ISSN 0236-235X (P)
ISSN 2311-2735 (E)

Публикационная активность

(сведения по итогам 2017 г.)
2-летний импакт-фактор РИНЦ: 0,500
2-летний импакт-фактор РИНЦ без самоцитирования: 0,405
Двухлетний импакт-фактор РИНЦ с учетом цитирования из всех
источников: 0,817
5-летний импакт-фактор РИНЦ: 0,319
5-летний импакт-фактор РИНЦ без самоцитирования: 0,264
Суммарное число цитирований журнала в РИНЦ: 6012
Пятилетний индекс Херфиндаля по цитирующим журналам: 404
Индекс Херфиндаля по организациям авторов: 338
Десятилетний индекс Хирша: 17
Место в общем рейтинге SCIENCE INDEX за 2017 год: 527
Место в рейтинге SCIENCE INDEX за 2017 год по тематике "Автоматика. Вычислительная техника": 16

Больше данных по публикационной активности нашего журнале за 2008-2017 гг. на сайте РИНЦ

Вход


Забыли пароль? / Регистрация

Добавить в закладки

Следующий номер на сайте

1
Ожидается:
16 Декабря 2018

Создание комплекса программ на основе пространственной схемы взаимодействия объектов

Creation of software system on the basis of spatial object interaction diagram
Статья опубликована в выпуске журнала № 3 за 2012 год. [ на стр. 5-8 ][ 12.09.2012 ]
Аннотация:Рассматривается возможность создания комплекса программ для анализа данных в рамках систем интеллекту-ального анализа данных «Data Mining» со ступенчатой платформой анализа данных. В связи с этим предлагается новое решение для создания программных продуктов, ориентированных на поэтапную обработку исходной информации, в виде пространственной схемы взаимодействия объектов, которая позволит снизить временные и ресурсные затраты на получение конечного программного продукта. Разработанная пространственная схема построена на основании следующих базовых понятий: пространство функциональных преобразований, пространство функциональных расширений, пространство характеристических расширений; ключ перехода от одного пространства к другому на различных уровнях. На основе разработанной пространственной схемы создана структурная схема комплекса про-грамм для корреляционно-спектрального интеллектуального анализа данных, который, согласно проведенному ана-лизу рынка аналогичных продуктов, является уникальным с точки зрения класса решаемых задач. Математические модели, положенные в основу данного программного продукта, основаны на методе ортогональных разложений функциональных характеристик в ряды Фурье, а для реализации скрытого уровня анализа данных была создана тех-нология аналитической обработки данных, содержанием которой являются организация функционирования и реали-зация созданных механизмов поиска скрытых закономерностей. Применение пространственной схемы взаимодействия объектов позволяет снизить трудоемкость разработки программного обеспечения автоматизированных систем научных исследований, обработки информации и управления и может быть рекомендовано как разработчикам авто-матизированных систем – программистам, так и аналитикам, занимающимся проектированием сложных програм- мных комплексов.
Abstract:The article looks into the possibility of software system creation for data analysis within Data Mining systems with a staged platform of data analysis. In this regard a new solution is provided for software products creation focused on incremental processing of the initial information in the form of a spatial object interaction diagram, which will allow time and resource expenditures required to obtain the final software product to be reduced. The developed spatial diagram is built on the basis of the following fundamental notions: functional transformation space, functional enhancement space, characteristic enhancement space, key of transition from one space to the other at multiple levels. On the basis of the developed spatial diagram the structural diagram of software system for correlation and spectral data mining was created, while this kind of analysis, according to the research at the market of the analogous products, is unique in terms of the class of current problems. Mathematical models taken as a basis for this software product are based on Fourier orthogonal decomposition of functional characteristics, and for implementation of a hidden level of data analysis the analytical processing technique was created, which consists in functioning management and implementation of created search mechanisms for hidden regularities. Using spatial object integration diagram reduces the labour intensity of software development for automated systems of scientific research, control and data processing, and can be recommended to the designers of automated systems – programmers, as well as to the analysts involved in designing of complex software systems.
Авторы: Прохоров С.А. (sp.prokhorov@gmail.com) - Самарский государственный аэрокосмический университет им. С.П. Королева (национальный исследовательский университет), Самара, Россия, доктор технических наук, Куликовских И.М. (kulikovskikh.i@gmail.com) - Самарский государственный аэрокосмический университет им. С.П. Королева (национальный исследовательский университет), Самара, Россия, кандидат технических наук
Ключевые слова: комплекс программ, метод ортогональных разложений, пространственная схема, интеллектуальный анализ данных
Keywords: software, orthogonal transformation, spatial scheme, data intelligent analysis
Количество просмотров: 5863
Версия для печати
Выпуск в формате PDF (7.64Мб)
Скачать обложку в формате PDF (1.33Мб)

Размер шрифта:       Шрифт:

В последнее время широкое применение получили программные продукты интеллектуального анализа данных «Data Mining», являющиеся междисциплинарной областью и развивающиеся на базе широкого пласта знаний: экспертные системы, информационный поиск, оперативная аналитическая обработка, теория БД, хранилища данных, эффективные вычисления, статистика, нейросети, распознавание образов [1–3]. Большинство систем интегрируют сразу несколько подходов, но каждая имеет ключевую компоненту.

Особенностью данных систем является наличие трехуровневой платформы анализа данных: поверхностный уровень, глубокий и скрытый [3]. Для построения систем «Data Mining», имеющих вложенные структуры в виде уровневой платформы, была разработана пространственная схема взаимодействия объектов (см. рис. 1). Приведем нотацию представленной схемы: P – пространство (уровень 1) функциональных преобразований; PA – альтернативное пространство (уровень 1) функциональных преобразований;  – подпространство (уровень 2) функциональных расширений пространства (уровень 1) функциональных преобразований (i – номер текущего функционального расширения);  – подпространство (уровень 3) функциональных преобразований подпространства (уровень 2) функциональных расширений пространства (уровень 1) функциональных преобразований;  – подпространство (уровень 3) функциональных преобразований подпространства (уровень 2) функциональных расширений альтернативного пространства (уровень 1) функциональных преобразований;  – подпространство (уровень 2) характеристических расширений пространства (уровень 1) функциональных преобразований;  – подпространство (уровень 2) характеристических расширений альтернативного пространства (уровень 1) функциональных преобразований;  – подпространство (уровень 3) функциональных преобразований подпространства (уровень 2) характеристических расширений пространства (уровень 1) функциональных преобразований и т.д.;           – ключ, показывающий переход от одного пространства к другому (точкой обозначено исходное пространство или подпространство).

Рассмотрим пример создания программного продукта интеллектуального корреляционно-спектрального анализа данных в рамках систем «Data Mining» с помощью описанной выше пространственной схемы взаимодействия объектов. В качестве ключевой компоненты были выбраны эффективные вычисления, базирующиеся на широком использовании метода ортогональных разложений функциональной характеристики в ряды Фурье [4–7]. На рисунке 2 представлена структурная схема программного продукта в соответствии с пространственной схемой, изображенной на рисунке 1.

Как было отмечено, разработка программного продукта в рамках «Data Mining» предполагает наличие ступенчатой платформы анализа данных, каждый уровень которой включает набор программ в соответствии с представленной структурной схемой (см. рис. 2). Опишем программное наполнение каждого из уровней.

Поверхностный уровень содержит программы

–      ввода и интерпретации данных;

–      построения и преобразования корреляционной функции (КФ) (включает часть программы, связанной с построением КФ);

–      построения простейших ортогональных функций;

–      построения модели КФ в простейших базисах;

–      построения модели спектра в простейших базисах;

–      имитационного моделирования;

–      обработки внешних данных;

–      формирования отчетов.

Глубокий уровень содержит программы

–      построения и преобразования КФ (включает часть программы, связанной с преобразованием КФ);

–      построения обобщенных ортогональных функций;

–      построения модели КФ в обобщенных базисах;

–      построения модели спектра в обобщенных базисах.

Скрытый уровень представляет собой программу, реализующую технологию аналитической обработки данных (рис. 3).

Предлагаемая технология включает следующие этапы: формирование набора данных, его распределение, построение моделей в рамках аналитического подхода [6, 7], реализация механизмов поиска скрытых закономерностей.

На первом этапе формируется исходный набор данных: происходит загрузка данных из файла либо генерирование совокупности выборок, подлежащих дальнейшему анализу. На втором этапе сформированные наборы данных распределяются по анализируемым характеристикам li (i – порядок анализируемой характеристики). На третьем этапе осуществляется построение корреляционно-спектральных характеристик (функциональных и обобщенных) в рамках аналитического подхода. На последнем этапе выполняется поиск скрытых закономерностей на основе разработанных механизмов по полученным моделям корреляционно-спектральных характеристик.

Механизмы поиска скрытых закономерностей могут иметь самую разную структуру. В терминах «Data Mining» выделяют пять стандартных типов: ассоциация, последовательность, кластеризация, классификация, прогнозирование. В связи с этим предлагаются следующие механизмы поиска скрытых закономерностей в рамках аналитического подхода: построение функциональной зависимости анализируемой корреляционно-спектральной характеристики f(l); построение пары функциональных зависимостей f(li) и f(li+1) в фазовой плоскости; выполнение аналитических преобразований  над функциональной зависимостью F(f(li), f(li+1)).

Таким образом, разработанная пространственная схема взаимодействия объектов позволяет создавать программные продукты, предполагающие наличие поэтапной обработки исходной информации. При этом построение данной схемы производится на различных уровнях создания конечного продукта:

–      на уровне программного кода при описании математических моделей, положенных в основу работы программного модуля;

–      на уровне объектов и модулей при описании конечной программы, входящей в комплекс программ;

–      на уровне формирования комплекса на основе имеющихся программ в зависимости от поставленной задачи.

Применение пространственной схемы взаимодействия объектов позволит снизить ресурсные и временные затраты на получение конечного продукта, а при создании комплекса программ в рамках систем «Data Mining» организовать ступенчатую платформу анализа данных.

Литература

1.     Data Mining Community's Top Resource. URL: http://www.kdnuggets.com (дата обращения: 01.06.12).

2.     Knowledge Discovery Through Data Mining: What Is Knowledge Discovery? USA, California, Tandem Computers Inc., 1996.

3.     Дюк В.А. Data Mining – интеллектуальный анализ данных. СПб: СПИИ РАН: URL: http://www.inftech.webservis.ru/it/ database/datamining/ar2.html (дата обращения: 01.06.2012).

4.     Джексон Д. Ряды Фурье и ортогональные полиномы; [пер. с англ.]. М., Л.: Глав. изд-во иностран. лит-ры, 1948.

5.     Дедус Ф.Ф., Махортых С.А., Устинин М.Н., Дедус А.Ф. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и распознавания образов. М.: Машиностроение, 1999. 357 с.

6.     Прохоров С.А., Куликовских И.М. Численно-аналитический подход к вычислению интегралов при построении ортогональных моделей // Вестн. СамГТУ: Физматнауки. 2009. № 2 (19). С. 140–146.

7.     Прохоров С.А., Куликовских И.М. Применение метода ортогональных разложений для выявления зависимостей между характеристиками ортогональных базисов // Аналитические и численные методы моделирования естественно-научных и социальных проблем: сб. стат. IV Междунар. науч.-технич. конф. Пенза: Приволж. дом знаний, 2009. С. 81–83.


Постоянный адрес статьи:
http://swsys.ru/index.php?page=article&id=3200
Версия для печати
Выпуск в формате PDF (7.64Мб)
Скачать обложку в формате PDF (1.33Мб)
Статья опубликована в выпуске журнала № 3 за 2012 год. [ на стр. 5-8 ]

Возможно, Вас заинтересуют следующие статьи схожих тематик: