СОДЕРЖАНИЕ
Содержание
Введение
Глава 1. Интеллектуальный анализ данных и задача кластеризации.
1.1 Понятие об интеллектуальном анализе данных
1.2 Формальное описание задач интеллектуального анализа данных
1.2.1 Задачи регрессии и классификации.
1.2.2 Задача поиска ассоциативных правил.
1.2.3 .Задача кластеризации
1.3 Методы интеллектуального анализа данных.
1.3.1 Математический аппарат интеллектуального анализа данных
1.3.2 Алгоритмические особенности решения задач интеллектуального анализа данных.
1.4. Первичный анализ данных и задача кластеризации.
1.4.1 Сравнение данных.
1.4.2 Методы и алгоритмы кластеризации.
Выводы.
Глава 2. Разработка метода иецентроидной нечеткой кластеризации
2.1 Анализ свойств нечетких бинарных отношений применительно к анализу данных.
2.1.1 Отношения и свойства отношений.
2.1.2 Сравнение данных.
2.1.3 Нечеткое отношение толерантности.
2.1.4 Нечеткое отношение эквивалентности.
2.2 Построение шкалы нечеткого отношения эквивалентности как алгоритм анализа данных
Выводы.
Глава 3. Адаптивная кластеризация
3.1 Выбор параметров решения задачи кластеризации.
3.1.1 Расстояние.
3.1.2 Целевая функция, алгоритм.
3.1.3 Количество кластеров
3.2 Критерии оценки качества решения задачи кластеризации центроидные методы
3.2.1 Коэффициент разбиения.
3.2.2 Энтропийные критерии
3.2.3 Эффективность разбиения.
3.3 Исследование критериев на предопределенных наборах центроидные методы
3.3.1 Искусственный набор данных
3.3.2 Ирисы i ii.
3.4 Критерий оценки качества решения задачи кластеризации метод нечеткого отношения эквивалентности
3.4.1 Представление результатов решения задачи кластеризации при использовании нечеткого отношения эквивалентности.
3.4.2 Построение критерия оценки качества разбиения, полученного с использованием нечеткого отношения эквивалентности
3.5 Исследование критериев на предопределенных наборах метод нечеткого отношения эквивалентности
3.5.1 Искусственный набор данных
3.5.2 Ирисы i ii.
3.6 Методика адаптивной кластеризации.
3.6.1 Предварительная подготовка данных.
3.6.2 Определение целей анализа.
3.6.3 Определение средств анализа и способа представления результатов.
3.6.4 Подготовка данных.
3.6.5 Формулировка ограничений, критериев оценки качества решения.
3.6.6 Применение адаптивной кластеризации и анализ результатов
Выводы.
Глава 4. Практическое применение адаптивной кластеризации
4.1 Контроль качества программного обеспечения
4.2 Методики анализа данных как необходимый элемент зрелости организации.
4.3 Пример применения методики адаптивной кластеризации.
4.3.1 Постановка задачи анализа данных.
4.3.2 Уточнение целей и инструментария.
4.3.3 Нормировка данных, подготовка к кластеризации
4.3.4 Формулировка ограничений, критериев оценки качества решения
4.3.5 Адаптивная кластеризация.
4.3.6 Анализ результатов, корректировка исходных данных, повторная кластеризация, заключение по анализу
4.4 Многоагентная система интеллектуального анализа данных
4.4.1 Системы мобильных агентов.
4.4.2 Описание методики проектирования многоагентной системы
4.4.3 Задача интеллектуального анализа распределенных данных.
4.4.4 Разработка многоагентной системы интеллектуального анализа данных
Выводы.
Заключение
Список литературы
- Київ+380960830922