Интеллектуальный анализ данных в менеджменте. Кричевский М.Л. - 192 стр.

UptoLike

Составители: 

192
хорошо был осуществлен «исторический» прогноз, когда каждое значе"
ние индикатора попадало между нижней и верхней границами, пред"
ставленными в хромосоме. Результатом успешных проходов системы
является множество хромосом, которые описывают комбинации значе"
ний используемых параметров. Для применения таких хромосом
пользователю необходимо ожидать до тех пор, пока значения текущего
индикатора не попадут в диапазон, определяемый одной из таких строк,
и затем торговать акциями, основываясь на прогнозе системы.
В последние годы значительное внимание уделяется построению
систем классификации (СК), основанных на применении ГА. Для
большей наглядности рассмотрим вначале формирование такой СК в
криминалистике (хотя она и не относится к сфере менеджмента), а
затем – в области менеджмента [6].
Из многочисленных полицейских сериалов нам известно, как со"
здается «портрет» предполагаемого преступника. Это достаточно
трудоемкий и затратный по времени процесс. ПК помогают улучшить
эту процедуру, используя библиотеки различных признаков лица,
однако они имеют ограничения, так как полагаются на память сви"
детелей. Последние чаще всего в состоянии идентифицировать
субъект по фотографии, но описать лицо по памяти представляется
для них достаточно трудной задачей.
Система классификации с применением ГА работает с большой
библиотекой основных черт лица. Пять блоков системы представля"
ют образы лба, глаз, носа, рта, подбородка, которые позволяют гене"
рировать 34 биллиона компонентов лица. Такие пять категорий за"
кодированы как 35"битовая бинарная строка, состоящая из пяти се"
мибитовых параметров. Пример такой строки может выглядеть сле"
дующим образом:
10010011001100000101100110100110100
Система классификации начинает с популяции из 20 случайно
сгенерированных лиц, которые отображаются на дисплее. Свидете"
ли изучают представленные образы и присваивают каждому образу
рейтинг в диапазоне от 1 до 9, который служит оценкой пригодности
полученных «портретов». Вторая генерация образуется путем селек"
ции, скрещивания и мутации. Свидетели оценивают вторую генера"
цию образов, и процесс продолжается аналогичным образом до уста"
новленного заранее критерия остановки или получения наиболее, по
мнению свидетелей, достоверного «портрета». Описанный подход
показал высокую эффективность, поскольку сходимость метода час"
то происходила за 20 генераций.