Підвищення ефективності процесу прийняття рішень за рахунок впровадження гібридної інтелектуальної системи методами data mining

Abstract

Дана робота присвячена розробці методики для побудови гібридної інтелектуальної системи для рішення основного класу задач Data Mining та дослідженню методів і алгоритмів кластеризації та регресії. Інтелектуальний аналіз даних пов'язаний з пошуком в даних прихованих нетривіальних і корисних закономірностей, що дозволяють отримати нові знання про досліджувані дані. Особливий інтерес до методів аналізу даних виник у зв'язку з розвитком засобів збору і зберігання даних. 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. Об'єктом дослідження є процес побудови гібридної інтелектуальної системи для вирішення основного класу задач Data Mining. Метою роботи є підвищення ефективності процесу прийняття рішень за рахунок впровадження гібридної інтелектуальної системи для рішення основного класу задач Data Mining. Методами дослідження є методи кластерного та регресійного аналізу. Пояснювальна записка дипломної роботи ОКР «Магістр» містить результати спроектованої системи, яка 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. Проведений аналіз існуючих систем, розглянуто їх класифікацію та архітектуру. Було досліджено підходи до побудови гібридних інтелектуальних систем. Розроблені методи побудови гібридної інтелектуальної системи. Розроблено програмні рішення для дослідження розроблених методів в середовищі Microsoft VisualStudio 2008 та за допомогою використання бібліотеки, яка містить в своєму складі набір статистичних та математичних методів. Виконаний аналіз адекватності запропонованої методики побудови гібридної інтелектуальної системи показав відповідність реальним даним. Результати можуть бути застосовані в інших практичних задачах, де виникає задача прийняття рішень. Впровадження гібридної інтелектуальної системи для рішення задач кластеризації та регресії сприятиме підвищенню ефективності прийняття рішень користувачів у багатьох сферах.