Введение 3
1 Анализ задания на выпускную квалификационную работу 5
1.1 Требования, предъявляемые к системе 5
1.2 Обзор существующих аналогичных систем 6
1.2.1 ViDaExpert 6
1.2.2 MATLAB 7
1.2.3 Программное обеспечение по статистическому анализу данных:
методология сравнительного анализа и выборочный обзор рынка программного обеспечения 8
1.3 Обзор классического и ядерного методов главных компонент 12
1.3.1 Классический метод главных компонент 12
1.3.2 Ядерный метод главных компонент 14
1.3.3 Задача выбора количества главных компонент 17
2 Описание разрабатываемого программного обеспечения 18
2.1 Структура программы 18
2.2 Разработка алгоритма программного обеспечения 20
2.3 Описание разработанных классов 22
2.2.1 Класс WorkForm 22
2.2.2 Класс Method 23
2.2.3 Класс Grafik 24
2.4 Описание графического интерфейса 24
3 Пример использование программы 32
Заключение 40
Список сокращений 41
Список использованных источников 42
В любое из времен человек совершенствуется и улучшает технологии, которыми пользуется. Многие исследователи, занимающиеся анализом многомерных данных, сталкиваются с проблемами их интерпретации и классификации, и извлечения другой полезной информации. Для решения таких задач существуют специальные методы многомерного анализа. Важным критерием выбора метода является потеря информации при уменьшении размерности, а также на выбор влияет тип и размерность данных.
Методы многомерного анализа находят широкое применение в медицине, статистике, психологии, экономике и других науках. Данные методы используются для визуализации данных, подавления шума на изображениях, психодиагностики, распознавания образов и для решения множества других задач. Многомерные методы уменьшения размерности позволяют визуализировать данные. В этом случае, такие методы используются для отображения на двумерное или трехмерное пространство с последующим выделением кластеров, наглядным анализом взаимного расположения объектов, выделением их общих характеристик.
Проблемой уменьшения размерности многомерных данных занимаются многие ученые. На протяжении последних лет создано множество алгоритмов, методов и подходов, решающих описанные выше задачи. Каждый из методов имеет свои преимущества и недостатки, они опираются на различные математические принципы. Многие исследователи изучают возможности различных методов в прикладных сферах для решения конкретных задач, описывают их преимущества и недостатки. Во многих задачах обработки многомерных наблюдений и, в частности, в задачах классификации исследователя интересуют в первую очередь лишь те признаки, которые обнаруживают наибольшую изменчивость (наибольший разброс) при переходе от одного объекта к другому.
Особое внимание проблемам многомерного анализа данных уделяют разработчики математических библиотек. Зачастую целые институты и другие сообщества поддерживают библиотеки в актуальном состоянии, дополняют их новыми алгоритмами, исправляют ошибки, снабжают примерами и т.д. Платные математические пакеты предоставляют только базовые методы анализа и, в большинстве случаев, исследователю необходимо реализовывать алгоритмы самостоятельно на каком-либо языке программирования, что не всегда удобно.
В результате выполнения выпускной квалификационной работы было разработано программное обеспечение для анализа многомерных данных ядерным методом главных компонент. В данной пояснительной записке был описан процесс разработки программного обеспечения.
В процессе выполнения работы были выполнены следующие задачи:
- изучение классического и ядерного методов главных компонент;
- изучение существующих аналогичных программ обработки и анализа многомерных данных;
- выбор инструментария и способов решения;
- разработка программного обеспечения, реализующей ядерный метод главных компонент.
В результате работы была разработано программное обеспечение, позволяющее аналитику уменьшить размерность многомерных данных и визуализировать их при помощи ядерного метода главных компонент.
