαθμό ικανοποίησης των εργαζομένων όπως για το ωράριο της κύριας εργασίας και για το επιθυμητό ωράριο.
Σύνοψη: Η παρούσα εργασία αποσκοπεί στη μελέτη του προβλήματος του χρονοπρογραμματισμού γεγονότων, την τοποθέτηση δηλαδή των γεγονότων σε υποδοχείς χρόνου και χώρου, με τη χρήση Γενετικών Αλγορίθμων. Μελετήσαμε τo πρόβλημα του χρονοπρογραμματισμού στην Εκπαίδευση και ειδικότερα σε ένα Πανεπιστήμιο, που εμφανίζεται σε δύο εκδοχές: το πρόβλημα χρονοπρογραμματισμού εξετάσεων και το πρόβλημα χρονοπρογραμματισμού διαλέξεων, καθώς και τα αντίστοιχα πειράματα και τα αποτελέσματα αυτών. Χρησιμοποιώντας το λογισμικό FET που βασίζεται στους Γενετικούς Αλγόριθμους κατασκευάσαμε χρονοδιαγράμματα για το ωρολόγιο πρόγραμμα του Μεταπτυχιακού Προγράμματος του Διατμηματικού του Πανεπιστημίου Πατρών "Μαθηματικά των Υπολογιστών και των Αποφάσεων" των τμημάτων Μαθηματικών και Μηχανικών Η/Υ και Πληροφορικής και παρουσιάσαμε τα αποτελέσματα αυτών.
Σύνοψη: Στην παρούσα εργασία καταγράφεται μία μεθοδολογία για τον συνδυασμό των επιστημών της Κρυπτογραφίας και της Εξόρυξης Δεδομένων. Με τον προτεινόμενο αλγόριθμο είναι δυνατόν η εξόρυξη δεδομένων χωρίς τη γνώση των ίδιων των δεδομένων και προστατεύοντας τα ίδια τα δεδομένα με πολλαπλούς τρόπους. Ο κάτοχος της βάσης δεδομένων απλά μπορεί στη συνέχεια να αποκρυπτογραφήσει με ασφάλεια τους κανόνες που προέκυψαν από την ανάλυση.
Σύνοψη: Σε αυτή την Διπλωματική εργασία μελετήσαμε με ποιο τρόπο μπορούν να εφαρμοστούν οι διάφορες τεχνικές Εξόρυξης Γνώσης (Data Mining) στην εκπαίδευση. Αυτός ο επιστημονικός τομέας o οποίος ερευνά και αναπτύσσει τεχνικές προκειμένου να ανακαλύψει γνώση από δεδομένα τα οποία προέρχονται από την εκπαίδευση ονομάζεται Εξόρυξη Γνώσης από Εκπαιδευτικά Δεδομένα (Educational Data Mining –EDM. Στην εργασία αυτή εκτός από την θεωρητική μελέτη των αλγορίθμων και των τεχνικών που διέπουν την εξόρυξη γνώσης από δεδομένα γενικά, έγινε και μια λεπτομερέστερη μελέτη και παρουσίαση της κατηγορίας των αλγορίθμων κατηγοριοποίησης (Classification), διότι αυτοί οι αλγόριθμοι χρησιμοποιήθηκαν στην φάση της υλοποίησης/αξιολόγησης. Στην συνέχεια η εργασία επικεντρώθηκε στον τρόπο με τον οποίο μπορούν να εφαρμοστούν αυτοί οι αλγόριθμοι σε εκπαιδευτικά δεδομένα, τι εφαρμογές έχουμε στην εκπαίδευση, ενώ αναφερόμαστε και σε μια πληθώρα ερευνών που έχουν πραγματοποιηθεί πάνω στο συγκεκριμένο αντικείμενο. Στην συνέχεια διερευνήσαμε την εφαρμογή τεχνικών κατηγοριοποίησης στην πρόγνωση της επίδοσης μαθητών Δευτεροβάθμιας Εκπαίδευσης στα μαθήματα της Γεωγραφίας Α’ και Β’ Γυμνασίου. Συγκεκριμένα υλοποιήσαμε και θα αξιολογήσαμε έξι αλγορίθμους οι οποίοι ανήκουν στην ομάδα των αλγορίθμων κατηγοριοποίησης(Classification) και είναι αντιπροσωπευτικοί των σημαντικότερων τεχνικών κατηγοριοποίησης. Από την οικογένεια των ταξινομητών με χρήση δένδρων απόφασης (Decision Tree Classifiers) υλοποιήσαμε τον J48, από τους αλγορίθμους κανόνων ταξινόμησης (Rule-based Classification ) τον Ripper, από τους αλγόριθμους στατιστικής κατηγοριοποίησης τον Naïve Bayes, από την μέθοδο των Κ πλησιέστερων γειτόνων (KNN) τον 3-ΝΝ, από την κατηγορία των τεχνητών νευρωνικών δικτύων τον Back Propagation και τέλος από τις μηχανές διανυσμάτων υποστήριξης (Support Vector Machines SVM) τον SMO (Sequental Minimal Optimazation). Όλες οι παραπάνω υλοποιήσεις και αξιολογήσεις έγιναν με το ελεύθερο λογισμικού Weka το οποίο είναι υλοποιημένο σε Java και το οποίο προσφέρει μια πληθώρα αλγορίθμων μηχανικής μάθησης για να κάνουμε εξόρυξη γνώσης.
