Реферат

Магистерская диссертация по теме «Применение символьного анализа в информационно-аналитических системах­­­­­­­­­­­­­­­­­­­­­­­­­­­­» содержит 93 страницы текстового документа, 50 использованных источников, одно приложение.

ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИЕ СИМТЕМЫ, СИМВОЛЬНЫЕ ДАННЫЕ, ТЕХНОЛОГИИ ИЗВЛЕЧЕНИЯ ЗНАНИЙ, АНАЛИЗ СИМВОЛЬНЫХ ДАННЫХ.

Целью диссертационной работы является применение методов символьного анализа для решения практических задач.

Задачи диссертационной работы: Анализ существующих публикаций; изучение информационно-аналитических технологий анализа данных; изучение способов представления символьных данных и методов анализа; рассмотрение вопросов связанных с практическим применением символьного анализа в информационно-аналитических системах..

На сегодняшний день большое количество данных характеризуются сложной структурой. Применение традиционных технологий для сложно структурированных данных становится затруднительным. Необходимость применения новых методов для представления и обработки данных сложной структуры является актуальной задачей.

Введение

На сегодняшний день большое количество данных характеризуются сложной структурой. Применение традиционных технологий для сложно структурированных данных становится затруднительным. Необходимость применения новых методов для представления и обработки данных сложной структуры является актуальной задачей.

Диссертационная работа посвящена актуальной теме, связанной с применением символьного анализа данных в информационно-аналитических системах. В ней изучается проблема извлечения знаний из информации больших объемов, которая характеризуется сложной структурой данных.

Объектом исследования являются сложно структурированные данные, которые попадают под понятие символьные данные.

Предметом исследования являются методы и способы представления и обработки символьных данных.

Символьный (символический) анализ данных сравнительно новая область науки, основоположником которой стал французский ученый Edwin Diday, в 1980-х годах он опубликовал несколько работ, в которых изложил основные принципы и понятия. Позже к нему присоединились другие ученые со всего мира.[1]

Если данные об объекте содержат внутренние зависимости или структуры, то такие данные называют символьными. Символьные значения могут быть представлены в виде интервалов, гистограмм, распределений, списков значений. Иными словами символьные данные – это способ представления сложно-структурированной информации. Как правило, символьные данные возникают в двух случаях, при сборе и обработки информации. Некоторые собранные данные по своей природе являются символьными, некоторые приводятся к символьному виду в результате обработки.

В современном мире крупные наборы данных становятся обычным делом, и проанализировать эти данные бывает сложно, а порой не возможно, так как для проведения статистического анализа могут потребоваться большие вычислительные мощности[14]. Чтобы решить эту проблему, была проделана большая работа по разработке более эффективных алгоритмов. Хотя улучшенные алгоритмы решают проблему, они по-прежнему ограничены в полезности. Тем не менее, простым способом решения этой проблемы является агрегирование отдельных данных на группы по некоторым параметрам, это особенно эффективно, когда характеристики групп представляют больший интерес, чем отдельно взятая единица. Таким образом, первоначальный набор данных сводится к наборам данных меньшего объема, сохраняя при этом полезные знания.

Анализ публикаций показал, что данное направление в России слабо развито. Поставленная проблема определяет цели диссертации и задачи:

Цели: изучение символьного анализа и рассмотрение задач связанных с его применением в информационно-аналитических системах.

Задачи: анализ существующих публикаций по данной тематике, изучение различных способов представления символьных данных, изучение вопросов связанных с применением символьного анализа в информационно аналитических системах.

Диссертационная работа состоит из трех глав, введения, заключения, приложения и списка используемой литературы. В главе 1 описывается важность использования информационно-аналитических систем в различных областях, приводится обзор технологий извлечения знаний, и сравнение методов анализа данных. В главе 2 приводятся определения символьных типов данных, способы представления и методы визуализации. В главе 3 описываются способы применения символьных переменных в задачах регрессии и кластеризации, рассматривается задача распознавания образов с использованием кластерного анализа.