- •Пояснювальна записка
- •Магістра
- •З а в д а н н я на дипломний проект (роботу) студенту Романюк Ірині Сергіївні
- •Календарний план
- •Розділ 1 аналіз гібридних інтелектуальних систем
- •1.1. Аналіз та порівняльні дослідження методів та підходів для вирішення задач інтелектуального аналізу даних
- •1.2. Дослідження сутності гібридних інтелектуальних систем
- •Класифікація архітектури гібридних інтелектуальних систем
- •1.3. Аналіз основних задач Data Mining
- •Характеристика методів Data Mining
- •Розділ 2 методологічні основи побудови гібридної інтелектуальної системи для вирішення основного класу задач data mining
- •2.1. Аналіз алгоритмів і методів кластеризації та регресії для вирішення класу задач Data Mining
- •2.2. Методика дослідження гіс для вирішення основного класу задач Data Mining
- •2.3. Побудова моделі гібридної інтелектуальної системи з використанням математичного апарату
- •Розділ 3 Проектування гібридної інтелектуальної інформаційної системи для вирішення задач кластеризації та регресії
- •3.1. Узагальнена структура гібридної інформаційної системи та алгоритм її роботи
- •3.2. Програмна реалізація гібридної інтелектуальної системи для рішення задач кластеризації та регресії
- •3.3. Ефективність побудови гібридної інтелектуальної системи для рішення задач кластеризації та регресії
- •Загальні результати розбиття на 3 кластери тестової вибірки методом к-середніх
- •Загальні результати розбиття на 3 кластери тестової вибірки методом к-середніх
- •Розділ 4 Охорона праці та безпека в надзвичайних ситуавціях
- •4.1. Вимоги до робочого місця програміста
- •4.2. Режим роботи програміста
- •Час регламентованих перерв при роботі на комп'ютері
- •4.3. Вимоги до приміщень на підприємстві
- •Параметри мікроклімату для приміщень, де встановлені комп’ютери
- •Норми подачі свіжого повітря в приміщення, де розташовані комп'ютери
- •Граничні рівні звуку, дБ, на робочих місцях.
- •Допустимі значення параметрів неіонізуючих електромагнітних випромінювань (відповіднодо СанПіН 2.2.2.542-96)
- •Висновки
- •Список використаних джерел:
- •Порівняльна характеристика методів Data Mining
- •Лістинг програмного продукту
- •Діаграми бізнес-варіантів використання та варіантів використання розробленого програмного продукту
- •Загальні результати кластеризації тестової вибірки різними методами з різними мірами подібності
Допустимі значення параметрів неіонізуючих електромагнітних випромінювань (відповіднодо СанПіН 2.2.2.542-96)
Найменування параметра |
Допустимі значення |
Напруженість електричної складової електромагнітного поля на відстані 50см від поверхні відеомонітора |
10В / м |
Напруженість магнітної складової електромагнітного поля на відстані 50см від поверхні відеомонітора |
0,3 А / м |
Напруженість електростатичного поля не повинна перевищувати: для дорослих користувачів, для дітей дошкільних установ і що вчаться, середніх спеціальних і вищих навчальних закладів. |
20кВ / м 15кВ / м |
Максимальний рівень рентгенівського випромінювання на робочому місці оператора комп'ютера звичайно не перевищує 10 мкбер/ч, а інтенсивність ультрафіолетового і інфрачервоного випромінювань від екрану монітора лежить в межах 10...100 МВт/м 2.
Для зниження дії цих видів випромінювання рекомендується застосовувати моніториіз зниженим рівнем випромінювання (MPR-II, TCO-92, TCO-99), встановлювати захисні екрани, а також дотримуватися регламентовані режими праці та відпочинку.
Проектування робочих місць, забезпечених відеотерміналами, відноситься до числа важливих проблем ергономічного проектування в області обчислювальної техніки.
Робоче місце і взаємне розташування всіх його елементів повинне відповідатиантропометричним, фізичним іпсихологічнимвимогам. Велике значення має такожхарактерроботи. Зокрема, при організації робочого місця програміста повинні бути дотримані наступні основні умови: оптимальне розміщення устаткування, що до складу робочого місця і достатній робочийпростір, що дозволяє здійснювати всі необхідні рухи і переміщення.
Висновки
Виконаний огляд літературних джерел показав, що існує багато підходів до побудови гібридних інтелектуальних систем. Існуючі системи підтримки прийняття рішень використовуються у сфері управління бізнесом, у промисловості, на виробництві, одним словом там, де існує необхідність прийняття рішень, особливо коли йде мова про неструктуровані і слабкоструктуровані завдання.
Комплексність проблем кластеризації та регресії диктує необхідність міждисциплінарного підходу до їх вирішення, розширення та інтеграцію вже наявних методик. Принциповою відмінністю парадигми проектування гібридних систем від традиційної побудови інтелектуальних обчислювальних систем є можливість синтезувати якісно різні варіанти рішень. Даний синтез в рівній мірі залежить як від специфіки поставленої задачі, так і від внутрішніх параметрів системи, умов зовнішнього середовища, а також характеру їх взаємодії. Це дає підставу розглядати застосування гібридних інтелектуальних систем як стратегічний напрям у галузі інтелектуального аналізу даних.
Спроектована система зможе широко застосовуватися підтримки прийняття рішень. Для побудови такої системи запропоновано використовувати дворівневу архітектуру. На верхньому рівні використовуючи агломеративні та ітеративні методи кластерного аналізу групуючи вхідні дані в кластери. На нижньому рівні проводити регресійний аналіз як для всієї вибірки так і для кожного кластеру окремо. Це доцільно для підвищення надійності, масштабованості та інтегрованості.
Сформульована за допомогою математичного апарату гібридна інтелектуальна система дозволяють побудувати гібридну інтелектуальну систему для підвищення ефективності прийняття рішень.
Виконаний аналіз адекватності запропонованої методики побудови гібридної інтелектуальної системи показав відповідність реальним даним. Проведений аналіз ефективності по зрівнянню із існуючими аналогами показав, що похибка моделі, побудованої з використання ієрархічного підходу та об’єднанням відповідних методів, дозволяє отримати більш ефективні результати, ніж за допомогою існуючих методів. Таким чином, проведені експерименти довели можливість його практичного застосування в різних сферах.
Отже, впровадження гібридної інтелектуальної системи для підтримки прийняття рішень може підвищити ефективність прийняття рішень.