1 Идентификация проблемной области

1.1 Постановка задачи

Разработать ЭС, для применения ее в автоматизации отдела продаж компьютерного магазина. Данная программа позволяет выдавать рекомендации пользователю по принимаемым решениям при выборе комплектующих компьютерной техники (видеокарты).

1.2 Назначение эс

Назначение ЭС − консультирование в области принятия решений и формиро­вание списка видеокарт из каталога, которые соответствуют требованиям покупателя.

Особенности решения задачи связаны с тем, что ЭС настраивается на требо­вания и запросы пользователя. ЭС должна выполнять функции когнитолога, поддерживать интерфейс пользователя, а также хранить и пополнять БЗ в от­дельном файле. ЭС должна выдавать рекомендации лицу, принимающему решение (ЛПР), по принимаемым решениям при выборе комплектующих для компьютера (видеокарты).

Цель разработки ЭС - консультация сотрудников отдела продаж компьютерного магазина в процессе обслуживания клиентов.

1.3 Класс эс по решаемой задаче

Класс решаемой задачи - задача поддержки принятия решения (ПНР). ЭС позволяет сформировать множество рекомендации но решению каких-либо задач и представить их в удобной форме.

1.4 Цель

Цель − выдавать рекомендации по выбору видеокарты при комплектации системного блока.

Целевая переменная "Решение" принимает следующие значения Решение = покупать. Решение = не покупать.

1.5 Ожидаемые результаты

Разработать ЭС, для применения ее в автоматизации отдела продаж компьютерного магазина. Сформировать множество возможных действий по мотивации покупателя в соответствии с заданными требованиями.

1.6 Промежуточные цели

Промежуточные цели при построении данной ЭС определяются такими пере­менными, как: Comp1= большая, средняя, малая;Comp2= большая, средняя, малая,Comp3= большая, средняя, малая;Класс= 1, 2, 3, не определен.

1.7 Исходные данные

Исходные данные при построении данной ЭС определяются такими переменными, как:

1. Цена = [1000, 23000]

2. Объем памяти (0– 64, 1– 128, 2– 256, 3– 512) = {0, 1, 2, 3}

3. Тип шины (0 – AGP, 1 –PCI-X) = {0, 1}

4. Разрядность шины памяти (0– 64, 1– 128, 2– 256) = {0, 1, 2}

5. Частота чипа = [200, 650]

6. Частота памяти = [150, 1200]

7. Наличие SLI(0 – Нет, 1 – Да) = {0, 1}

8. Наличие DVI(0 – Нет, 1 – Да) = {0, 1}

9. Наличие TV-In(0 – Нет, 1 – Да) = {0, 1}

10. Наличие TV-Out(0 – Нет, 1 – Да) = {0, 1}

2 Концептуализация предметной области

2.1 Извлечение знаний

2.1.1 Анализ методом главных компонент

Метод главных компонент даст возможность по pисходным признакам вы­делить в общем случаерглавных компонент

Введем исходные данные в электронную таблицу STATGRAPHICS(50x10) Исходная сводка анализа метода главных компонент (МГК) представлена в таблице 2.1.

Таблица 2.1

Исходная сводка МГК

Component Number	Eigen Value	Percent of Variance	Cumulative Percentage
1	3.850	38.495	38.495
2	1.248	12.479	50.973
3	1.108	11.077	62.050
4	0.982	9.918	71.867
5	0.836	8.364	80.231
6	0.618	6.182	86.413
7	0.526	5.264	91.676
8	0.357	3.575	95.251
9	0.281	2.811	98.062
10	0.194	1.938	100.000
Number of complete cases : 50

Из полученной сводки заключаем, что анализу подвергаются переменные цена, объем памяти, тип шины, разрядность шины памяти, частота чипа, частита памяти, наличие SLI, наличиеDVI, наличиеTVIn, наличиеTVOutи что число объектов составляет 50.

Далее следует информация непосредственно МГК собственные значения глав­ных компонент, упорядоченные по величине (Eigenvalue), процент дисперсии, приходящийся на каждую выделенную главную компоненту (Percent of Variance), накопленный процент дисперсии (Cumulative Percentage).

Приведенные цифры гово­рят о том, что уже первые две главные компоненты описывают 50,973% дисперсии исходных данных. Третья главная компонента добавляет еще 11,077% дисперсии, так что в сумме получается 62,050% дисперсии.

Для более детального анализа проделали еще ряд операций. Получили веса признаков в главных компонентах (таблица 2.2).

Таблица 2.2

Веса признаков в главных компонентах

	Component1	Component2	Component3
Цена	0.432	0.048	-0.178
Объем памяти	0.347	0.334	0.270
Тип шины	0.284	-0.563	0.040
Разрядность шины памяти	0.411	0.202	0.272
Частота чипа	0.380	0.037	-0.248
Частота памяти	0.333	-0.120	-0.260
Наличие SLI	0.222	-0.325	-0.055
Наличие DVI	0.063	0.637	-0.191
Наличие TV-In	0.325	0.015	-0.209
Наличие TV-Out	0.171	-0.038	0.779

Как следует из полученных цифр, в первой компоненте наблюдается наибольшая зависимость от цены, объема памяти, частоты и разрядность шины, частоты памяти и наличия TVIn. Во второй главной компоненте наблюдается сочетание объема памяти, типа шины, и наличия выходаDVI. В третьей главной компонен­те наибольшие веса имеют объем памяти, ее разрядность и наличие выходаTVOut.

Перейдем к рассмотрению диаграммы рассеивания всей совокупности работ­ников на плоскости выделенных двух главных компонент (рисунок 2.1).

Рисунок 2.1 – Проекция исследуемых видеокарт на пространство двух ГК

На представленном рисунке хорошо видно, что вся исследуемая совокупность работников разделилась на три достаточно четких класса.

Рисунок 2.2 – Проекция исследуемых видеокарт на пространство трех ГК

Выбор значащих компонент и определение названия для них представлено ниже.

1) Выберем p=3 главных компонент.

2) Определим названия для них по формуле:

,

где [w_kj] – подмножество участвующих в названии весовых коэффициентовj-й компоненты;

[w_j] – все весовые коэффициентыj-й компоненты.

Для первой компоненты имеем:

Т.к. принадлежит интервалу [0,75; 0,95], значит, первая главная компонента определяется (более чем на 83,5%) следующими показателями: цены, объем памяти, частота и разрядность шины, частота памяти и наличие входаTVIn

Для второй компоненты

Т.к. принадлежит интервалу [0,75; 0,95], значит, вторая главная компонента определяется (более чем на 83,4%) следующими показателями: объем памяти, тип шины, и наличия выходаDVI.

Для третьей компоненты

Т.к. принадлежит интервалу [0,75; 0,95], значит, третья главная компонента определяется (более чем на 75,4%) следующими показателями: объем памяти, ее разрядность и наличие выходаTVOut.