📄Работа №207006
Тема: Разработка приложения кластерного анализа результатов экспертного оценивания
Характеристики работы
Тип работы
Дипломные работы, ВКР
Предмет
Программирование
Объем:
88 листов
Год:
2020
Просмотров:
34
4880
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
АННОТАЦИЯ 2
ВВЕДЕНИЕ 7
1 ОБЗОРНЫЙ РАЗДЕЛ 9
1.1 Анализ технического задания 9
1.2 Определение кластерного анализа и обзор его методов 10
1.3 Обзор мер расстояния между кластерами 13
1.4 Обзор методов связи кластеров 15
2 ПРОЕКТНЫЙ РАЗДЕЛ 20
2.1 Кластеризация полным перебором 20
2.2 Алгоритм иерархической последовательной кластеризации 21
2.3 Разработка алгоритма работы приложения кластерного анализа 25
2.4 Визуализация результатов кластерного анализа 28
3 РАЗДЕЛ РАЗРАБОТКИ ПРИЛОЖЕНИЯ 32
3.1 Разработка листинга программы 32
3.2 Разработка графического интерфейса приложения 40
4 РАЗДЕЛ ТЕСТИРОВАНИЯ 45
4.1 Тестирование приложения на примере множества точек в двумерном
пространстве 45
4.2 Тестирование приложения в многомерном пространстве 48
4.3 Проведение кластерного анализа результатов анкетирования
студентов посредством приложения 50
4.4 Анализ результатов кластерного анализа 52
ЗАКЛЮЧЕНИЕ 62
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 64
ПРИЛОЖЕНИЯ
ПРИЛОЖЕНИЕ А Алгоритм работы приложения кластерного анализа 67
ПРИЛОЖЕНИЕ Б Листинг программы приложения кластерного анализа.... 68
ПРИЛОЖЕНИЕ В Исходные данные для тестирования 78
ПРИЛОЖЕНИЕ Г Перечень вопросов анкетирования студентов 79
ПРИЛОЖЕНИЕ Д Выборка для проведения кластерного анализа 83
ВВЕДЕНИЕ 7
1 ОБЗОРНЫЙ РАЗДЕЛ 9
1.1 Анализ технического задания 9
1.2 Определение кластерного анализа и обзор его методов 10
1.3 Обзор мер расстояния между кластерами 13
1.4 Обзор методов связи кластеров 15
2 ПРОЕКТНЫЙ РАЗДЕЛ 20
2.1 Кластеризация полным перебором 20
2.2 Алгоритм иерархической последовательной кластеризации 21
2.3 Разработка алгоритма работы приложения кластерного анализа 25
2.4 Визуализация результатов кластерного анализа 28
3 РАЗДЕЛ РАЗРАБОТКИ ПРИЛОЖЕНИЯ 32
3.1 Разработка листинга программы 32
3.2 Разработка графического интерфейса приложения 40
4 РАЗДЕЛ ТЕСТИРОВАНИЯ 45
4.1 Тестирование приложения на примере множества точек в двумерном
пространстве 45
4.2 Тестирование приложения в многомерном пространстве 48
4.3 Проведение кластерного анализа результатов анкетирования
студентов посредством приложения 50
4.4 Анализ результатов кластерного анализа 52
ЗАКЛЮЧЕНИЕ 62
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 64
ПРИЛОЖЕНИЯ
ПРИЛОЖЕНИЕ А Алгоритм работы приложения кластерного анализа 67
ПРИЛОЖЕНИЕ Б Листинг программы приложения кластерного анализа.... 68
ПРИЛОЖЕНИЕ В Исходные данные для тестирования 78
ПРИЛОЖЕНИЕ Г Перечень вопросов анкетирования студентов 79
ПРИЛОЖЕНИЕ Д Выборка для проведения кластерного анализа 83
📖 Аннотация
В данной работе представлена разработка специализированного программного приложения, предназначенного для проведения кластерного анализа данных, полученных в результате процедур экспертного оценивания. Актуальность исследования обусловлена возрастающим объемом данных в цифровой среде и необходимостью их эффективной структуризации, особенно в контексте субъективных измерений и экспертных оценок, что является ключевой задачей для информационно-измерительных систем. В результате выполненной работы был проведен сравнительный анализ существующих методов кластеризации, на основе которого выбран иерархический агломеративный подход с использованием квадрата евклидова расстояния в качестве меры сходства и метода Уорда для объединения кластеров. Разработан и реализован алгоритм, основанный на рекурсивной процедуре Ланса-Уильямса, а также создан диалоговый интерфейс приложения, обеспечивающий визуализацию результатов в виде дендрограммы. Тестирование на синтетических данных подтвердило корректность работы алгоритма, продемонстрировав точное разбиение объектов на непересекающиеся группы. Научная значимость работы заключается в адаптации и программной реализации классического алгоритма кластеризации для задач экспертного оценивания, а практическая ценность состоит в создании инструмента для автоматизированного формирования классифицированных экспертных систем, что может быть применено в маркетинге, социологии и технической диагностике. Теоретической основой исследования послужили фундаментальные работы таких авторов, как Джо Уорд, разработавший метод минимизации дисперсии внутри кластеров, Роберт Сокэл и Питер Снит, внесшие вклад в развитие численной таксономии, а также Ланс и Уильямс, обобщившие рекурсивную формулу для иерархической кластеризации.
📖 Введение
С развитием цифровых технологий возникает все большее количество данных, способность порождения которых значительно превышает способность их хранения и обработки.
Кластерным анализом (или кластеризацией) называют процесс объединения близких (схожих) объектов, получившие название кластеры. Процедура кластеризации позволяет получать определенные классификации объектов по совокупности признаков.
Кластеризация используется во многих сферах, например как статистика, сегментация изображений, анализ больших данных (Big Data), распознавание объектов, маркетинг, прогнозирование.
Методов кластеризации на сегодняшний день возникло множество - несколько десятков алгоритмов, а также их модификации.
Вследствие того, что измерение нефизических величин, производящееся, по большей части, посредством субъективного оценивания, является одним из приоритетных направлений кафедры «Информационно-измерительная техника» Южно-Уральского государственного университета, было предложено разработать приложение, осуществляющее процедуру кластерного анализа.
Целью данной работы является разработка приложения кластерного анализа результатов экспертного оценивания для образования классифицированной экспертной системы по совокупности критериев.
Для достижения этой цели необходимо выполнить следующие задачи:
—выполнить обзор методов кластерного анализа, мер сходства и методов объединения (связи) кластеров;
— разработать алгоритм процедуры кластерного анализа, реализуемый в приложении;
— разработать листинг программы и диалоговый интерфейс приложения;
— провести тестирование работы приложения и процедуру кластеризации на основе результатов анкетирования с последующим их анализом.
Кластерным анализом (или кластеризацией) называют процесс объединения близких (схожих) объектов, получившие название кластеры. Процедура кластеризации позволяет получать определенные классификации объектов по совокупности признаков.
Кластеризация используется во многих сферах, например как статистика, сегментация изображений, анализ больших данных (Big Data), распознавание объектов, маркетинг, прогнозирование.
Методов кластеризации на сегодняшний день возникло множество - несколько десятков алгоритмов, а также их модификации.
Вследствие того, что измерение нефизических величин, производящееся, по большей части, посредством субъективного оценивания, является одним из приоритетных направлений кафедры «Информационно-измерительная техника» Южно-Уральского государственного университета, было предложено разработать приложение, осуществляющее процедуру кластерного анализа.
Целью данной работы является разработка приложения кластерного анализа результатов экспертного оценивания для образования классифицированной экспертной системы по совокупности критериев.
Для достижения этой цели необходимо выполнить следующие задачи:
—выполнить обзор методов кластерного анализа, мер сходства и методов объединения (связи) кластеров;
— разработать алгоритм процедуры кластерного анализа, реализуемый в приложении;
— разработать листинг программы и диалоговый интерфейс приложения;
— провести тестирование работы приложения и процедуру кластеризации на основе результатов анкетирования с последующим их анализом.
✅ Заключение
В ходе выпускной квалификационной работы были выполнены следующие задачи.
Был проведен обзор методов кластерного анализа, мер сходства между кластерами и методов объединения схожих кластеров. В результате был выбран иерархический агломеративный метод кластерного анализа. Мерой сходства между кластерами выбран квадрат евклидова расстояния, а методом объединения схожих кластеров выбран метод Уорда.
Также была рассмотрена рекурсивная процедура иерархического последовательного кластерного анализа Ланса-Уильямса, и на основе этого был разработан алгоритм работы приложения кластерного анализа, основанный на рассмотренном алгоритме последовательной кластеризации.
Также был выбран вариант отображения результатов кластерного посредством построения дендрограммы с вертикальным расположением объектов.
Разработан листинг программы приложения, а также описаны основные моменты кода. Разработан диалоговый интерфейс данного приложения, соответствующий требованиям технического задания.
Проведено тестирование работы приложения кластерного анализа на примере массива точек в двумерном пространстве, затем на примере специально разобранных по группам объектов в многомерном пространстве. Результат кластерного анализа данных на примере массива точек в двумерном пространстве показал правильное разбиение, так как точки в образованных кластерах были близки друг к другу на каждом шаге объединения, а сами кластеры не пересекались друг с другом.
Также был проведен кластерный анализ по образованной выборке посредством анкетирования студентов-выпускников бакалавриата по вопросам освоения ими компетенций направления 12.03.01 «Приборостроение», на котором они обучаются. Его результат был проанализирован на основе дополнительных данных.
На основе сравнения результатов кластерного анализа и среднего балла по результатам опроса каждого студента, сделан вывод о том, что кластерный анализ учитывает не только средний результат, но и результаты ответов на вопросы.
Было выяснено, что студенты группы, средний балл анкетирования которых больше, чем у студентов другой группы, в основном получают менее высокий средний балл в дипломе. Также большинство студентов группы, результат опроса которых ниже, чем у другой группы, имели опыт с реальным производством в рамках своего направления, что приводит к мнению, что данные студенты более объективны в своих способностях.
Проведено сравнение результатов распределения студентов по результатам кластерного анализа и при сортировке их по ожидаемому среднему баллу в дипломе. Выяснено, что на гистограмме среднего балла результатов анкетирования при сортировке студентов кластерным анализом видно более четкое разделение, что говорит о том, что распределение более верное.
Тестирование приложения кластерного анализа показала его работоспособность, а также выявило качественность полученных результатов.
Таким образом, цель выпускной квалификационной работы достигнута.
Был проведен обзор методов кластерного анализа, мер сходства между кластерами и методов объединения схожих кластеров. В результате был выбран иерархический агломеративный метод кластерного анализа. Мерой сходства между кластерами выбран квадрат евклидова расстояния, а методом объединения схожих кластеров выбран метод Уорда.
Также была рассмотрена рекурсивная процедура иерархического последовательного кластерного анализа Ланса-Уильямса, и на основе этого был разработан алгоритм работы приложения кластерного анализа, основанный на рассмотренном алгоритме последовательной кластеризации.
Также был выбран вариант отображения результатов кластерного посредством построения дендрограммы с вертикальным расположением объектов.
Разработан листинг программы приложения, а также описаны основные моменты кода. Разработан диалоговый интерфейс данного приложения, соответствующий требованиям технического задания.
Проведено тестирование работы приложения кластерного анализа на примере массива точек в двумерном пространстве, затем на примере специально разобранных по группам объектов в многомерном пространстве. Результат кластерного анализа данных на примере массива точек в двумерном пространстве показал правильное разбиение, так как точки в образованных кластерах были близки друг к другу на каждом шаге объединения, а сами кластеры не пересекались друг с другом.
Также был проведен кластерный анализ по образованной выборке посредством анкетирования студентов-выпускников бакалавриата по вопросам освоения ими компетенций направления 12.03.01 «Приборостроение», на котором они обучаются. Его результат был проанализирован на основе дополнительных данных.
На основе сравнения результатов кластерного анализа и среднего балла по результатам опроса каждого студента, сделан вывод о том, что кластерный анализ учитывает не только средний результат, но и результаты ответов на вопросы.
Было выяснено, что студенты группы, средний балл анкетирования которых больше, чем у студентов другой группы, в основном получают менее высокий средний балл в дипломе. Также большинство студентов группы, результат опроса которых ниже, чем у другой группы, имели опыт с реальным производством в рамках своего направления, что приводит к мнению, что данные студенты более объективны в своих способностях.
Проведено сравнение результатов распределения студентов по результатам кластерного анализа и при сортировке их по ожидаемому среднему баллу в дипломе. Выяснено, что на гистограмме среднего балла результатов анкетирования при сортировке студентов кластерным анализом видно более четкое разделение, что говорит о том, что распределение более верное.
Тестирование приложения кластерного анализа показала его работоспособность, а также выявило качественность полученных результатов.
Таким образом, цель выпускной квалификационной работы достигнута.
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.