Вычислительные алгоритмы, алгоритмы моделирования и программное обеспечение методов и средств индуктивного анализа данных

Отчет состоит из 167 страниц, 82 рисунков, 6 таблиц, 153 источника. ДАННЫЕ, ЗНАНИЯ, СИГНАЛЫ; ИНДУКТИВНЫЙ АНАЛИЗ; ИНТЕЛЛЕКТУАЛЬНЫЕ АЛГОРИТМЫ И ТЕХНОЛОГИИ МОДЕЛИРОВАНИЯ; ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ. Целью настоящей НИР является разработка новых методов модельного, алгоритмического и программного обеспечения для хранения и индуктивного анализа данных, а также сигналов и знаний. В ходе выполнения проекта разработано новое модельное, алгоритмическое и программное обеспечение на базе интеллектуальных алгоритмов и технологий моделирования. Интеллектуальный анализ применен не только для обработки статичных данных, но и динамических (временных рядов), сигналов (процессов) и знаний. Осуществлена практическая реализация результатов на реальных данных. Отчет состоит из введения, 10 разделов и заключения. Разделы посвящены по трем крупным тематикам: интеллектуальным технологиям моделирования (разделы 1 – 3), интеллектуальным алгоритмам анализа данных (разделы 4 – 8), программному обеспечению разработки алгоритмов и приложений анализа данных (разделы 9 – 10). Основные результаты научно-исследовательской работы: 1.1. Построены и исследованы разные варианты одиночных и однородных ансамблевых моделей классификации, позволяющих выполнить прогноз уровня засоренности посевов на основе учета совокупности качественных и количественных факторов. 1.2. Выполнен сравнительный анализ точности предсказания уровня засоренности посевов на основе использования одиночных классификаторов (наивный Байес, логистическая регрессия, дерево решений) и ансамблевых алгоритмов (градиентный бустинг, случайный лес). Сравнительное тестирование показало преимущества использования ансамблевых алгоритмов по сравнению с одиночными классификаторами (повышение точности классификации) при прогнозе уровня засоренности посевов. Наиболее точным оказался алгоритм градиентного бустинга: значение меры AUC составило на тестовой выборке 0.8905, F-меры – 0.5656, МСС (коэффициент Мэттьюса) – 0.6586, ВА (сбалансированная точность) – 0.7689, что говорит о сравнительно высокой точности построенного классификатора. 2.1. Разработан алгоритм семплирования данных для устранения несбалансированности классов, основанный на комбинации методов SMOTE и увеличения выборки. 2.2. Построены разные варианты последовательной гибридизации методов семплирования (сокращение выборки, увеличение выборки, SMOTE, комбинация SMOTE и увеличения выборки) с моделями-классификаторами (наивный Байес, мультиномиальная логистическая регрессия, деревья решений, градиентный бустинг, случайный лес). 2.3. Исследована эффективность применения предлагаемого подхода для решения задачи классификации уровней засоренности посевов. Проведенные вычислительные эксперименты показали, что применение алгоритмов семплирования для устранения дисбаланса классов на одиночных моделях-классификаторах, а также применение ансамблевых алгоритмов значительно повышает точность результатов классификации. 3. Проведено исследование эффективности и безопасности применения сверточных нейронных сетей. 4. Разработаны алгоритмы анализа измерительной информации в цифровых голографических системах. 5. Рассмотрены особенности тренажеров и симуляторов, особенности реализуемых технологий на примере двух разработанных и апробированных тренажеров. 6. Предложенная технология сейсмической локации обеспечивает возможность построения серии годографов волн отраженных, как от прямолинейных границ, так и от сложно устроенных границ, соответствующих нарушениям регулярного залегания пластов среды. 7. Разработано программное обеспечение для идентификации параметров двухканальных статических объектов с векторным входом и векторным выходом. 8. Выполнена программная реализация модифицированного алгоритма локальной томографической реконструкции изделия с внутренним дефектом типа отслоения или трещины, имеющего избирательную чувствительность к зондирующему излучению, при системе наблюдений в виде окружности. 9. Предложен и описывается алгоритм работы программного обеспечения для контроля уникальности студенческих отчетов. 10.1. Разработаны универсальные средства сопряжения с протоколом МЭК 61850 и адаптированы под требования сертифицирующей организации ФСК ЕЭС «РОССЕТИ» и принятого корпоративного профиля. 10.2. Разработанные средства сопряжения внедрены в программные компоненты текущей конфигурации сертифицируемого оборудования.