Введение 5
1. Проблемный анализ 7
1.1 Актуальность 7
1.2 Сложно-структурированные данные и методы их исследования на основе
визуализации 7
1.3 Научная визуализация 9
1.4 Методы визуализации 14
1.5 Обзор средств визуализации 16
2. Численный вероятностный анализ в области представления многомерных
данных 23
2.1 Визуальная аналитика 23
2.2 Понятие интервального анализа 27
2.3 Численно вероятностный анализ в области интервальных данных 29
3. Разработка программного модуля для визуального моделирования
многомерных данных 35
3.1 Технологии, применяемые для реализации программы визуализации
сложно-структурированных данных 35
3.2 Пакет IntLinIncR3 37
3.3 Программная реализация визуализации множества решений
интервальных систем алгебраических уравнений 40
ЗАКЛЮЧЕНИЕ 44
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 45
Приложение А Программный код модуля визуализации 2D 49
Приложение Б Функция для создания сечений 51
Приложение В Функция для отображения множества решений 53
Приложение Е Презентация 55
Современное развитие вычислительной техники и возможность реализации вычислений в параллельном режиме позволяют решать все более масштабные задачи моделирования многомерных данных, но также вырастают объемы данных, в том числе в сфере решения систем алгебраических уравнений.
Большой объем расчетных математических задач приходится на решение систем линейных алгебраических уравнений. Многие задач управленческого и экономического, технологического характера строятся как линейные алгебраические, либо сводятся к ним.
Сегодня доступно множество методов визуализации для визуализации различные типы данных. Наборы данных могут быть охарактеризованы как многомерные, так и многомерные. Многомерный данные относятся к пространственной размерности, например. 0D, 1D, 2D, 3D, но может также включать время как дополнительный размер. Многомерные данные, с другой стороны, относится к различным переменным, представленным в каждом месте. Эти переменные обычно являются скалярными, но могут также быть векторами, тензоров и т. д. Для нескаляров можно рассматривать дополнительные условия в качестве другой переменной во многом аналогично тому, как векторы могут быть представленными несколькими скалярными компонентами. Хотя часто в литературе используются взаимозаменяемо, эти два свойства ортогональны. Например, прогноз погоды может быть 3D, время различаются и содержат информацию о температуре, влажности, давления и т. д. в каждом месте. На практике такой набор данных может храниться в массиве 5D: три для пробела, один для времени, и последний для разных переменных.
Существует множество программ для визуализации данных некоторые из будут рассмотрены в данной диссертации, например, такие как: Ms Excel, MATLAB, Matcad и другие.
Целью данной магистерской диссертации являлось исследование и, по возможности, дальнейшая модификация и применение средств, методов и алгоритмов представления и моделирования различных данных больших объемов, что, в свою очередь, позволит повысить качество визуального анализа многомерных данных.
Также, последовательно определялись и ставились задачи, необходимые для достижения определенной ранее цели практики, и позволяющие последовательно исследовать определенную темой практики тематику:
1) Провести проблемный анализ представленной тематики и исследование на тему необходимости изучения способов визуально-интерактивного представления и моделирования данных больших объемов.
2) Изучить теоретические аспекты визуально-интерактивного
моделирования и представления сложно-структурированных данных,
обозначить основные существующие проблемы и сформировать задачи исследования.
3) Разработать программный модуль визуального представления сложно-структурированных данных.
В итоге, магистерская диссертация представляет собой 3 главы:
1) «Проблемный анализ», представляющая собой изучение и анализ теоретических аспектов согласно тематике работы.
2) «Численный вероятностный анализ в области представления многомерных данных» представляет описание средств ЧВА, доступных при обработке данных большой размерности.
3) «Разработка программного модуля для визуального моделирования сложно структурированных данных».
В ходе выполнения целей и задач исследования на тему визуально-интерактивного моделирования сложно структурированных данных изучены теоретические аспекты визуально-интерактивного моделирования и
представления сложно-структурированных данных и данных больших объемов, обозначены основные существующие проблемы и сформированы задачи исследования, осуществлена доработка модуля визуального моделирования множества решений систем линейных уравнений, посредством написания необходимых функций.
Большое разнообразие постановок задач с интервалами на входе доставляет идентификация в условиях неопределённости, когда данные об объекте, получаемые в результате измерений, либо каким-нибудь другим способом, не известны точно, но нам всё равно требуется найти или как-то оценить параметры объекта.
По результатам исследования опубликована статья:
Шатов, А.А., Визуализация численного моделирования сложных систем // Материалы IX Всероссийской научно-технической конференции с международным участием. 2017. С. 210-214
Выполнение данных задач позволило более наглядно увидеть результат решения интервальных алгебраических уравнений.
1. Большаков, А. А., Керимов, Р. Н., Методы обработки многомерных данных и временных рядов // Москва, Горячая Линия — Телеком, 2007. С. 522
2. Бондарев, А. Е., Галактионов, В. А., Анализ и визуализация многомерных данных в задачах вычислительной газовой динамик //Programming and Computer Software. 2015. T. 41. № 5. C. 247-252.
3. Бондарев, A. E., Галактионов, В. А., Шапиро, Л. 3., Анализ многомерных данных в задачах многопараметрической оптимизации с применением методов визуализации // ИПМ им. М.В. Келдыша РАН, Россия, Москва, 2012. С. 1-13
4. Добронец Б.С., Попова О.А. Гистограммный подход к представлению и обработке данных космического и наземного мониторинга // Известия Южного федерального университета. Технические науки. 2014. № 6 (155). С. 14-22.
5. Панюков А.В., Голодов В.А. Программная реализация алгоритма решений системы линейных алгебраических уравнений с интервальной неопределеностью в исходных данных: Параллельные вычисления и задачи управления. 2013. С. 79-94
6. Численный вероятностный анализ неопределённых данных: монография / Б. С. Добронец, О. А. Попова; М-во образования и науки Российской Федерации, Сибирский федеральный ун-т, Ин-т космических и информ. технологий. - Красноярск: СФУ, 2014. - 166 с.
7. Добронец Б.С., Попова О.А. Численный вероятностный анализ для исследования систем в условиях неопределенности // Вестник Томского государственного университета. Управление, вычислительная техника и информатика, - 2012 - Т. 21, № 4. С. 39-46.
8. Попова О.А. О подходах к построению дополнительных оснований в принятии экономических решений // VII Московская международная конференция по исследованию операций (ORM 2013): Москва, 15-19 октября 2013 г. Труды Том 2 / Отв. ред. П.С. Краснощеков, А.А. Васин, А.Ф. Измаилов. - М., МАКС Пресс, 2013. C. 15-17.
9. Dobronets B.S., Krantsevich A.M., Krantsevich N.M., Software implementa-tion of numerical operations on random variables, Жури. СФУ. Cep. Матем. и физ., - 2013- T. 6, № 2, С. 168-173.
10. Linear Regression Model with Histogram-Valued Variables. Statistical Analysis and Data Mining: The ASA Data Science Journal 8 (2), C. 75-113. Irpino,
A. and Verde, R. (2006)
11. Добронец Б. С. Численный вероятностный анализ для оценки инвестиционных проектов // Б. С. Добронец, О. А. Попова, Е. В. Головчанская // XI Межд. конф. ФАМЭБ - Красноярск, 2012. С. 87-91
12. Добронец Б. С., Попова О.А. Численный вероятностный анализ для исследования систем в условиях неопределенности // Вест. Томского гос. ун. — Управление, вычислительная техника и информатика. 2012. № 4. С. 39-46
13. Основы метода Монте-Карло: Учеб. пособие / А.В. Войтишек: Новосиб. гос. ун-т. - Новосибирск, 2010. - 108 c.
14. Шелутко В.А. Численные методы в гидрологии / Л.: Гидрометеоиздат, 1991. — 238 с.
15. А. Д. Каширкин, Ю. М. Айвазова, «Нелинейное регрессионное
моделирование по методу Монте-Карло», Матем. моделирование, 20:4 (2008), 78-86.
16. Лукашов А. В. Метод Монте-Карло для финансовых аналитиков: краткий путеводитель / А. В. Лукашов // Управление корпоративными финансами. - 2007 - 01(19). - С. 22-39.
17. Ермаков C.M., Данилов Д. Л. Асимптотическая сложность оценки по столкновениям для решения линейных систем// Журнал Вычислительной Математики и Мат. Физики, №5, т.37, стр.515-523, 1997.
18. Попова, О. А., Численный вероятностный анализ для агрегации, регрессионного моделирования и анализа данных // Информатизация и связь. 2015. № 1. С. 15-21.
19. Попова О. А., Численный вероятностный анализ для
оптимизационных задач гидроэнергетики // Известия ИрГУ, 2015. Т. 12. Серия «Математика». С.79-92.
20. Попова, О. А., Першина, Е. Л., Чуканов, С. Н., Интеллектуальные системы поддержки принятия решений: комплексы программ, модели, методы, приложения // Федеральное агентство по образованию, ГОУ ВПО "Сибирская гос. автомобильно-дорожная акад. (СибАДИ)". Омск, 2011.
21. Тихонов, А. Н. Концепция сетецентрического управления сложной организационно-технической системой // Иванников, А. Д., Соловьёв, И. В., Цветков, В. Я., Кудж, С. А. — М.: МаксПресс, 2010. 136 с.
22. Шрамм, Ф. К., Формозу, К.Т., Использование визуального интерактивного моделирования с использованием ПО совершенствованию процесса принятия решений в системе обеспечения производства. 2017. С. 255
23. Цветков, В. Я. Информатизация: Создание современных информационных технологий. Часть 1. Структуры данных и технические средства // М., ГКНТ, ВНТЦентр, 1990. 118 с.
24. Dobronets, B. S., Krantsevich, A. M., Krantsevich, N. M. Software
implementation of numerical operations on random variables // Журнал Сибирского федерального университета. Серия: Математика и физика. 2013. Т. 6. № 2. С.168-173.
25. Piatetsky-Shapiro, G., Machine Learning, Data Mining, and Knowledge Discovery: An Introduction // AAAI/MIT Press, 1996.
26. Scott, D. W., Multivariate density estimation: theory, practice and visualization // Rice University, Houston, Texas, 1993
27. Булгаков, С. В., Агрегирование информационных моделей //
Перспективы Науки и Образования, 2014, №3(9), С.9-13.
28. Зиновьев, А. Ю., Визуализация многомерных данных // КГТУ, Красноярск, 2000. 180 с.
29. Погорелый, Е. С., Визуальное представление многомерных данных с использованием компьютерных моделей // Решетнёвские чтения: материалы XX
Юбилейной междунар. науч.-практ. конф., посвящ. памяти генерального конструктора ракетно-космических систем академика М. Ф. Решетнева: в 2 ч. / под общ. ред. Ю. Ю. Логинова ; Сиб. гос. аэрокосмич. ун-т. — Красноярск, 2016. Ч. 2. С. 284-287.
30. Погорелый, Е. С., Представления многомерных данных для ВИМ- технологий // Журнал «Научные исследования и разработки молодых ученых». 2015. № 7. С. 120-124.
31. Погорелый, Е. С., Проблемный анализ визуализации многомерных данных // Международная научная конференция «Молодежь и наука: проспект Свободный». 2016.