9. Відкриття та здобування знань

Інтелектуальний аналіз даних ( рос. видобуток даних , інтелектуальний аналіз даних , глибинний аналіз даних) - збірна назва , що використовується для позначення сукупності методів виявлення в даних раніше невідомих , нетривіальних , практично корисних і доступних інтерпретації знань , необхідних для прийняття рішень у різних сферах людської діяльності. Термін введений Григорієм Пятецкий - Шапіро в 1989 році.

Англійське словосполучення « інтелектуальний аналіз даних» поки не має усталеного перекладу на російську мову. При передачі російською мовою використовуються наступні словосполучення: просівши інформації , видобуток даних , вилучення даних , а , також , інтелектуальний аналіз даних. Більш повним і точним є словосполучення «виявлення знань у базах даних» (англ. знання виявлення в базах даних , KDD ) .

Основу методів інтелектуального аналізу даних складають всілякі методи класифікації , моделювання та прогнозування , засновані на застосуванні дерев рішень , штучних нейронних мереж , генетичних алгоритмів , еволюційного програмування , асоціативної пам'яті , нечіткої логіки. До методів інтелектуального аналізу даних нерідко відносять статистичні методи ( дескриптивний аналіз , кореляційний і регресійний аналіз , факторний аналіз , дисперсійний аналіз , компонентний аналіз , дискримінантний аналіз , аналіз часових рядів , аналіз виживаності , аналіз зв'язків) . Такі методи , однак , припускають деякі апріорні уявлення про аналізованих даних , що дещо розходиться з цілями інтелектуальний аналіз даних ( виявлення раніше невідомих нетривіальних і практично корисних знань ) .

Одне з найважливіших призначень методів інтелектуального аналізу даних полягає в наочному поданні результатів обчислень ( візуалізація ) , що дозволяє використовувати інструментарій інтелектуального аналізу даних людьми, не мають спеціальної математичної підготовки. Водночас , застосування статистичних методів аналізу даних вимагає доброго володіння теорією ймовірностей і математичної статистикою.

10. Загальна характеристика інструментальних засобів FuzzyTech програмного пакету matlab.

Программа fuzzyTECH, разработанная и постоянно обновляемая компанией INFORM GmbH (InformSoftwareCorporation, Германия), предназначена для решения различных задач нечеткого моделирования. В отличие от системы МАTLAB, проrграммаfuzzyTECH является специализированным средством, которое позволяет разрабатывать и исследовать разнообразные нечеткие модели в графическом режиме, а также преобразовывать их в программный код на одном из языков программирования с возможностью последующей реализации в программируемых микроконтроллерах. Программа fuzzyTECH обладает возможностью использования ее в качестве сервера или клиента при нечетком управлении удаленными объектами. Интересной особенностью программы fuzzyTECH, которую также следует обязательно отметить, является возможность автоматической генерации документации по нечетким моделям в виде текста с иллюстрациями в формате RTF.

Для MATLAB имеется возможность создавать специальные наборы инструментов (англ. toolbox), расширяющие его функциональность. Наборы инструментов представляют собой коллекции функций, написанных на языке MATLAB для решения определённого класса задач. Компания Mathworks поставляет наборы инструментов, которые используются во многих областях, включая следующие:

Цифровая обработка сигналов, изображений и данных: DSP Toolbox, ImageProcessingToolbox, WaveletToolbox, CommunicationToolbox, FilterDesignToolbox — наборы функций, позволяющих решать широкий спектр задач обработки сигналов, изображений, проектирования цифровых фильтров и систем связи.

Системы управления: ControlSystemsToolbox, µ-AnalysisandSynthesisToolbox, RobustControlToolbox, SystemIdentificationToolbox, LMI ControlToolbox, ModelPredictiveControlToolbox, Model-BasedCalibrationToolbox — наборы функций, облегчающих анализ и синтез динамических систем, проектирование, моделирование и идентификацию систем управления, включая современные алгоритмы управления, такие как робастное управление, H∞-управление, ЛМН-синтез, µ-синтез и другие.

Финансовый анализ: GARCH Toolbox, Fixed-IncomeToolbox, FinancialTimeSeriesToolbox, FinancialDerivativesToolbox, FinancialToolbox, DatafeedToolbox — наборы функций, позволяющие быстро и эффективно собирать, обрабатывать и передавать различную финансовую информацию.

Анализ и синтез географических карт, включая трёхмерные: MappingToolbox.

Сбор и анализ экспериментальных данных: DataAcquisitionToolbox, ImageAcquisitionToolbox, InstrumentControlToolbox, LinkforCodeComposerStudio — наборы функций, позволяющих сохранять и обрабатывать данные, полученные в ходе экспериментов, в том числе в реальном времени. Поддерживается широкий спектр научного и инженерного измерительного оборудования.

Визуализация и представление данных: VirtualRealityToolbox — позволяет создавать интерактивные миры и визуализировать научную информацию с помощью технологийвиртуальной реальности и языка VRML.

Средства разработки: MATLAB Builderfor COM, MATLAB BuilderforExcel, MATLAB Builderfor NET, MATLAB Compiler, FilterDesign HDL Coder — наборы функций, позволяющих создавать независимые приложения из среды MATLAB.

Взаимодействие с внешними программными продуктами: MATLAB ReportGenerator, ExcelLink, DatabaseToolbox, MATLAB WebServer, LinkforModelSim — наборы функций, позволяющие сохранять данные вразличных видов таким образом, чтобы другие программы могли с ними работать.

Базы данных: DatabaseToolbox — инструменты работы с базами данных.

Научные и математические пакеты: BioinformaticsToolbox, CurveFittingToolbox, Fixed-PointToolbox, FuzzyLogicToolbox, GeneticAlgorithmandDirectSearchToolbox, OPC Toolbox, OptimizationToolbox, PartialDifferentialEquationToolbox, SplineToolbox, StatisticToolbox, RF Toolbox — наборы специализированных математических функций, позволяющие решать широкий