Структурно-классификационные методы анализа и прогнозирования в социально-экономических системах управления

• Автор: Дорофеюк, Юлия Александровна
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Москва
• Количество страниц: 252 с. : ил.

Введение
ОГЛАВЛЕНИЕ
Глава 1. Современное состояние методов классификационного анализа в социально-экономических системах управления. Постановка задачи исследования.

1.1. Методы автоматической классификации объектов

1.1.1. Содержательная постановка задачи. Эвристические алгорит-

мы автоматической классификации

1.1.2. Формальная постановка задачи - вариационный подход к зада-

че автоматической классификации

1.1.3. Формальная постановка задачи — вероятностно-статистический

подход

1.1.4. Методы диагонализации матрицы связи

1.2. Структурный подход к проблеме исследования социально-экономических систем управления - постановка задачи
Глава 2. Разработка методов и алгоритмов структурно-классификационного анализа сложно-организованных данных
2.1. Разработка комплекса алгоритмов автоматической классификации
2.1.1. Алгоритм т-локальной оптимизации
2.1.1.1. Случай одномерной классификации
2.1.1.2. Размытый вариант алгоритма
2.1.2. Алгоритм выбора информативных параметров
2.1.2.1. Алгоритм ш-локальной оптимизации в задаче группировки параметров
2.1.2.2. Процедура выбора информативных параметров
2.1.3. Алгоритм построения начального разбиения
2.1.4. Алгоритм выбора числа классов
2.1.5. Особенности реализации комплексного алгоритма
2.1.5.1. Выбор свободных параметров алгоритма
2.1.5.2. Процедура заполнения пропущенных наблюдений
2.1.6. Адаптивный вариант комплексного алгоритма
2.2. Разработка классификационного алгоритма повышения достоверности статистических показателей в условиях малых выборок

2.2.1. Содержательная постановка задачи

2.2.2. Метод структурной группировки объектов
2.2.2. Сформирование виртуального объекта для г'-эталонного
объекта
2.2.2.2. Процедура масштабирования
2.3. Разработка алгоритмов построения хорошо интерпретируемых клас- 87 сификаций

2.3.1. Покоординатная и спрямляющая классификации
2.3.2. Содержательно-экспертная классификация.
2.4. Моделирование и анализ эффективности разработанных алгоритмов 94 структурно-классификационного анализа
2.4.1. Формирование массивов данных для моделирования
2.4.2. Результаты моделирования
Глава 3. Разработка методов и алгоритмов структурно-классифика- 104 ционного прогнозирования в социально-экономических системах управления
3.1. Разработка алгоритма структурного прогнозирования в социально- 104 экономических системах управления
3.1.1. Методы классификационного анализа в задаче структурно- 105 классификационного прогнозирования объектов в динамике
3.1.2. Алгоритм структурно-классификационного прогнозирования
3.2. Разработка адаптивного алгоритма структурного прогнозирования в 109 условиях существенной динамики структуры объектов
3.3. Разработка оптимальных алгоритмов кусочно-линейной аппрокси- 112 мации для задач структурной идентификации и структурного прогнозирования
3.3.1. Постановка задачи

3.3.2. Методы решения задачи кусочной аппроксимации
3.3.2.1. Алгоритм, базирующийся на вариационном подходе.
3.3.2.2. Двухэтапный алгоритм кусочно-линейной идентифика- 123 ции
Глава 4. Использование структурно-классификационных методов
анализа и прогнозирования для решения прикладных задач
4.1. Разработка программно-алгоритмического комплекса структурно
классификационного анализа сложноорганизованных данных (ПАК)

4.1.1. Состав программно-алгоритмического комплекса
4.2. Задача исследования социально-экономического развития субъектов 135 РФ
4.2.1. Отбор и предобработка исходных данных
4.2.2. Структуризация исходных параметров и отбор основных по- 138 казателей, характеризующих регионы
4.2.3. Классификация регионов и прогнозирование показателей их 144 социального развития
4.3. Задача разработки системы мониторинга и оценки эффективности 151 функционирования жилищно-коммунального хозяйства крупного города
4.3.1. Результаты предварительного обследования существующей 154 системы
4.3.2. Структура и состав первичной информации (первичных показателей).
4.3.3. Экспертно-классификационные методы структуризации первичных показателей и объектов оценки
4.3.4. Методы экспертно-статистической корректировки результатов
4.4. Задача корректировки (сглаживания) оценок показателей экономической активности по субъектам РФ в условиях малых выборок
4.4.1. Результаты работы метода на примере конкретного региона
4.4.2. Результаты экспериментальных расчетов
4.5 Структурно-классификационный анализ пульсового сигнала лучевой артерии в задачах медицинской диагностики.
4.5.1. Основные характеристики пульсового сигнала
4.5.2. Структурно-классификационные алгоритмы выделения характерных элементов пульсового сигнала
4.5.3. Классификации характеристик пульсограмм
4.5.4. Методы классификационного анализа параметров пульсового сигнала в задачах медицинской диагностики
Заключение и основные выводы
Список использованной литературы
Приложения

Обычно предполагается, что функции распределения Рх (х), Р2(х) известны с точностью до векторных параметров в{, в2. Другими словами, задан параметрический класс функций F(x,6,), т. е. смесь (1.30) можно записать в виде:
р{х,в1,в2) = рР(*, вх)+(-р)Р2(х, в2) (1.31)
Требуется, наблюдая смешанную реализацию хх
Однако для целей автоматической классификации требуется не восстановление функций распределения точек из первого и второго классов ТДх), Р2(х) и априорных весов, а нахождение поверхности, разделяющей эти классы. Именно в силу этого для разделения смеси требуется существенно большая априорная информация о р, FI(x), Р2(х), чем для построения
разделяющей поверхности.
Остановимся кратко на работах, посвященных задаче разделения смеси. В работах [47-50] анализируется вопрос об условиях разделимости смеси, то есть об условиях существования единственного набора Рх(х), F2(x) и веса р, удовлетворяющего (1.30). Для некоторых классов смесей такие условия получены.
Одной из наиболее разработанных является задача разделения смеси нормальных распределений. В одномерном случае задача разделения смеси двух нормальных распределений была поставлена еще в 1894 году К. Пирсоном [51] и в последующем исследовалась целым рядом авторов [52-54]. Для оценки неизвестных параметров (математических ожиданий тх,т2; дисперсий сгх, о и р). Пирсон предложил использовать систему уравнений, которая получается если моменты смеси ТДх) выразить через моменты /Дх) и (х). Оказывается, что для однозначного определения неизвестных пара-