ISSN 1991-2927
 

АПУ № 4 (54) 2018

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_ 1

Рубрика: Системы автоматизации проектирования

Тематика: Системы автоматизации проектирования.


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_ 4

Рубрика: Математическое моделирование

Тематика: Математическое моделирование.


© ФНПЦ АО "НПО "Марс", 2009-2018 Работает на Joomla!