Методы и средства анализа данных в системах поддержки принятия решений

• Автор: Ананьев, Николай Сергеевич
• Шифр специальности: 05.25.05
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Москва
• Количество страниц: 157 с. : ил.

содержание методического обеспечения

2.2. Методы снятия неопределенности при обработке многомерных данных в задачах поддержки принятия решений

2.3. Анализ существующих методов получения обобщенных показателей

2.4. Метод построения обобщенных показателей сложных систем, базирующийся на использовании принципа максимума энтропии
2.5 Выводы
Глава 3. Разработка модели типовой информационной системы и приложений интеллектуального анализа данных для поддержки принятия решений.

3.1. Состав и структура информационной системы

3.2. Режимы работы информационной системы и используемые средства обработки информации.

3.3. Модель предмета обучения на примере языка программирования Паскаль

3.3.1 Состав и структура средств автоматизации обучения языкам программирования.

3.3.2. Модель задачи оценивания знаний.

3.3.3 Оценивание знаний в рамках подсистемы автоматизации процесса обучения.
3.4. Выводы
Глава 4. Применение энтропийного подхода для решения задач интеллектуального анализа.
4.1. Разработка метода автоматизированного оценивания знаний студентов в процессе обучения
4.1.1. Метод оценивания знаний студентов в процессе обучения
4.2. Разработка метода обработки информации в задаче оценивания риска для систем поддержки принятия решения в страховом деле
4.2.1. Постановка задачи
4.2.2. Условия решения задачи.
4.2.3 Метод решения задачи
4.2.4. Методика проведения эксперимента и подготовка исходных данных
4.2.5. Программная реализация метода и порядок расчетов обобщенного показателя оценки страхового риска
4.2.6. Результаты расчетов и их анализ
4.3. Выводы
Заключение
Список использованных источников


Впервые разработана модель типовой информационной системы учебного заведения на основе концепции распределенных баз данных и приложений информационного обеспечения административной, учебной и научно-методической деятельности. Разработан новый метод оценивания и прогнозирования рисков перехода объектов в возможные состояния для приложений интеллектуального анализа данных, заключающийся в преобразовании характеристик объекта в факторы риска и построении на них обобщенных показателей риска с помощью энтропийного метода. Практическая значимость исследования. Разработана модель типовой информационной системы комплексной автоматизации административной, учебной и научно-методической деятельности в учебном заведении, схема хранилища данных для этой системы, разработана и программно реализована учетная система. Разработан алгоритм генерации заданий подсистемы обучения языкам программирования, а также метод, алгоритм и программное обеспечение приложения оценивания уровня знаний и навыков по результатам обучения на основе энтропийного метода построения обобщенных характеристик. Разработаны алгоритмы и программное обеспечение приложения оценивания и прогнозирования рисков для информационной системы поддержки принятия решений в области страхования. Принцип построения приложений интеллектуального анализа данных для систем поддержки принятия решений. Метод построения гарантированных оценок риска в информационных системах на основе преобразования характеристик объекта управления в факторы риска и использования энтропийного метода построения обобщенных характеристик систем. Модель типовой информационной системы динамического сопровождения процесса обучения. Глава 1. В настоящее время в области систем поддержки принятия решения (СППР) приобрела отчетливые очертания тенденция, связанная с интеграцией СППР с системами автоматизированного управления [2]. Более того, СППР становятся основой информационно-технологической инфраструктуры промышленных предприятий, корпораций, ведомственных структур, органов государственной власти и управления, медицинских и учебных учреждений и т. Объясняется это достижениями в области математических и нейросетевых методов анализа многомерных данных, позволяющих строить эффективные алгоритмы обработки и анализа данных, а также в области систем управления базами данных (СУБД), обеспечивающих представление их содержимого в многомерном виде и их эффективную предварительную логическую обработку []. Реализация этих алгоритмов в виде встроенных приложений таких баз данных позволяет практически полностью автоматизировать сложные («интеллектуальные») процедуры поиска и обнаружения заданных совокупностей данных, их преобразование в выводы, непосредственно используемые для принятия решения. Однако сбор, обслуживание и анализ больших объемов данных, — это гигантские задачи, которые требуют преодоления серьезных трудностей научного, методического и технического характера, огромных затрат и адекватных организационных решений. Информационные системы относятся к классу сложных систем, и в настоящее время область их применения покрывает практически все отрасли человеческой деятельности. Существует много определений информационной системы или автоматизированной информационной системы. Автоматизированная информационная система (ЛИС) определяется как комплекс автоматизированных информационных технологий, входящих в состав информационной системы, предназначенных для информационного обслуживания — организованного непрерывного технологического процесса подготовки и выдачи научной, управленческой и другой информации потребителям, используемой для принятия решений, в соответствии с их нуждами для поддержания эффективной деятельности. Технологический процесс автоматизированной информационной системы, как совокупности функциональных подсистем, включает в себя сбор, ввод, обработку, хранение, поиск, распространение информации и может быть представлен в виде схемы, изображенной на рисунке 1. Стоит отметить, что применяемые в АИС модели не являются обязательными и могут использоваться для поддержки принятия решений.