Проверяемый текст
Ананьев Николай Сергеевич. Методы и средства анализа данных в системах поддержки принятия решений (Диссертация 2005)
[стр. 53]

иной степени решать описанную выше задачу построения обобщенных характеристик объектов, однако результаты, полученные при применении этих методов, не всегда дают гарантированные оценки.
Для решения обозначенных выше задач необходимо провести анализ применяемых в настоящее время методов.
2.2.
Методы снятия неопределенности при обработке многомерных данных в задачах поддержки принятия решений Существующие подходы к разработке новых информационных технологий для использования в интересах ППР зачастую предполагают использование методов и критериев эффективности, построенных на основе вероятностных зависимостей.
В качестве методов обработки многомерных данных применяются: корреляционный анализ; регрессионный анализ; кластерный анализ; факторный анализ; метод главных компонент; многомерное шкалирование; статистические методы снятия неопределенности.

Для получения зависимостей, оценки эффективности функционирования систем при обслуживании заявок, содержание которого соответствует функциональному их назначению, оценки уровня качества объектов и т.п.
используются следующие показатели: -процент заявителей, обслуженных системой с определенным уровнем качества (страховой компанией, системой автоматизированного
управления); -вероятность соответствия системы предъявляемым требованиям; -вклады отдельных элементов системы и ее подсистем в эффективность системы в целом.
время (цикл) обслуживания заявителей, связанный с обработкой информации в системе с различными уровнями качества; затраты на обслуживание заявок (клиентов); полезный эффект (в стоимостном или натуральном выражении),
53
[стр. 48]

данных, кластеризации, прогнозирования событий и ситуаций, построения обобщенных характеристик систем.
Решение этих задач обеспечивает выявление связей (нахождение ассоциаций) между анализируемыми объектами, нахождение скрытых закономерностей по наборам данных, распознавание заданных объектов и т.д., необходимых для формулирования выводов при ППР.
4.
Несмотря на большие объемы данных об анализируемых объектах, информационные задачи в интересах ППР приходится решать в условиях неопределенности, обусловленной: существенной многомерностью данных, противоречивостью и неполнотой информации, отсутствием информации об адекватности применяемых математических моделей преобразования и обработки данных их физической природе.
5.
Существующие подходы к решению таких задач в основном базируются на использовании методов обработки данных и критериев эффективности, построенных на основе вероятностных зависимостей.
При этом применяются: корреляционный анализ; регрессионный анализ; кластерный анализ; факторный анализ; метод главных компонент; многомерное шкалирование; статистические методы снятия неопределенности.
«
48

[стр.,50]

характеристик объектов, однако результаты, полученные при применении этих методов, не всегда дают гарантированные оценки.
Для решения обозначенных выше задач необходимо провести анализ применяемых в настоящее время методов.
2.2.
Методы снятия неопределенности при обработке многомерных данных в задачах поддержки принятия решений.
.
Существующие подходы к разработке новых информационных технологий для использования в интересах ППР зачастую предполагают использование методов и критериев эффективности, построенных на основе вероятностных зависимостей.
В качестве методов обработки многомерных данных применяются: корреляционный анализ; регрессионный анализ; кластерный анализ; факторный анализ; метод главных компонент; многомерное шкалирование; статистические методы снятия неопределенности.
Для получения зависимостей, оценки эффективности функционирования систем при обслуживании заявок, содержание которого соответствует функциональному их назначению, оценки уровня качества объектов и т.п.
используются следующие показатели: процент заявителей, обслуженных системой с определенным уровнем качества (страховой компанией, системой автоматизированного
обучения); вероятность соответствия системы предъявляемым требованиям; вклады отдельных элементов системы и ее подсистем в эффективность системы в целом.
время (цикл) обслуживания заявителей, связанный с обработкой информации в системе с различными уровнями качества; затраты на обслуживание заявок (клиентов); полезный эффект (в стоимостном или натуральном выражении),
полученный с применением системы.
50

[стр.,69]

Кроме того, в отличие от теоретико-вероятностного подхода в этих методах независимость признаков не является обязательной [11,37,38,39,40].
Таким образом, методы обработки многомерных разнородных данных, разрабатываемые в интересах создания качественно новых информационных технологий поддержки принятия решения в условиях ограниченных исходных данных, их разнотипности (количественные, качественные, интервальные) и разнородности, а также неопределенности (интервальное представление информации, наличие пропусков, экспертные оценки), должны базироваться на использовании фундаментального принципа максимума энтропии и учитывать специфику данных конкретной предметной области.
Программы для ЭВМ должны быть методически и информационно связаны между собой и реализованы на основе общих вычислительных методов и алгоритмов.
2.5 Выводы 1.
Существующие подходы к разработке новых информационных технологий для использования в интересах ППР
предполагают использование методов и критериев эффективности, построенных на основе вероятностных зависимостей.
В качестве методов обработки многомерных данных применяются: корреляционный анализ; регрессионный анализ; кластерный анализ; факторный анализ; метод главных компонент; многомерное шкалирование; статистические методы снятия неопределенности.

2.
Основными недостатками вероятностного подхода к анализу сложных систем являются: нахождение “вероятностей простых событий” путем необоснованного допущения о соответствии процессов в сложных системах аксиоматике теории вероятностей (не подвергается сомнению возможность построения алгебры событий, элементом которой является “простое событие”); определение законов распределения случайных величин параметров моделей на основе допущения о справедливости предельных теорем теории вероятностей.
69

[Back]