Математическое и программное обеспечение системы оперативной обработки и интеллектуального анализа данных, использующей нечеткую логику

• Автор: Вахитов, Александр Робертович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Томск
• Количество страниц: 155 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава 1. Способы обработки знаний и данных
1.1. Модели представления знаний
1.1.1. Использование метода Саати для выбора класса математической модели
1.1.2. Использование интегральных критериев для выбора класса математической модели
1.2. Модели обработки данных
1.2.1. Использование метода Саати для выбора класса модели обработки данных
1.2.2. Использование интегральных критериев для выбора класса модели обработки данных
1.3. Выводы
Глава 2. Разработка моделей и алгоритмов системы оперативной обработки и интеллектуального анализа данных
2.1. Общее описание предметной области
2.2. Проектирование модели представления знаний
2.3. Проектирование КИМПО
2.4. Создание ОЬАР-модели
2.5. Использование интеллектуального анализа данных
2.6. Выводы
Глава 3. Реализация системы оперативной обработки и интеллектуального анализа данных
3.1. Выбор инструментов для реализации системы
3.2. Программная реализация системы
3.3. Визуализация данных
3.4. Внедрение в ФГУП «Томский электротехнический завод»
3.5. Внедрение в Учебном ценгре ТПУ & SoftLine Academy
3.5. Выводы
Заключение
Список цитируемой литературы
Приложение 1. MDX-код для создания модели данных
Приложение 2. Фрагмент asp-кода, описывающего элементы управления формы
Приложение 3. Программный код описания правил нечеткого логического вывода в системе
Приложение 4. Программный код для реализации механизма авторизации
Приложение 5. Документы о внедрении
ВВЕДЕНИЕ
Совершенствование информационных систем (ИС), информационно-поисковых систем, диалоговых систем, базирующихся на естественных языках, интерактивных человеко-машинных систем, используемых в различных областях (управлении процессами и производствами, проектировании, научных исследованиях) во многом определяется тем, насколько успешно будут решаться проблемы представления и обработки знаний.
Успехи в области создания интеллектуальных информационных систем (ИИС) [1, 6, 15, 28, 29, 30, 47, 49, 50, 103] стимулировали применение технологий и методов искусственного интеллекта для решения двух основных задач: повышения скорости обработки данных и расширения функций системы.
Одним из основоположников классического подхода к обработке баз данных (БД) был Э. Кодд [97-101]. Такие БД называются операционными или транзакционными, поскольку они характеризуются огромным количеством транзакций (операций записи-чтения). Компьютерные системы, осуществляющие учет операций и, собственно, доступ к транзакционным базам, принято называть системами оперативной обработки транзакций Online Transactional Processing (OLTP) или учетными системами [18]. Показателем эффективности таких систем является количество транзакций, выполняемых за секунду. Обычно операции над отдельными записями очень малы и не связаны друг с другом. Набор аналитических функций в учетных системах обычно весьма ограничен. Схемы, используемые в OLTP-приложеииях, осложняют создание даже простых отчетов, так как данные чаще всего распределены по множеству таблиц, и для их агрегирования необходимо выполнять сложные операции объединения. Кроме того, что в учетных системах хранятся постоянно изменяющиеся данные. По мере

• Трудность понимания структуры данных из-за появления большого количества таблиц в результате логического проектирования.
• Далеко не всегда предметную область можно представить в виде совокупности таблиц.
Активные и дедуктивные базы данных основываются на правилах. Правила в них играют существенно более важную роль, чем в традиционных реляционных системах [56, 59, 67, 70]. В реляционных БД наиболее важное значение имеет экстенсиональная часть, содержащей факты, а интенсиональная часть, содержащей правила для логического вывода, играет в основном вспомогательную роль. В системах баз данных, основанных на правилах, эти две части как минимум равноправны. По определению [61] БД называется активной, если СУБД по отношению к ней выполняет не только те действия, которые явно указывает пользователь, но и дополнительные действия в соответствии с правилами, заложенными в саму БД. Другим видом баз данных, основанных на правилах, являются дедуктивные базы данных. По определению [17], дедуктивная БД состоит из двух частей: экстенциональной и интенциональной, а правила интенциональной части БД и запросы пользователей могут содержать рекурсию. Зависимость от правил в активных и дедуктивных БД обуславливают таких их свойства, как удобство извлечения отсутствующих данных и наличие интеллектуальных возможностей обработки данных.
Основной принцип реляционной модели - это исключение
повторяющихся полей в ходе процесса нормализации. Данный процесс
является простым и результат часто заключается в отображении единичных
файлов в реляционных таблицах, что приводит к неэффективной обработке
данных. В постреляционных системах предлагается отказаться от
нормализации, что приведет к качественно полезному расширению модели
данных [31, 72, 87, 93, 107]. В постреляционных БД можно создавать
многозначные поля переменной длины, все заказы могут храниться в одной