+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Методы и модели интеллектуального анализа данных в задачах управления в социальных и экономических системах

  • Автор:

    Орешков, Вячеслав Игоревич

  • Шифр специальности:

    05.13.10

  • Научная степень:

    Кандидатская

  • Год защиты:

    2013

  • Место защиты:

    Рязань

  • Количество страниц:

    221 с. : ил.

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы


СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. ОБЗОР И СРАВНИТЕЛЬНЫЙ АНАЛИЗ ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ, МОДЕЛЕЙ И МЕТОДОВ DATA MINING
1.1. Постановка задачи
1.2 Классификация и сравнительный анализ инструментов DM
1.3. Выбор класса DM-инструментов для реализации аналитического
проекта масштаба предприятия
Выводы по 1-й главе
ГЛАВА II. РАЗРАБОТКА ДВУХУРОВНЕВОГО СЦЕНАРНОГО ПОДХОДА К РЕАЛИЗАЦИИ DM-ПРОЕКТОВ НА ОСНОВЕ АНАЛИТИЧЕСКИХ ПЛАТФОРМ
2.1. Постановка задачи
2.2 Разработка 2-уровневого сценарного подхода к организации аналитического процесса
2.4. Разработка сценариев II уровня
2.4.1. Сценарий построения модели численного предсказания на основе нейронной сети
2.4.2 Сценарий для построения классификационной модели на основе дерева решений
2.4.3 Построение кластерной модели на основе карты Кохонена
2.4.4. Построение ассоциативной классификационной модели на основе метода Apriori
2.5. Разработка интеллектуальной модели для оценки сложности аналитических проектов
ГЛАВА 3. РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОЙ МОДЕЛИ УРОЖАЙНОСТИ ЗЕРНОВЫХ ПО ДАННЫМ АГРОХИМИЧЕСКОГО ОБСЛЕДОВАНИЯ ПОЧВ
3.1. Постановка задачи

3.2. Исходные данные для моделирования
3.2. Построение нейросетевой модели урожайности
3.3. Моделирование урожайности с помощью деревьев решений
3.4.1. Постановка задачи
3.4.2. Построение карты Кохонена
3.4.2. Обучение карты Кохонена
3.4. Моделирование урожайности на основе ассоциативного анализа
3.4.1. Постановка задачи
3.6.2. Генерация ассоциативных правил
3.5.3. Актуальность ассоциативных правил
3.6.4. Ассоциативные модели
3.6.5. Практическая работа с ассоциативной моделью
3.5. Оценка обобщающей способности моделей урожайности
3.6. Построение ансамбля моделей
3.6.1 Выбор метода построения ансамбля
3.6.2. Построение ансамбля моделей на основе стекинга
Выводы по 3-й главе
ГЛАВА 4. РАЗРАБОТКА БИНАРНОЙ КЛАССИФИКАЦИОННОЙ МОДЕЛИ ДЛЯ АНАЛИЗА КЛИЕНТСКОЙ БАЗЫ КРЕДИТНОЙ ОРГАНИЗАЦИИ
4.1. Постановка задачи
4.2. Описание источника данных
4.3. Снижение размерности исходных данных
4.3. Построение моделей отклика
Выводы по 4 главе
Заключение
БИБЛИОГРАФИЧЕСКИЙ СПИСОК

ВВЕДЕНИЕ
Актуальность темы исследования. Ключевым фактором обеспечения качественного управления в социальных и экономических системах является организация непрерывного поиска новых, нетривиальных, практически полезных и доступных для интерпретации знаний, необходимых для эффективной поддержки принятия управленческих решений (УР). Важнейшим инструментом поиска таких знаний является глубокий и всесторонний анализ данных, описывающих процессы и явления, протекающие в социальных и экономических системах, с использованием современных информационных технологий.
Высокая динамика и сложность современной экономической и социальной сфер предъявляет особые требования к организации таких исследований. Смещение центров принятия УР от высших эшелонов управления на уровень специалистов, непосредственно интегрированных в социальные, экономические и бизнес процессы, требует разработки методов и моделей анализа данных, которые могут применяться на практике широким кругом лиц, не имеющими специального образования. Результаты анализа должны быть обобщаемы и тиражируемы для возможности применения построенных моделей для решения аналогичных задач на новых данных.
Наиболее перспективным направлением информационных технологий, используемым для организации поддержки принятия решений в социальных и экономических системах, в настоящее время является интеллектуальный анализ данных (НАД), также известный как Data Mining (DM) - раскопка, разработка данных. Это междисциплинарное направление, включающее элементы искусственного интеллекта, математической статистики и машинного обучения, применяемых для решения задач численного предсказания, классификации, кластеризации и ассоциативного анализа.
Вместе с тем DM не дает шаблонов готовых решений и не предписывает строгих алгоритмов для той или иной задачи анализа. Он представляет собой методологию организации аналитической обработки данных, приемы и методы которой позволит извлечь из них максимум полезных знаний. Ядром

I He разделять
j Выбор АФ I Крутизна

Настройка полей —| Непригодное | —| Неиспользуемое | —{Информационное |

Тестовое <—| Случайно |
множество 4—|По порядку |

Настройка конфигурации «—{Число нейронов] «_| Число слоев ]
Шаг | подъема
Resilient
propagation
Выбор
алгоритма
обучения
| Средняя ошибка < ~|—* | Макс ошибка < | >
Распознано примеров, %

Propagation
Скорость
обучения
Параметры
остановки
Ошибка распознавания
Макс число итераций
Процесс
обучения

«—| Запуск ~|
<—| Пара |
*—|Остановка |
Граф НС
Обучаюшцй набор
Визуализация
результатов
обучения
»{Таблица сопряжснности| >| Диаграмма рассеяния~|
Рисунок 2.5. Сценарий построения НСМ.
Для решения задач численного предсказания и классификации в рамках ОМ наиболее предпочтительной архитектурой является плоскослоистая НС прямого распространения с последовательными связями (рис. 2.6) [26].

Рисунок 2.6. Плоскослоистая НС с последовательным связями.
Нейроны в таких сетях топологически объединены в слои, при этом каждый нейрон следующего слоя получает сигналы с выходов всех нейронов предыдущего слоя. Слой сети, на который подаются элементы входного вектора ■■Хп), называют входным, а с которого снимаются элементы выход-

Рекомендуемые диссертации данного раздела

Время генерации: 0.148, запросов: 967