Пояснительная записка: 87 с., 41 рис., 2 табл., 18 источник, 3 прил.
Целью выпускной квалификационной работы является разработка программного обеспечения среды исследования алгоритмов интеллектуального анализа данных.
Задачами выпускной квалификационной работы являются:
- изучение алгоритмов интеллектуального анализа данных;
- выбор программных средств реализации проекта;
- проектирование программного проекта;
- разработка программного проекта;
- разработка пользовательского интерфейса;
- тестирование и анализ проекта.
Главным назначением программы является упрощение процесса исследования алгоритмов интеллектуального анализа данных.
Объектом исследования является классификация данных.
Предметом исследования является исследования алгоритмов интеллектуального анализа данных с помощью методов интеллектуального анализа данных.
Программа была разработана как программный продукт, предназначенный для автоматизации процесса исследования алгоритмов интеллектуального анализа данных.
СОДЕРЖАНИЕ
1 ОБЗОР МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ.. 9
1.1 Метод k-ближайших соседей. 13
1.4 Метод опорных векторов. 24
2 ИСПОЛЬЗУЕМЫЕ СРЕДСТВА ДЛЯ РАЗРАБОТКИ.. 26
3 ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ПРОГРАММЫ.. 31
3.2 Пользовательский интерфейс. 34
3.5 Диаграмма взаимодействия. 38
3.6 Реализации алгоритмов и методов программы.. 39
3.6.1 Реализации алгоритма генерации выборки. 39
3.6.2 Реализации метода k-ближайших соседей. 41
3.6.3 Реализации метода k-средних. 43
3.6.4 Реализации нейросетевого метода. 45
3.6.5 Реализации нейросетевого метода. 47
4 ТЕСТИРОВАНИЕ И АНАЛИЗ РЕЗУЛЬТАТОВ.. 50
5 ОХРАНА ТРУДА, ВОПРОСЫ БЕЗОПАСНОСТИ ЖИЗНЕДЕЯТЕЛЬНОСТИ И ГРАЖДАНСКОЙ ОБОРОНЫ.. 56
5.1.1 Анализ условий труда в помещении с ПК.. 56
5.1.2 Мероприятия по улучшению условий труда. 57
5.1.2.1 Расчет заземления общего контура здания, который должен быть выведен к каждой розетке с ПК.. 59
5.1.3 Мероприятия по обеспечению пожарной безопасности. 61
5.2 Безопасность жизнедеятельности. 62
СПИСОК использованных источников. 69
Приложение А ТЕХНИЧЕСКОЕ ЗАДАНИЕ. 71
1. Андрей, Шабалов Коллективные технологии интеллектуального анализа данных / Шабалов Андрей, Евгений Семенкин und Сергей Ефимов. – М.: LAP Lambert Academic Publishing, 2012. – 108 c.
2. Васильев, А. Ю. Анализ данных лучевых методов исследования на основе принципов доказательной медицины / А.Ю. Васильев, А.Ю. Малый, Н.С. Серова. – М.: ГЭОТАР-Медиа, 2008. – 552 c.
3. Емельянов, С.В. Искусственный интеллект и принятие решений. Интеллектуальный анализ данных. Моделирование поведения. Когнитивное моделирование. Моделирование и управление. Выпуск №2/2012: моногр. / С.В. Емельянов. – Москва: Наука, 2012. – 733 c.
4. Макленнен, Дж. Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных / Дж. Макленнен. – М.: БХВ-Петербург, 2009. – 682 c.
5. Методы анализа данных в физическом эксперименте. – М.: Мир, 1993. –480 c.
6. Методы анализа данных: Подход, основанный на методе динамических сгущений. – М.: Финансы и статистика, 1985. – 357 c.
7. Наталья, Новоселова und Игорь Том Методы анализа данных экспрессии генов / Наталья Новоселова und Игорь Том. - М.: LAP Lambert Academic Publishing, 2012. – 633 c.
8. Наталья, Семенчук und Игорь Степаненко Интеллектуальный анализ данных для полиграфического предприятия: моногр. / Наталья Семенчук und Игорь Степаненко. – М.: LAP Lambert Academic Publishing, 2014. – 330 c.
9. Рафалович, Владимир Data mining, или Интеллектуальный анализ данных для занятых. Практический курс / Владимир Рафалович. – М.: И-Трейд, 2014. – 678 c.
10. Рзаев, Рамин Интеллектуальный анализ данных в системах поддержки принятия решений / Рамин Рзаев. – М.: LAP Lambert Academic Publishing, 2013. – 136 c.
11. Bing, Liu Advances in Knowledge Discovery and Data Mining / Bing Liu, Philip S. Yu. – Москва: Гостехиздат, 2012. – 379 c.
12. Boris, Kovalerchuk Data Mining in Finance: Advances in Relational and Hybrid Methods (Kluwer International Series in Engineering and Computer Science, 547) / Boris Kovalerchuk, Evgenii Vityaev. – Москва: СИНТЕГ, 2017. – 765 c.
13. Boris, Mirkin Clustering For Data Mining: A Data Recovery Approach (Computer Science and Data Analysis) / Boris Mirkin. – Москва: РГГУ, 2012. – 266 c.
14. Classification, Clustering, and Data Mining Applications : Proceedings of the Meeting of the International Federation of Classification Societies (IFCS), ... Data Analysis, and Knowledge Organization). – Москва: Гостехиздат, 2021. – 658 c.
15. Dan, Braha Data Mining for Design and Manufacturing: Methods and Applications (MASSIVE COMPUTING) / Dan Braha. – Москва: РГГУ, 2021. – 812 c.
16. Data Mining and Bioinformatics: First International Workshop, VDMB 2006, Seoul, Korea, September 11, 2006, Revised Selected Papers (Lecture Notes in Computer Science). – Москва: Мир, 2018. – 197 c.
17. Data Mining in Bioinformatics (Advanced Information and Knowledge Processing). – Москва: Огни, 2011. – 340 c.
18. Data Mining in E-learning (Advances in Management Information). – Москва: СИНТЕГ, 2018. – 300 c.