Интеллектуальный анализ временных рядов. Ярушкина Н.Г - 7 стр.

UptoLike

ВУЗ: 

УлГТУ | Ульяновск

Составители: 

Рубрика: 

7
Вместе
с тем, выполнение указанных аналитических процедур сопряжено
с
определенными трудностями, вызванными неготовностью специалистов раз-
личного профиля к решению обозначенных задач из-за недостатка времени для
обработки
множества гетерогенных временных рядов увеличивающейся раз-
мерности, хранимых в базах данных, а также из-за отсутствия соответствую-
щей подготовки в области анализа ВР и способов интерпретации его результатов.
Одним из направлений, обеспечивающим
«интеллектуальную» поддерж-
ку специалистов по решению новых задач анализа ВР баз данных, является ин-
теллектуальный анализ данных или Data Mining, в котором анализ поведения и
тенденций развития процессов может быть рассмотрен как интеллектуальный
анализ временных рядов или Time Series Data Mining (TSDM). Основными це-
лями Time Series Data Mining являются, во-первых, анализ и моделирование
процессов, характеризующихся высокой степенью неопределенности, в том
числе «нестохастического» типа, во-вторых, повышение уровня интеллектуаль-
ной поддержки современных специалистов, и, в-третьих, выявление скрытых
закономерностей и извлечение новых знаний из временных рядов.
В основе новых методов Time Series Data Mining лежит нечеткая модель
временного ряда, получившая название нечеткого временного ряда (НВР), по-
строенная с привлечением нечетких экспертных оценок и нечетких систем. Та-
кая модель, принципиально являясь более грубой, тем
не менее, позволяет ис-
пользовать дополнительные предметно-зависимые знания и описывать поведе-
ние временного ряда в виде качественных оценок изменений и нечетких тен-
денций. И в этом смысле один и тот же временной ряд в различных предметных
областях будет иметь разные нечеткие модели. При моделировании нечетких
временных рядов необходимо определить его
носитель, объект исследования и
решаемые задачи. Носителем нечеткого временного ряда выступает исходный
временной ряд, объектом исследования – модель нечеткого временного ряда,
совокупность задач Data Mining применительно к нечетким временным рядам
включает: сегментацию, кластеризацию, классификацию, индексирование, ре-
зюмирование, обнаружение аномалий, частотный анализ, прогнозирование, из-
влечение ассоциативных правил.

Страницы