Разработка программного обеспечения среды исследования алгоритмов интеллектуального анализа данных

Пояснительная записка: 87 с., 41 рис., 2 табл., 18 источник, 3 прил.

Целью выпускной квалификационной работы является разработка программного обеспечения среды исследования алгоритмов интеллектуального анализа данных.

Задачами выпускной квалификационной работы являются:

- изучение алгоритмов интеллектуального анализа данных;

- выбор программных средств реализации проекта;

- проектирование программного проекта;

- разработка программного проекта;

- разработка пользовательского интерфейса;

- тестирование и анализ проекта.

Главным назначением программы является упрощение процесса исследования алгоритмов интеллектуального анализа данных.

Объектом исследования является классификация данных.

Предметом исследования является исследования алгоритмов интеллектуального анализа данных с помощью методов интеллектуального анализа данных.

Программа была разработана как программный продукт, предназначенный для автоматизации процесса исследования алгоритмов интеллектуального анализа данных.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ. 7

1 ОБЗОР МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ.. 9

1.1 Метод k-ближайших соседей. 13

1.2 Метод k-средних. 18

1.3. Нейронные сети. 22

1.4 Метод опорных векторов. 24

2 ИСПОЛЬЗУЕМЫЕ СРЕДСТВА ДЛЯ РАЗРАБОТКИ.. 26

2.1 Язык программирования. 26

2.2 IDE. 27

2.3 Используемые модули. 28

2.3.1 Tkinter 28

2.3.2 Matplotlib. 28

2.3.3 Numpy. 29

2.3.4 Pandas 29

2.3.5 Sklearn. 30

3 ПРОЕКТИРОВАНИЕ И РАЗРАБОТКА ПРОГРАММЫ.. 31

3.1 Интеллект карта. 31

3.2 Пользовательский интерфейс. 34

3.3 Диаграмма вариантов. 36

3.4 Диаграмма компонентов. 38

3.5 Диаграмма взаимодействия. 38

3.6 Реализации алгоритмов и методов программы.. 39

3.6.1 Реализации алгоритма генерации выборки. 39

3.6.2 Реализации метода k-ближайших соседей. 41

3.6.3 Реализации метода k-средних. 43

3.6.4 Реализации нейросетевого метода. 45

3.6.5 Реализации нейросетевого метода. 47

4 ТЕСТИРОВАНИЕ И АНАЛИЗ РЕЗУЛЬТАТОВ.. 50

5 ОХРАНА ТРУДА, ВОПРОСЫ БЕЗОПАСНОСТИ ЖИЗНЕДЕЯТЕЛЬНОСТИ И ГРАЖДАНСКОЙ ОБОРОНЫ.. 56

5.1 Охрана труда. 56

5.1.1 Анализ условий труда в помещении с ПК.. 56

5.1.2 Мероприятия по улучшению условий труда. 57

5.1.2.1 Расчет заземления общего контура здания, который должен быть выведен к каждой розетке с ПК.. 59

5.1.3 Мероприятия по обеспечению пожарной безопасности. 61

5.2 Безопасность жизнедеятельности. 62

5.3 Гражданская оборона. 65

ЗАКЛЮЧЕНИЕ. 68

СПИСОК использованных источников. 69

Приложение А ТЕХНИЧЕСКОЕ ЗАДАНИЕ. 71

Приложение Б ЛИСТИНГ. 73

Приложение В ПЕРЕЧЕНЬ ЗАМЕЧАНИЙ НОРМОКОНТРОЛЕРА

К ДИПЛОМНОМУ ПРОЕКТУ.. 87

1. Андрей, Шабалов Коллективные технологии интеллектуального анализа данных / Шабалов Андрей, Евгений Семенкин und Сергей Ефимов. – М.: LAP Lambert Academic Publishing, 2012. – 108 c.

2. Васильев, А. Ю. Анализ данных лучевых методов исследования на основе принципов доказательной медицины / А.Ю. Васильев, А.Ю. Малый, Н.С. Серова. – М.: ГЭОТАР-Медиа, 2008. – 552 c.

3. Емельянов, С.В. Искусственный интеллект и принятие решений. Интеллектуальный анализ данных. Моделирование поведения. Когнитивное моделирование. Моделирование и управление. Выпуск №2/2012: моногр. / С.В. Емельянов. – Москва: Наука, 2012. – 733 c.

4. Макленнен, Дж. Microsoft SQL Server 2008: Data Mining – интеллектуальный анализ данных / Дж. Макленнен. – М.: БХВ-Петербург, 2009. – 682 c.

5. Методы анализа данных в физическом эксперименте. – М.: Мир, 1993. –480 c.

6. Методы анализа данных: Подход, основанный на методе динамических сгущений. – М.: Финансы и статистика, 1985. – 357 c.

7. Наталья, Новоселова und Игорь Том Методы анализа данных экспрессии генов / Наталья Новоселова und Игорь Том. - М.: LAP Lambert Academic Publishing, 2012. – 633 c.

8. Наталья, Семенчук und Игорь Степаненко Интеллектуальный анализ данных для полиграфического предприятия: моногр. / Наталья Семенчук und Игорь Степаненко. – М.: LAP Lambert Academic Publishing, 2014. – 330 c.

9. Рафалович, Владимир Data mining, или Интеллектуальный анализ данных для занятых. Практический курс / Владимир Рафалович. – М.: И-Трейд, 2014. – 678 c.

10. Рзаев, Рамин Интеллектуальный анализ данных в системах поддержки принятия решений / Рамин Рзаев. – М.: LAP Lambert Academic Publishing, 2013. – 136 c.

11. Bing, Liu Advances in Knowledge Discovery and Data Mining / Bing Liu, Philip S. Yu. – Москва: Гостехиздат, 2012. – 379 c.

12. Boris, Kovalerchuk Data Mining in Finance: Advances in Relational and Hybrid Methods (Kluwer International Series in Engineering and Computer Science, 547) / Boris Kovalerchuk, Evgenii Vityaev. – Москва: СИНТЕГ, 2017. – 765 c.

13. Boris, Mirkin Clustering For Data Mining: A Data Recovery Approach (Computer Science and Data Analysis) / Boris Mirkin. – Москва: РГГУ, 2012. – 266 c.

14. Classification, Clustering, and Data Mining Applications : Proceedings of the Meeting of the International Federation of Classification Societies (IFCS), ... Data Analysis, and Knowledge Organization). – Москва: Гостехиздат, 2021. – 658 c.

15. Dan, Braha Data Mining for Design and Manufacturing: Methods and Applications (MASSIVE COMPUTING) / Dan Braha. – Москва: РГГУ, 2021. – 812 c.

16. Data Mining and Bioinformatics: First International Workshop, VDMB 2006, Seoul, Korea, September 11, 2006, Revised Selected Papers (Lecture Notes in Computer Science). – Москва: Мир, 2018. – 197 c.

17. Data Mining in Bioinformatics (Advanced Information and Knowledge Processing). – Москва: Огни, 2011. – 340 c.

18. Data Mining in E-learning (Advances in Management Information). – Москва: СИНТЕГ, 2018. – 300 c.