Автоматизация проектирования систем интеллектуального анализа данных : В сфере энергетики и регионального управления

Автоматизация проектирования систем интеллектуального анализа данных : В сфере энергетики и регионального управления

Автор: Козырев, Михаил Александрович

Шифр специальности: 05.13.12

Научная степень: Кандидатская

Год защиты: 2004

Место защиты: Иваново

Количество страниц: 212 с. ил.

Артикул: 2620801

Автор: Козырев, Михаил Александрович

Стоимость: 250 руб.

Автоматизация проектирования систем интеллектуального анализа данных : В сфере энергетики и регионального управления  Автоматизация проектирования систем интеллектуального анализа данных : В сфере энергетики и регионального управления 

Оглавление
Введение.
Глава 1. Современные подходы к организации аналитической обработки данных в системах поддержки принятия решений
1.1. Концепция хранилищ данных основа среды поддержки принятия решений.
1.2. Методы и средства аналитической обработки данных.
1.2.1. Системы регламентированной отчетности.
1.2.2. Оперативная аналитическая обработка данных
1.2.3. Интеллектуальный анализ данных
1.2.4. Соотношение концепций интеллектуального анализа и оперативной аналитической обработки данных.
1.3. Обзор существующих инструментальных средств
1.3.1. i.
1.3.2.
1.3.3.
1.3.4. ЗАО Прогноз.
1.3.5.
1.4. Выводы по главе 1
Глава 2. Методы организации интеллектуального анализа данных в среде поддержки принятия решений
2.1. Программный комплекс ИнфоВизор основа организации среды поддержки принятия решений.
2.2. Методы организации интеллектуального анализа данных
2.2.1. Метод организации интеллектуального анализа в среде многомерной аналитической обработки
2.2.2. Метод организации интеллектуального анализа детализированных данных.
2.3. Выводы по главе 2
Глава 3. Адаптация методов интеллектуального анализа данных для применения в среде поддержки принятия решений.
3.1. Реализация методов интеллектуального анализа данных в среде оперативной аналитической обработки.
3.1.1. Организация информационного взаимодействия методов с хранилищем данных.
3.1.2. Метод главных компонент.
3.1.3. Кластерный анализ.
3.1.4. Визуализация многомерных данных.
3.1.5. Расширение аналитической функциональности методов.
3.2. Реализация методов интеллектуального анализа детализированных данных
3.2.1. Организация информационного взаимодействия методов с хранилищем данных.
3.2.2. Нейронные сети
3.2.3. Деревья решений
3.3. Выводы по главе 3.
Глава 4. Проектирование средств интеллектуального анализа данных в прикладных информационных системах.
4.1. Технология автоматизированного проектирования информационноаналитических систем.
4.1.1. Проектирование хранилища данных
4.1.2. Технология проектирования средств интеллектуального анализа данных.
4.2. Информационноаналитическая система по топливноэнергетическому балансу Ивановской области.
4.3. Информационноаналитическая система по социальноэкономическому положению регионов.
4.4. Информационноаналитическая система по энергосбережению в сфере образования
4.5. Выводы по главе 4
Заключение
Список литературы


Неизменчивость предполагает, что однажды загруженные данные теоретически никогда не меняются. Еще одна особенность хранилища данных - независимость от времени. Поддержка хронологии означает, что данные хронологически структурированы и отражают историю за достаточный период времени для выполнения задач прогнозирования. Обеспечение указанных положений, учитывая очень большие объемы данных, создают сложности в их обработке. Возникает необходимость поместить данные в определенный контекст, выявить их место в общей картине предметной области и цель их использования, сделать их полными и точными. Данная проблема управления данными решается при помощи метаданных (metadata). Метаданные довольно точно можно определить как «данные о данных» []. Метаданные хранятся в базе данных метаданных, или репозитории. Существует несколько классификаций метаданных. В наиболее общем виде следует выделить две категории: технические метаданные, используемые разработчиками и администраторами, и бизнес-метаданные, применяемые пользователями. ХД. В общем виде хранилище данных функционирует по следующему сценарию [, С. По заданному регламенту в него собираются данные из систем оперативной обработки и внешних источников. В хранилище поддерживается хронология: наравне с текущими хранятся исторические данные с указанием времени, к которому они относятся. В результате необходимые доступные данные об объекте управления собираются в одном месте, приводятся к единому формату, согласовываются и, в ряде случаев, агрегируются до минимально требуемого уровня обобщения. Концепция хранилищ данных - это концепция, регламентирующая не конечный продукт, а технологию. За время существования данной концепции аналитики разработали достаточно много различных видов архитектур корпоративных НАС на основе хранилищ данных, предназначенных для поддержки принятия решений. При этом большинство модификаций классической (двухуровневой) архитектуры ХД связано с понятием витрины данных (Data Mart) []. Иногда эти структуры хранения данных называют также киосками данных []. Витрины данных можно представить в виде логически или физически разделенных подмножеств ХД [, С. Концепция хранилищ данных ориентирована исключительно на хранение, а не на обработку корпоративных данных. Она не предопределяет архитектуру целевых аналитических систем, а только создает поле деятельности для их функционирования, концентрируясь на требованиях к данным []. Сфера детализированных данных. Поддержка принятия решений здесь достигается за счет получения наиболее полной информации об интересующих информационных объектах, а также о связях между ними. К средствам, обеспечивающих такой взгляд на данные, относятся генераторы запросов, информационно-поисковые системы (ИПС) [, ]. Сфера агрегированных показателей. Целью данной сферы является комплексный взгляд на собранную информацию, ее агрегация и многомерный анализ. Данная задача выполняется посредством систем оперативной аналитической обработки данных (OLAP) [, , ]. Сфера закономерностей. Здесь информационная поддержка осуществляется за счет нахождения закономерностей в накопленной информации и использования их для выявления аномалий и прогнозирования изучаемых бизнес-процессов. Такая обработка производится при помощи интеллектуального анализа данных (ИАД) [1, , , ]. За рамками приведенной классификации остались системы регламентированной отчетности, имеющие большое практическое значение. OLAP); средства интеллектуального анализа данных (ИАД). Весь набор перечисленных средств часто называется общим термином Business Intelligence (BI) [6, ]. Следует отметить, что средства аналитической обработки могут использовать в качестве исходного материала для анализа любые данные, в том числе базы отдельных систем оперативной обработки. Но наибольшего эффекта можно добиться при анализе корпоративного хранилища данных, содержащего максимально полный объем актуальных и исторических сведений обо всех аспектах деятельности исследуемой системы и ситуации вокруг нее. В результате полную структуру ИАС можно обобщенно представить следующим образом (рис. Рис.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.206, запросов: 244