является одной из актуальных проблемных задач. Решение этой задачи во многом связано с применением нового методического аппарата, позволяющего в условиях неопределенности исходных данных получать в задачах классификации, кластеризации, прогнозирования гарантированные оценки, которые являются информационной базой при принятии решений. Опыт использования нового методического аппарата в задачах анализа многомерных данных показал, что он позволяет использовать для построения обобщенных показателей любые характеристики объектов анализа и управления, независимо от их физической природы и масштаба измерения. Кроме того, в отличие от теоретико-вероятностного подхода в этих методах независимость признаков нс 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. 72 |
обобщенного показателя системы (это является следствием использованием фундаментального принципа максимума энтропии) [11]. возможность использования интервальных оценок (без их осреднения), что имеет принципиальное значение при проведении экспериментов и испытаний; чувствительность к различиям между значениями характеристик, что позволяет отражать в интегральной оценке структурные (качественные) особенности сравниваемых образцов; возможность получать устойчивые оценки для малых выборок, что особенно важно при решении задач в условиях неопределенности [37, 11]. Эти свойства метода в основном определяются способом получения матрицы связи 8, элементами которой являются отношения характеристик составных частей системы, а также решением задачи их определения в экстремальной постановке. С точки зрения средних величин формула (2.16) есть среднее геометрическое от произведения среднего арифметического на среднее гармоническое строк матрицы X. Практическая значимость (2.16) заключается в явной зависимости ОП от характеристик элементов матрицы X. Проведенный анализ состояния в области обработки и анализа многомерных данных показывает, что получение гарантированных оценок качества объектов и прогнозирование их развития в настоящее время является одной из актуальных проблемных задач. Решение этой задачи во многом связано с применением нового методического аппарата, позволяющего в условиях неопределенности исходных данных получать в задачах классификации, кластеризации, прогнозирования гарантированные оценки, которые являются информационной базой при принятии решений. Опыт использования нового методического аппарата в задачах анализа многомерных данных показал, что он позволяет использовать для построения обобщенных показателей любые характеристики объектов анализа и управления, независимо от их физической природы и масштаба измерения. 68 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 |