Методы и модели интеллектуального анализа данных в задачах управления в социальных и экономических системах
Диссертация
Практическая значимость исследования заключается в том, что сформулированные выводы и предложения, разработанные подходы и модели могут быть использованы широким кругом специалистов, занимающихся разработкой и внедрением проектов интеллектуального анализа данных на основе аналитических платформ и приложений. Модель урожайности на основе данных arpoхимического обследования почв может быть… Читать ещё >
Список литературы
- Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник/Под ред. Н. П. Тихомирова. —М.: Экзамен, 2004. — 528 с.
- Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин JI. Д. Прикладная статистика: классификация и снижение размерности. — М.: Финансы и статистика, 1989. 608 с.
- Арустамов А.И., Васильев Е. П., Орешков В. И. Интеллектуальные платформы современный инструмент анализа данных в экономике и бизнесе//Сб. трудов Международной научно-практической конференции «Дни науки», Прага, 2012.
- Архипенков С.Я. Хранилища данных/Архипенков С.Я., Голубев Д. В., Максименко О. Б. — М.: Диалог-МИФИ, 2002. 528 с.
- Башмаков А.И., Башмаков И. А. Интеллектуальные информационные технологии: Учеб. пособие. М.: Изд-во МГТУ им. Н. Э. Баумана, 2005. — 304 с: илл. — (Информатика в техническом университете).
- Барсегян А. А. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP / Барсегян А. А., Куприянов M.C., Степаненко B.B., Холод И. И. 2-е изд., перераб. и доп. — СПб.: БХВ-Петербург, 2007. — 382 с.
- Барсегян A.A. Анализ данных и процессов / А. А. Барсегян, М. С. Куприянов, И. И. Холод, М. Д. Тесс, С. И. Елизаров. 3-е изд. перераб. и доп. СПб.: БХВ-Петербург, 2009. 512 с.
- Барцев С. И., Охонин В. А. Адаптивные сети обработки информации. Красноярск: Ин-т физики СО АН СССР, 1986. Препринт N 59Б. — 20 с.
- Блинкова С.Ю., Васильев Е. П., Орешков В. И. Фильтрация данных в интеллектуальных системах бизнес-аналитики//Материалы научно-практической конф. РГАТУ им. П. А. Костычева. Рязань: РГАТУ, 2011 с. 272 — 277.
- Васильев Е.П., Орешков В. И. Современные аналитические платформы для задач АПК // Вестник Рязанского гос. агротехнологического университета имени П. А. Костычева. Рязань: РГАТУ.- 2011.- № 1.- С.68−75.
- Васильєв Е.П., Орешков В. И. Интеллектуальные системы бизнес-аналитики//Интеграция науки с сельскохозяйственным производством: материалы науч. конф. Рязань: изд. РГАТУ, 2011 — с. 67−71.
- Васильев Е.П. Объектно-ориентированное программирование: реализация экономических задач в среде Delphi/ Васильев Е. П., Орешков В. И. Уч. пособие. Рязань: РГАТУ, 2011. — 163 с.
- Васильев Е.П., Воронкина Н. Ю., Орешков В. И. Трансформация данных в аналитическом приложении Dedictor Studio// Материалы научно-практической конф. РГАТУ им. П. А. Костычева. Рязань: РГАТУ, 2011 с. 277 — 282.
- Васильев Е.П., Гусев Ю. С., Орешков В. И. Подавление шумов и сглаживание данных в аналитических системах // Материалы научно-практической конф. РГАТУ им. П. А. Костычева. Рязань: РГАТУ, 2011 с. 282 — 290.
- Васильев Е.П., Орешков В. И., Сычева Т. А. Обработка и предобработка баз данных в задачах АПК// Материалы научно-практической конф. РГАТУ им. П. А. Костычева. Рязань: РГАТУ, 2011 с. 290 — 296.
- Васильев Е.П., Орешков В. И., Чумакова E.H. Моделирование бизнес-процессов на предприятии АПК в аналитической платформе Deductor// Материалы научно-практической конф. РГАТУ им. П. А. Костычева. Рязань: РГАТУ, 2011 с. 296−304.
- Васильев Е.П., Орешков В. И., Шаева К. А. Построение модели линейной регрессии в аналитической платформе Deductor// Материалы научно-практической конф. РГАТУ им. П. А. Костычева. Рязань: РГАТУ, 2011 с. 304 — 310.
- Вапник В.Н. Восстановление зависимостей по эмпирическим данным. М.: Наука, 1979. — 448 с.
- Горбань А. Н., Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей, Сибирский журнал вычислительной математики, 1998. Т.1, № 1. С. 12−24.
- Дюк В., Самойленко A. Data Mining: учебный курс (+CD). — СПб: Изд. Питер, 2001. — 368 с.
- Евстропов, A.C. Системы управления и производством сельскохозяйственной продукции на основе информационно-иновационных технологий (монография) / A.C. Евстропов, В. А. Артамонов. Рязань: ГНУ ВНИМС, 2009. — 196 с.
- Журавлев Ю.И., Рязанов В. В., Сенько О. В. Распознавание: математические методы, программная система, практические применения. М.: Фазис, 2005.
- Загоруйко Н. Г. Прикладные методы анализа данных и знаний. — Новосибирск: Изд-во Института математики, 1999. — 270 с.
- Корсаков С.Н. Начертание нового способа исследования при помощи машин, сравнивающих идеи / Под ред. A.C. Михайлова. — М.: МИФИ, 2009. —44 с.
- Круглов В. В., Борисов В. В. Нейронные сети: теория и практика. — М.: Горячая линия-Телеком, 2001. 382 с.
- Мак-Каллок У. С., Питтс В., Логическое исчисление идей, относящихся к нервной активности // В сб.: «Автоматы» под ред. К. Э. Шеннона и Дж. Маккарти. — М.: Изд-во иностр. лит., 1956. — с.363−384.
- Новиков Д.А. Теория управления организационными системами. М.: МПСИ, 2005.-584 с.
- Орешков В.И. Интеллектуальный анализ данных как важнейший инструмент формирования интеллектуального капитала организаций.// Креативная экономика. 2011. — № 12. — С. 84−89.
- Орешков В.И. Интеллектуальный анализ данных как современный инструмент поддержки управленческих решений // Вестник Рязанского гос. агротехнологического университета имени П. А. Костычева. Рязань: РГАТУ. -2011.-№ 4.-С. 55−59.
- Паклин Н.Б. Бизнес-аналитика: от данных к знаниям (+С0)/Паклин Н.Б., Орешков В. И. Изд. 2-е, переработанное и дополненное. -СПб.: Питер, 2010.- 700 с.
- Розенблатт, Ф. Принципы нейродинамики: Перцептроны и теория механизмов мозга. — М.: Мир, 1965. — 480 с.
- Смирнов П. М., Муравин Э. А. Агрохимия. -3-е изд., перераб. и доп. -М.: Агропромиздат, 1991.-288 с.
- Спирли Э. Корпоративные хранилища данных. Планирование, разработка и реализация. Т.1. М.: Издательский дом «Вильяме», 2001. — 400 с.
- Уоссермен, Ф. Нейрокомпыотерная техника: Теория и практика. — М.:Мир, 1992. —240 с.
- Хайкин С. Нейронные сети: полный курс. 2-е. изд. / Пер. с англ. — М.: Вильяме, 2006. 1104 с.
- Чураков Е.П. Математические методы обработки экспериментальных данных в экономике. М.: Финансы и статистика, 2004. — 240 с.
- Ясницкий JL Н. Введение в искусственный интеллект: учеб. пособие для студ. высш. учеб. заведений /Л. Н. Ясницкий. — 2-е изд., испр. — М.: Издательский центр «Академия», 2008. — 176 с.
- Advances in data mining: applications in E-commerce, medicine, and knowledge management / Perner. P (ed.). Berlin: Springer, 2002. — p. 108.
- Advanced data mining technologies in bioinformatics / Hui-Hwang Hsu, editor. Idea Group Inc. 2006. — p. 329.
- Advances in data mining and modeling / Wai-Ki Ching, Michael Kwok-Po Ng, editors. World Scientific Publishing, 2004. p. 196.
- Advances in Knowledge Discovery and Data Mining / Fayyad, Usama M., Piatetsky-Shapiro, G. (ed.) MIT Press, 1996. — p. 234.
- Advanced Techniques in Knowledge Discovery and Data Mining/ Nikhil R. Pal, Lakhmi Jain (Eds). London: Springer-Verlag Limited, 2005. — p. 254.
- Abbass, A. Data Mining: A Heuristic Approach / Abbass, A. Sarker, R. Newton, C. University of New South Wales, Australia — Idea Group Publishing, 2002.-p. 300.
- Agrawal R., Srikant R. Mining Sequential Patterns // Journal Intelligent Systems. 1997. — Vol. 9, No. 1. — P. 33−56.
- Agrawal R., Mannila H., Srikant R., Toivonen H., Verkamo A.I. Fast discovery of associations rules // In: «Advances in Knowledge Discovery and Data Mining», American Association for Artificial Intelligence, 1996. P. 307−328.
- Alpaydin, E. Introduction to machine learning. / Alpaydin, E. Cambridge: The MIT Press, 2004. — p. 415.
- Armstrong L. J. The application of data mining techniques to characterize agricultural soil profiles/Armstrong L. J., Diepeveen D, Maddern R. School of Computer and Information Sciences Edith Cowan University, 2008.
- Barai, S. Data Mining applications in transportation engineer-ing//Transport Dept of Civil Engineering, Indian Institute of Technology, 2003, Vol XVIII, No 5, 216−223.
- Berry, M. Data mining techniques: for marketing, sales, and customer relationship management / Berry, M., Linoff, G. — 2nd ed. Wiley Publishing, Inc., Indianapolis, Indiana, 2004. p. 641.
- Bhowmik, R. Detecting Auto Insurance Fraud by Data Mining Techniques// Journal of Emerging Trends in Computing and Information Sciences. -Volume 2 No.4. Computer Science Department University of Texas at Dallas, USA. 2011.-p. 156−161.
- Bigus, Joseph P. Data mining with neural networks: solving business problems—from application development to decision support / Bigus, Joseph P. -McGraw-Hill, 2003. p. 119.
- Breiman L., Friedman J., Olshen R., and Stone C. Classification and Regression Trees. Wadsworth and Brooks, Monterey, CA, 1984. p. 368.
- Bramer, M. Principles of Data Mining / Bramer, M. Springer-Verlag London Limited, 2007. — p. 354.
- Burgess, S. Managing information technology in small business: challenges and solutions / Burgess, S. Idea Group Publishing, 2002. — p. 361.
- Cox, E. Fuzzy Modeling and Genetic Algorithms for Data Mining and Exploration (The Morgan Kaufmann Series in Data Management Systems)/ Cox, E. Morgan Kaufmann, 2005. — p. 530.
- Cunningham, S. J., Holmes, G. Developing innovative applications in agriculture using data mining. In the Proceedings of the Southeast Asia Regional Computer Confederation Conference, 1999.
- Dasu, T. Exploratory data mining and data cleaning / Dasu, T., Johnson, T. John Wiley & Sons, Inc. 2003. — p. 197.
- Data Mining Using Enterprise Miner™ Software: A Case Study Approach, First Edition, Cary, NC: SAS Institute Inc., 2000. p. 128.
- Data Mining: Theory, Methodology, Techniques, and Applications / Williams G. J, Simoff S. J. (Eds.). — Berlin- Heidelberg: Springer-Verlag, 2006. p. 342.
- Data mining in time series databases. Series in Machine Perception and Artificial Intelligence (Vol. 57). World Scientific Publishing, 2004. p. 192.
- Data mining: practical machine learning tools and techniques / Witten, I., Eibe F. 3nd ed. — Morgan Kaufmann, 2011. — p. 664.
- Data mining applications for empowering knowledge societies / Rahman, H. editor. IGI Global, 2009. — p. 356.
- Data Mining for Business Applications / Edited by L. Cao, Philip S. Yu, C. Zhang, H. Zhang. — Springer Science- Business Media, 2008. p. 302.
- Dong, G. Sequence Data Mining/ Dong, G., Pei, J. Springer Sci-ence+Business Media, LLC. 2007. — p. 137.
- Dorian, P. Data Preparation for Data Mining/ Dorian, P. Morgan Kaufmann Publishers, Inc. 1999. — p. 466.
- Encyclopedia of Data Warehousing and Mining / Wang, J. (ed.) — Idea Group Inc., 2006. p. 1348.
- Giudici, P. Applied data mining: statistical methods for business and industry. John Wiley & Sons Ltd, The Atrium, Southern Gate, Chichester, 2003. p. 376.
- Guo, Y. High performance data mining: Scaling Algorithms, Applications and Systems / Guo, Y., Grossman, R., ed. Kluwer Academic Publishers, 2002. p. 112.
- Guillet, F. Quality Measures in Data Mining/ Fabrice Guillet, Howard J. Hamilton (Eds.). Springer-Verlag Berlin Heidelberg 2007. — p. 313.
- Halusova, P. Effective Data Mining for a Transportation Information System//Acta Polytechnica Vol. 48 No. 1/2008. Czech Technical University Publishing House. — pp. 24 — 29.
- Han, J. Data Mining: Concepts and Techniques / Han, J., Kamber, M. -Simon Fraser University. Morgan Kaufmann Publishers, 2000. p. 550.
- Hand, D. Principles of Data Mining / Hand, D., Mannila, H., Smyth, H. A Bradford Book The MIT Press, Cambridge, Massachusetts Institute of Technology, 2001.-p. 425.
- Harman G. Statistical Learning Theory as a Framework for the Philosophy of Induction / Harman G., Kulkarni S. Princeton University, 2008. p. 274.
- Heckerman, D. Bayesian Networks for Data Mining/ Data Mining and Knowledge Discovery 1, 79−119 (1997), Kluwer Academic Publishers.
- Hsiao H. W. et al. Spatial Data Mining of Colocation Patterns for Decision Support in Agriculture/Asian Journal of Health and Information Sciences, Vol. 1, No. l, pp. 61−72, 2006.
- Igel C., Toussaint M, Weishui W. Rprop Using the Natural Gradient / International Series of Numerical Mathematics Vol. 1, Birkhauser Verlag, Basel, 2005.
- Inmon W.H. Building The Data Warehouse / Inmon W.H. Wiley Publishing, Inc., 2005. — p. 356.
- Intelligent data analysis: developing new methodologies through pattern discovery and recovery / Wang, H. F. — editor. IGI Global, 2009. — p. 344.
- Kantardzic, M. Data Mining—Concepts, Models, Methods, and Algorithms / Kantardzic, M. John Wiley & Sons, Inc. 2003. — p. 345.
- Kasabov, N. Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering/ Nikola K. Kasabov. Massachusetts Institute of Technology, 1999.-p. 581.
- Kohonen, T. Self-Organizing Maps. / Kohonen, T. Berlin — New York: Springer-Verlag, 2001. — p. 521.
- Kovalerchuk B., Vityaev E. Data Mining in Finance. Advances in Relational and Hybrid Methods / Kovalerchuk B., Vityaev E. — New York: Kluwer Academic Publishers, 2002. p. 368.
- Krzysztof, J. C. Data Mining A Knowledge Discovery Approach / Krzysztof J. Cios, Witold Pedrycz, Roman W. Swiniarski, Lukasz A. Kurgan. -Springer Science+Business Media, LLC, 2007. p. 606.
- Life science Data Mining (Science, Engineering, and Biology Informatics) / Wong, S., Li, C.S., editors. World Scientific Publishing Co. Pte. Ltd. 2006. p. 388.
- Larose, Daniel T. Discovering knowledge in data: an introduction to data mining. John Wiley & Sons, Inc., Hoboken, New Jersey, 2005. — p. 240.
- Larose, Daniel T. Data mining methods and models. John Wiley & Sons, 2006.-p. 344.
- Maimon O, Rokach L. Data Mining and Knowledge Discovery Handbook. Second Edition. Springer Science+Business Media, 2010. p. 1285.
- Mathematical methods for knowledge discovery and data mining / Fe-lici, G., Vercellis, C., editors. IGI Global, 2008. p. 371.
- Mirkin, B. Clustering For Data Mining: A Data Recovery Approach (Computer Science and Data Analysis)/ Mirkin, B. Chapman & Hall/CRC, 2005. — p. 266.
- Mitra, S. Data mining: multimedia, soft computing, and bioinformatics / Mitra, S. Acharya, T. John Wiley & Sons, Inc., Hoboken, New Jersey, 2002. — p. 401.
- Mikut, R. Data Mining Tools: Advanced Review / Mikut, R, Markus, R. -John Wiley & Sons, Inc., 2011. -p 13/
- McNelis, Paul D. Neural Networks in Finance: Gaining Predictive Edge in the Market. Elsevier Academic Press, 2005. p. 256.
- Mucherino A. Data Mining in Agriculture / Mucherino A., Papajorji P., Pardalos P. Springer Science+Business Media, 2009. — p. 292.
- Myatt, G. Making Sense of Data: A Practical Guide to Exploratory Data Analysis and Data Mining/Myatt, G. Wiley-Interscience, 2006. — p. 292.
- Nagabhushana S. Datawarehousing: OLAP and Data Mining. New Age International, New Delhi, 2006. — p. 350.
- Novikoff, A. B. (1962). On convergence proofs on perceptrons. Symposium on the Mathematical Theory of Automata, 615−622. Polytechnic Institute of Brooklyn.
- Olson, D. Advanced Data Mining Techniques / Olson, D., Delen, D. -Springer-Verlag Berlin Heidelberg, 2008. p. 198.
- Perner, P. Data Mining on Multimedia Data / Perner, P. SpringerVerlag Berlin Heidelberg 2002. — p. 320.
- Prabhi, S. Data Mining and Warehousing/ Prabhi, S., Venkatesan, N. -New Age International (P) Ltd., Publishers, 2007. p. 130.
- Principles for Government Data Mining Preserving Civil Liberties in the Information Age//The Constitution Project. Washington, DC, 2010. — p. 40.
- Pyle, D. Business Modeling and Data Mining / Pyle, D. — Morgan Kaufmann Publishers, 2003. p. 650.
- Quinlan, J. R. (1979), Discovering rules from large collections of examples: A case study, in D. Michie, ed., Expert Systems in the Micro Electronic Age, Edinburgh University Press.
- Quinlan, J. R. (1987), Inductive knowledge acquisition: A case study, in J. R. Quinlan, ed., Applications of Expert Systems, Addison-Wesley, chapter 9, pp. 157−173.
- Quinlan, J. R. Induction of decision trees. Machine Learning, 1(1):81−106, March 1986.
- Quinlan, Ross J. C4.5: Programs for Machine Learning (Morgan Kaufmann Series in Machine Learning). Morgan Kaufmann, January 1993. p. 302.
- Rajesh D. Application of Spatial Data Mining for Agriculture / International Journal of Computer Applications (0975 8887) Volume 15-No.2, February 2011.
- Revathi P., Hemalatha M. Efficient Classification Mining Approach for Agriculture. International Journal of Research and Reviews in Information Sciences (IJRRIS) Vol. 1, No. 2, June 2011.
- Ru? G. Data Mining of Agricultural Yield Data: A Comparison of Regression Models / Otto-von-Guericke-University, Magdeburg, 2005.
- Ru? G. et al. Visual Data Mining of Agriculture Data / Otto-von-Guericke-University at Magdeburg, 2006.
- Rud, O.P. Data Mining Cookbook: Modeling Data for Marketing, Risk, and Customer Relationship Management / Rud, O.P. John Wiley & Sons, 2001. — p. 367.
- Rumelhart D.E., Hinton G.E., Williams R.J., Learning Internal Representations by Error Propagation. In: Parallel Distributed Processing, vol. 1, pp. 318—362. Cambridge, MA, MIT Press. 1986.
- Ruppert, D. Statistics and Data Analysis for Financial Engineering. / Ruppert, D. Springer Science+Business Media, LLC 2011. — p. 638.
- Sammon, John W. A Nonlinear Mapping for Data Structure Analysis. IEEE Transaction on Computers. Vol. C-18, NO. 5, May, 1969.
- Simovici D. Mathematical Tools for Data Mining: Set Theory, Partial Orders, Combinatorics / Simovici D., Chabane D. Springer-Verlag London Limited, 2008. — p. 628.
- Soukup T. Visual Data Mining: Techniques and Tools for Data Visualization and Mining / Soukup T., Davidson I. — Wiley Publishing, Inc, 2002. p. 416.
- The handbook of data mining / Nong Ye (ed.). London: Lawrence Erlbaum Associates, Inc. — p. 689.
- The Business Case for Data Mining in the Insurance Industry: Using Enterprise Miner to Model Pure Premium and Establish Policy Rating Struc-tures/Sanford Gayle, SAS Institute Inc., Cary, NC (1999)
- The Top Ten Algorithms in Data Mining / Edited by by Xindong Wu. -- Chapman & Hall, 2009. p. 239.
- Vamanan R. et al. Classification of Agricultural Land Soils a Data Mining / International Journal on Computer Science and Engineering (IJCSE), Vol. 3 No. 1 Jan 2011, p. 379−384.
- Vapnik, V. The nature of statistical learning theory / Vapnik, V. 2nd. ed. Springer-Verlag NY, 2000. — p. 333.
- Vapnik, V. Estimation of Dependences Based on Empirical Data / Vapnik V.N. 2nd. ed. Springer Science+Business Media, Inc. 2006. — p. 528.
- Vapnik, V. An Overview of Statistical Learning Theory//IEEE Transaction on neural Networks, Vol. 10, No. 5, September 1999.
- Vercellis, C. Business Intelligence: Data Mining and Optimization for Decision Making / Vercellis, C. John Wiley & Sons Ltd, 2009. — p. 436.
- Werbos P. J., Beyond regression: New tools for prediction and analysis in the behavioral sciences. Ph.D. thesis, Harvard University, Cambridge, MA, 1974.
- Westphal, Christopher R. Data mining for intelligence, fraud & criminal detection: advanced analytics & information sharing technologies / Westphal, Christopher R. CRC Press, 2009. — p. 440.
- Wolberg, J. Data Analysis Using the Method of Least Squares / Wol-berg, J. Springer-Verlag Berlin Heidelberg 2006. — p. 250.
- Kullback S., Leibler R.A. On information and sufficiency // The Annals of Mathematical Statistics. 1951. V.22. № 1. P. 79−8