Инструментальные средства интерактивного принятия решений с использованием обратимой визуализации многомерных конфигураций

• Автор: Невзорова, Мария Владимировна
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Курск
• Количество страниц: 186 с. : ил.

СОДЕРЖАНИЕ
Введение.
Раздел 1. Современное состояние проблемы визуализации и сущность предлагаемого подхода.

1.1. Особенности социальноэкономических данных и методов их обработки.

1.2. Основные понятия теории распознавания образов.

I 1.3. Основные методы распознавания образов в системах поддержки принятия

решений
1.4. Применение интерактивных систем поддержки принятия решений к управлению экономическими и социальными процессами

1.5. Основные методы визуализации объектов пмерного пространства

1.6. Сущность предлагаемого подхода к визуализации многомерных данных

1.7. Выводы
Раздел 2. Разработка методов и процедур обратимой визуализации
2.1. Линейное преобразование в многомерном пространстве
2.2. Нелинейное преобразование объектов многомерного пространства
2.3. Метод визуализации многомерных объектовобразов.
I 2.4. Средства осуществления возвратных переходов к топологии исходного
многомерного пространства
2.4.1 Процедура переноса начала координат
2.4.2 Поворот объектовобразов в исходном пространстве.
2.4.3 Метод рассечения многомерных конфигураций со сложной топологией
динамически перемещаемыми гиперплоскостями.
2.5. Процедура определения информативной ценности признаков
2.6. Разрешение коллизии визуализации для некоторых специфических точек
пространства.
2.7. Иерархическое разбиение образов сложной топологии.
2.8. Выводы
Раздел 3. Алгоритмические средства выполнения обратимой визуализации
3.1. Алгоритмизация метода визуализации многомерного объектаобраза.
3.2. Алгоритм визуализации набора многомерных объектовобразов.
3.3. Алгоритмизация метода и процедур выполнения возвратных переходов к
исходному многомерному пространству
3.3.1 Алгоритм переноса начала координат.
3.3.2 Алгоритм поворота в многомерном пространстве.
3.3.3 Алгоритм рассечения многомерных конфигураций со сложной топологией
динамически перемещаемыми плоскостями
3.4. Описание разработанных программных средств
3.4.1 Платформа, аппаратные требования, средства разработки
3.4.2 Назначение разработки
3.4.3 Входные данные.
1 3.4.4 Процессы обработки.
3.4.5 Выходные данные
3.4.6 Структурнофункциональная организация разработанных программных
средств
3.5. Выводы.
Раздел 4. Верификация программных средств поддержки принятия решений и результаты сопоставительного анализа
4.1. Оценка кредитоспособности предприятиязаемщика.
4.2. Анализ надежности кредитных организаций
4.3. Моделирование социальнополитических процессов.
4.4. Массовая социальномедицинская диагностика.
4.5. Сопоставительный анализ функциональных возможностей разработанных
программных средств с прототипом.
4.6. Сопоставительный анализ временных характеристик разработанных
программных средств с прототипом.
4.7. Выводы.
Заключение.
Список использованных источников


При изучении социально-экономических явлений часто применяют методы корреляционного, регрессионного и факторного анализа [5]. Корреляционным анализом называют анализ зависимостей случайной величины от случайных аргументов, тогда как под регрессионным анализом понимают анализ зависимости случайной величины от неслучайных аргументов. Методы факторного анализа ориентированы на выявление и анализ скрытых зависимостей между наблюдаемыми переменными и опираются на гипотезу о том, что наблюдаемые переменные являются косвенными проявления относительно небольшого числа неких скрытых факторов. Перечисленные методы базируются на ряде предпосылок вероятностного характера о законе распределения исходных данных, существовании, характере и форме связи между исследуемыми объектами. Особенность процессов управления в социально-экономических системах заключается в том, что исследователю не всегда бывает с самого начала ясно, каков вид закономерностей, «скрывающихся» за интересующими его данными, какими признаками эти закономерности определяются, возможно ли в принципе подобрать соответствующее пространство признаков и т. В силу указанных причин проведение исследований традиционными методами эконометрики и социометрии значительно усложняется. Следовательно, появляется необходимость в адаптации к социометрическим и эконометрическим исследованиям тех методов, которые уже применяются в других научных дисциплинах, либо в разработке новых методов. Таким образом, необходимость расширения формального аппарата моделирования экономических и социальных явлений связана с объективными трудностями, которые продиктованы невыполнением предпосылок применения методов теории вероятностей и математической статистики, так как названные дисциплины создавались применительно к анализу явлений природы. Социально-экономические же явления многомерны, разнообразны, имеют случайную компоненту. Вышеперечисленные особенности экономических и социальных процессов требуют применения в дополнение к аппарату классической статистики более универсальных методов математического описания. В настоящее время для выявления закономерностей в статистических совокупностях, характеризуемых набором разнородных признаков, применяются методы автоматической кластеризации, в которых сопоставления производятся с помощью матрицы расстояний между многомерными объектами. Применение названных методов расширяет возможности проведения сопоставлений многомерных объектов, их отождествлений и разграничений. Одним из путей решения названной проблемы является использование аппарата теории распознавания образов [], который позволяет выделять однородные группы объектов, характеризующихся большим числом признаков, изучать влияние количественных и качественных факторов на объект исследования, осуществлять разграничение и отождествление исследуемых объектов, что особенно важно для поиска неизвестных закономерностей в исследуемых данных. Методы теории распознавания образов можно применять почти на всех этапах социально-экономического исследования: при анализе структуры выборочной совокупности, для выбора представителей групп, при обработке экспертных оценок. Кроме того, методы распознавания позволяют не только исследовать структуру исходных данных, но и выявить базовые проблемы, лежащие в основе проблем-симптомов, отражающихся в значениях характеризующих признаков объектов. Выявление базовых проблем позволяет разработать рациональную стратегию экономического развития отдельного предприятия, на ранних стадиях диагностировать социально значимые заболевания при массовой диспансеризации населения, определять экономическую политику государства в соответствии со структурой потребностей общества и личности. Необходимым этапом разработки системы распознавания образов является построение объектной модели рассматриваемой предметной области, которое заключается в определении состава сведений, характеризующих изучаемые объекты (выборе исходного описания объектов) и, в ряде случаев, обозначении классов, по которым будет производиться разделение объектов (выделении классов эквивалентности).