Моделирование информационной системы управления предприятием на основе интеллектуального анализа данных

• Автор: Родионов, Константин Владимирович
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Воронеж
• Количество страниц: 142 с. : ил.

ВВЕДЕНИЕ
ГЛАВА 1. МЕТОДЫ И СРЕДСТВА ОБРАБОТКИ ИНФОРМАЦИИ И ДАННЫХ, ИСПОЛЬЗУЕМЫЕ ДЛЯ СОЗДАНИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

1.1. Классификация информационных систем, СППР, их состав и решаемые задачи

1.2. Типовые задачи интеллектуального анализа данных

1.3. Методы обработки многомерных данных, используемые при интеллектуальном анализе в интересах поддержки принятия решений

1.4. Проблемные вопросы обработки и анализа многомерных данных в задачах ИАД

1.5. Анализ существующих подходов к обработке информации и обоснованию выбора альтернатив

1.6 Цель и задачи работы

ГЛАВА 2. СОВЕРШЕНСТВОВАНИЕ МЕТОДИЧЕСКОГО ОБЕСПЕЧЕНИЯ ОБРАБОТКИ ИНФОРМАЦИИ С ЦЕЛЬЮ УЧЕТА НЕОПРЕДЕЛЕННОСТИ В ИСХОДНЫХ ДАННЫХ

2.1. Основное содержание методического обеспечения

2.2. Методы снятия неопределенности при обработке многомерных данных в задачах поддержки принятия решений
2.3. Интеграция методов получения обобщенных показателей
2.4. Метод построения обобщенных показателей сложных систем, базирующийся на использовании принципа максимума энтропии Выводы второй главы ГЛАВА 3. МЕТОДИКА МОДЕЛИРОВАНИЯ И ОПТИМИЗАЦИИ ХРАНИЛИЩА ДАННЫХ НА ОСНОВЕ АНАЛИЗА ИНФОРМАЦИОННОЙ ПОТРЕБНОСТИ ПОЛЬЗОВАТЕЛЕЙ
3.1 Модель описания информационного массива хранилища данных СППР
3.2 Модель оценки и оптимизации хранилища данных СППР на основе информационной потребности пользователя
3.3 Разработка и адаптация сигнальной модели аналитического приложения СППР для анализа предприятий
ГЛАВА 4. ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ НА 3 ПРЕДПРИЯТИИ НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ
4.1. Разработка метода обработки информации в задаче оценивания 3 риска для систем поддержки принятия решения в страховом деле
4.2. Структура интеллектуальной системы управления
4.3. Функции и алгоритм работы интеллектуальной системы управления
4.4 Представление знаний в объектноориентированной базе данных 9 Выводы четвертой главы
Выводы третьей главы
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННЫХ источников


Требованиями к методу построения обобщенных оценок являются их гарантированность возможность использования исходных данных без их нормировки наглядность оценки его реализуемость в виде простых, вычислительных алгоритмов, позволяющих их использование в приложениях интеллектуального анализа данных. Использование метода максимума энтропии для снятия неопределенности при обработке многомерных данных позволяет выполнить указанные выше требования, а также устраняет формальные и вычислительные сложности в решении задач кластеризации и получении гарантированных оценок вследствие метрических свойств ее максимального значения и относительной простоты получения ее значения. Одновременно благодаря метрическим свойствам она может использоваться как интегральный критерий, что снимает проблему обоснования критерия в условиях неполноты и многомерности данных. В задачах, в которых состояния систем характеризуются значительно отличающимися распределениями вероятностей, в качестве меры неопределенности часто используется информационная энтропия или энтропия Шеннона. Однако эти меры не всегда пригодны для решения определенных задач, в частности, распознавания ситуаций, в силу того, что эти меры не учитывают порядок следования значений плотности распределения параметров системы, а только сами значения. Предложенный к использованию вид энтропийного функционала позволяет учитывать также и порядок следования элементов системы в задачах, где информация о структуре анализируемых данных является ключевой с точки зрения информационной поддержки принятия решений. В третьей главе рассматривается методика моделирования и оптимизации хранилища данных на основе анализа информационной потребности пользователей. В главе разработан математически обоснованный метод моделирования информационного массива хранилища данных. Предложенный метод позволяет проводить количественную оценку хранилища данных с точки зрения обеспечения информационной потребности пользователей. Этот метод основан на теоретикомножественном описании многомерного информационного массива хранилищ данных. Целью разработки этого метода является получение инструмента, позволяющего формально описывать обеспечение системой информационной потребности пользователя. Проведен анализ области применения разрабатываемой С ПНР. Целью анализа области применения было выявление процессов ручной обработки информации и реинжиниринга их с учетов использования разрабатываемой
СППР. Также в главе разработана модель типового аналитического приложения СППР в области мониторинга и анализа состояния предприятий, дополняющие существующие алгоритмы аналитических приложений. Разработанная и адаптированная к российским особенностям предоставления отчетности математическая модель позволяется оценить объект анализа, предприятие а также получить оценки возможных причин того или иного состояния. Четвертая глава посвящена разработке алгоритмического обеспечения комплекса поддержки принятия управленческих решений на основе использования знаний и интеллектуального анализа данных. Первоочередной типовой информационной задачей, которую приходится решать в системах поддержки принятия решений при выборе альтернативных вариантов действий типа инвестирования различных проектов, возмещения возможного ущерба, убытков и других возможных потерь, является оценивание по априорным данным рисков, сопутствующих деятельности в той или иной области. В страховании, такой задачей является оценивание страховых рисков. Информационная задача прогнозирования страховых рисков сводится к построению обобщенных интегральных характеристик факторов риска, которыми характеризуются страхователи. Построение оценок риска энтропийным методом обеспечивает их гарантированность точки зрения равной значимости вкладов всех факторов риска в его обобщенный показатель. Если сравнивать разработанную интеллектуальную систему управления с созданными экспертными системами, которые также основаны на знаниях, то можно сказать, что понятие интеллектуальной системы шире экспертных систем. Основное отличие от существующих экспертных систем заключается в автоматизации процесса анализа результата и накопления знаний.