Полезное:
Как сделать разговор полезным и приятным
Как сделать объемную звезду своими руками
Как сделать то, что делать не хочется?
Как сделать погремушку
Как сделать так чтобы женщины сами знакомились с вами
Как сделать идею коммерческой
Как сделать хорошую растяжку ног?
Как сделать наш разум здоровым?
Как сделать, чтобы люди обманывали меньше
Вопрос 4. Как сделать так, чтобы вас уважали и ценили?
Как сделать лучше себе и другим людям
Как сделать свидание интересным?
Категории:
АрхитектураАстрономияБиологияГеографияГеологияИнформатикаИскусствоИсторияКулинарияКультураМаркетингМатематикаМедицинаМенеджментОхрана трудаПравоПроизводствоПсихологияРелигияСоциологияСпортТехникаФизикаФилософияХимияЭкологияЭкономикаЭлектроника
Введение. В данной работе предполагается рассмотреть специфику понятий - интеллектуальный анализ данных и генетические алгоритмы
Аннотация
В данной работе предполагается рассмотреть специфику понятий - интеллектуальный анализ данных и генетические алгоритмы.
В целом, анализ литературы по данной теме свидетельствует о том, что в настоящее время интеллектуальный анализ данных (Data Mining) - это процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей (шаблонов информации). Генетический алгоритм - это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора.
Объектом исследования в данной работе выступает теория интеллектуального анализа данных и особенности генетических алгоритмов.
В работе использовались такие методы исследования как метод анализа литературы по анализу данных, сравнительный подход, обработка информации по периодическим изданиям.
Работа состоит из 3 глав, содержит 5 рисунков.
Содержание:
Введение……………………………………………………………..................4
Глава 1. Интеллектуальный анализ данных……………………………….…5
Понятие термина «интеллектуальный анализ данных»…………..…..5
Методика извлечения знаний………………………………………..….7
Теория интеллектуального анализа данных…………………….…….16
Глава 2. Генетические алгоритмы……………………………….………..….22
Описание генетического алгоритма………………………………..……22
Особенности генетических алгоритмов…………………………..…….31
Кодирование в генетических алгоритмах. Генетические операторы…33
Глава 3. Примеры использования генетических алгоритмов………………43
Применение генетических алгоритмов………………………………….43
Концепция применения генетических алгоритмов……………………..44
Программное обеспечение генетических алгоритмов………………….49
Заключение……………………………………………………………………..51
Список использованной литературы………………………………………….52
Введение
Интеллектуальный анализ данных (ИАД, data mining, KDD - knowledge discovery in databases) представляет собой новейшее направление в области информационных систем (ИС), ориентированное на решение задач поддержки принятия решений на основе количественных и качественных исследований сверхбольших массивов разнородных ретроспективных данных. Принципиальное отличие ИАД от известных методологий, используемых в существующих системах поддержки принятия решений (СППР, DSS)состоит в переходе от технологии оперативного экспресс-анализа текущих ситуаций, характерной для традиционных систем обработки данных (СОД), к фундаментальным методам исследований, опирающимся на мощный аппарат современной математики. В качестве примеров рабочего инструментария ИАД можно назвать такие разделы "чистой" (pure) и прикладной математики, как многомерный статистический анализ, нелинейные дифференциальные уравнения, нейронные сети, эволюционное программирование, теория наблюдения динамических систем, временные ряды и другие. Основными задачами ИАД являются краткосрочный и долгосрочныйпрогноз развития ситуаций и комплексный системный анализ, включающийв себя обнаружение и идентификацию скрытых закономерностей, ранеенеизвестных взаимосвязей, значимых факторов развития самого объектаанализа и среды, в которую он погружен, визуализацию полученных результатов, подготовку предварительных отчетов и проектов допустимых решений с оценками их достоверности и эффективности возможных реализаций.Генетический алгоритм - новейший, но не единственно возможный способ решения задач оптимизации. С давних пор известны два основных пути решения таких задач - переборный и локально-градиентный. У этих методов свои достоинства и недостатки, и в каждом конкретном случае следует подумать, какой из них выбрать.
Благодаря открытиям последних ста лет современной науке известны все основные механизмы эволюции, связанные с генетическим наследованием. Эти механизмы достаточно просты по своей идее, но остроумны (если к природе применимо это слово) и эффективны. Удивительно, но простое моделирование эволюционного процесса на компьютере позволяет получить решения многих практических задач. Такие модели получили название “генетические алгоритмы” и уже широко применяются в различных областях.
В процессе изучения различных подходов к решению задач оптимизации выдвигается гипотеза что, решение задач оптимизации возможно с помощью генетических алгоритмов.
Объектом изучения данной работы являются интеллектуальный анализ данных и генетические алгоритмы.
Предмет изучения – применение генетических алгоритмов для нахождения решения оптимизационной задачи, а также методика извлечения знаний.
Методы исследования:
o сбор и анализ литературных источников по данной теме;
o изучение особенностей создания и использования генетических алгоритмов;
o моделирование теории интеллектуального анализа данных.
Целью данной работы является изучение методики извлечения знаний и применение генетических алгоритмов на практике.
Задачи:
1. рассмотреть понятие «интеллектуального анализа данных»;
2. рассмотреть теорию интеллектуального анализа данных;
3. проанализировать возможности генетических алгоритмов;
4. изучить особенности генетических алгоритмов;
5. рассмотреть генетические операторы.
Date: 2015-07-11; view: 565; Нарушение авторских прав; Помощь в написании работы --> СЮДА... |