ISSN 1991-2927
 

ACP № 2 (56) 2019

Автор: "Заварзин Денис Валерьевич"

УДК 004.67

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет , доктор технических наук, доцент, заместитель заведующего кафедрой «Информационные системы» Ульяновского государственного технического университета. Окончила радиотехнический факультет УлГТУ. Имеет статьи и монографии в области нечеткого моделирования и анализа временных рядов. [e-mail: tv.afanasjeva@gmail.com]Т.В. Афанасьева,

Сибирев Иван Валерьевич, Ульяновский государственный технический университет , аспирант кафедры «Информационные системы» УлГТУ, окончил экономико-математический факультет УлГТУ. Имеет статьи в области нечетких методов многомерного статистического анализа. [e-mail: ivan.sibirev@yandex.ru]И.В. Сибирев,

Заварзин Денис Валерьевич, Ульяновский государственный технический университет , аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области нечеткого моделирования и анализа аномалий временных рядов. [e-mail: dzavarzin@gmail.com]Д.В. Заварзин

Применение нечетких моделей в анализе процессов в организационно-технических системах51_11.pdf

В статье рассматривается применение нечетких моделей к анализу процессов организационно-технических систем. При этом основной целью анализа является формирование групп схожих процессов. Для группировки процессов они рассматриваются в виде дискретных временных рядов. Традиционные методы кластеризации временных рядов на основе поточечной кластеризации, на основе признаков или моделей не учитывают характер поведения временных рядов, что снижает информативность и качество кластеризации. Для устранения этого недостатка предложен алгоритм кластеризации, основанный на нечётком подходе, названный Fuzzy Behavior Clustering (FBC-подход). В предлагаемом подходе кластеризации временных рядов используется представление поведения временных рядов на трех уровнях иерархии (на уровне общей тенденции, уровне параметров ряда и на уровне значений). Поведение временных рядов на уровне основной тенденции описывается с помощью лингвистических термов. В основе FBC-подхода лежат нечеткое представление временных рядов и алгоритм формирования лингвистической оценки основной тенденции. В статье описано применение FBC-подхода для анализа и кластеризации временных рядов динамики KPI разработчиков ИТ-проектов на основе данных из репозитория.

Комбинированная кластеризация временных рядов, лингвистические термы, извлечение нечётких тенденций временных рядов.

2018_«А

Sections: Системы автоматизации проектирования

Subjects:


УДК 004.8

Афанасьева Татьяна Васильевна, Ульяновский государственный технический университет, доктор технических наук, доцент, заместитель заведующего кафедрой «Информационные системы» Ульяновского государственного технического университета. Окончила радиотехнический факультет УлГТУ. Имеет статьи и монографии в области интеллектуального анализа временных рядов. [e-mail: tv.afanasjeva@gmail.com]Т.В. Афанасьева,

Сапунков Алексей Андреевич, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: sapalks@gmail.com]А.А. Сапунков,

Заварзин Денис Валерьевич, Ульяновский государственный технический университет, аспирант кафедры «Информационные системы» УлГТУ, окончил факультет информационных систем и технологий УлГТУ. Имеет работы в области интеллектуального анализа временных рядов. [e-mail: dzavarzin91@gmail.com]Д.В. Заварзин

Применение алгоритма кластеризации k-means для улучшения темпоральной статистики просмотра коммерческих предложений000_6.pdf

Аномалии рассматриваются как нетипичные и редко встречающиеся значения, значительно искажающие данные. Обычно такие значения приводят к неточным результатам в процессе анализа данных, поэтому они должны быть удалены. В статье предлагается применение метода кластеризации k-means для решения практической задачи по обработке данных для отображения темпоральной статистики в секторе b2b. Предметной областью и источником данных является сервис отправки и трекинга коммерческих предложений B2BFamily. В статье предлагается удалять аномалии и отображать более адекватную темпоральную статистику о среднем времени просмотра слайда коммерческого предложения. Это поможет менеджеру по продажам корректировать стратегию общения с клиентами. В заключении обсуждаются полученные результаты и дальнейшие тенденции развития данного исследования.

Кластеризация, аномалии, алгоритм кластеризации k-means, обнаружение и удаление аномалий.

2016_«А

Sections:

Subjects:


© FRPC JSC 'RPA 'Mars', 2009-2018 The web-site runs on Joomla!