Рус Eng Cn 翻译此页面:
请选择您的语言来翻译文章


您可以关闭窗口不翻译
图书馆
你的个人资料

返回内容

控制论与编程
正确的文章链接:

基于多维数据分析的建模决策

Pesterev Egor Vasilievich

圣彼得堡国立民航大学空中交通管制系高级讲师

196210, Russia, Saint Petersburg, str. Pilotov, 38, room No. 353a

pesegor@gmail.com
Klyushin Yaroslav Grigorievich

博士学位 物理和数学

圣彼得堡国立民航大学应用数学系副教授

196210, Russia, Saint Petersburg, str. Pilotov, 38, office No. 375

klyushin7748848@live.ru

DOI:

10.7256/2306-4196.2016.3.18956

评审日期

26-04-2016


出版日期

25-06-2016


注解: 在决策中使用多维数据处理方法是业务流程分析系统的一个组成部分。 在拟议的工作中,作者设定了用一组给定的备选方案分析运筹学多因素问题的任务。 因此,选择以分析从所审议系统运作统计中获得的多层面数据为基础的决策过程作为研究的主题。 在统计数据处理方面制定了该任务,建议从更一般的方法的角度进行研究,即在模式识别和化学计量学理论方面。 本文提出了统计数据形成和处理的方法,其中包括通过生产函数(置信函数)形成多维数据结构及其后续处理。 提出了从主导动机原理的角度分析形成学习样本的初始特征,在工作中以数学方式表述为它们相互影响以及对正在做出的决定的影响。 为了测试这些方法,进行了一系列数值实验,目的是比较反映所提出方法的编译算法与贝叶斯方法,以及各种生产函数。 一系列实验包括识别几个生成的随机数的算术平均值。 结果,获得了正确答案的数量对定义参数(对象的数量,特征的数量,训练样本的大小,每个特征的可能值的数量)的依赖性。 所获得的结果表明,使用所提出的方法对对象进行分类的质量优于使用概率方法进行的分类。 所获得的结果可用于与决策没有直接关系的广泛任务,为其在多维数据分析方面的制定提供了条件。


出版日期:

决策支持, 置信函数, 生产功能, 统计数据, 多维数据, 模式识别, 化学计量学, 贝叶斯概率, 多因素模型, 多维统计