Тип работы:
Предмет:
Язык работы:


Визуально-интерактивное моделирование сложно-структурированных данных

Работа №18992

Тип работы

Магистерская диссертация

Предмет

информационные системы

Объем работы61
Год сдачи2018
Стоимость4900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
472
Не подходит работа?

Узнай цену на написание


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».


Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


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.


Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ