АНАЛИТИЧЕСКИЙ ОБЗОР АЛГОРИТМА ДЕРЕВА РЕШЕНИЙ В ТЕХНОЛОГИИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ

  • Э.В. Кулиев Южный федеральный университет
  • В.А. Семенов Южный федеральный университет
  • А.В. Котельва Южный федеральный университет
  • С.В. Игнатьева Южный федеральный университет
Ключевые слова: Алгоритм дерева решений, интеллектуальный анализ данных, классификация, большие данные

Аннотация

Алгоритм дерева решений является распространенным алгоритмом классификации в
технологии интеллектуального анализа данных, и его результаты обычно выражаются в
виде правил «если-то». Алгоритм C4.5 является одним из алгоритмов дерева решений, ко-
торый обладает преимуществами простоты понимания и высокой точности, а также
усовершенствован добавлением скорости прироста информации по сравнению с его пред-
шественником - алгоритмом ID3. После теоретического анализа информации выбирается
алгоритм C4.5 для анализа результатов служебной аттестации, и создается дерево ре-
шений для служебной аттестации путем сбора данных, предварительной обработки дан-
ных, расчета коэффициента прироста информации и определения атрибутов разделения.
Система разработана в архитектуре B/S, а платформа управления проектом R&D, кото-
рый может выполнять анализ оценки эффективности с помощью инструментов визуали-
зации алгоритма дерева решений и динамических веб-страниц. Система включает в себя
хранение информации, управление задачами, формирование отчетов, контроль полномочий
и ролей, визуализацию информации и другие функциональные модули управленческой ин-
формационной системы. Они могут реализовать функции управления проектом, такие как
создание и управление проектом, поток задач, заполнение и управление информацией о
сотрудниках, создание системы оценки эффективности, создание отчетов различных
размеров, построение управления. Используя алгоритм дерева решений в качестве основ-
ной технологии, система получает научную надежную информацию об управлении проек-
тами с высокой точностью и реализует визуализацию данных, что может помочь пред-
приятиям создать хорошую систему управления в эпоху больших данных. Рассмотрены
управление задачами, формирование отчетов, контроль полномочий ролей, визуализация
информации и другие функциональные модули управленческой информационной системы

Литература

1. Kureychik V.V., Kureychik V.M., Rodzin S.I. Teoriya evolyutsionnykh vychisleniy [Theory of
evolutionary calculations]. Moscow: Fizmatlit, 2012, 260 p.
2. Shtovba D.S. Murav'inyye algoritmy: teoriya i primeneniye [Ant algorithms: theory and application],
Matematika v prilozheniyakh [Mathematics in applications], 2004, pp. 70-75.
3. Boroznov V.O. Issledovaniye resheniya zadachi kommivoyazhera [Investigation of the solution
of the traveling salesman problem], Vestnik Astrakhanskogo gosudarstvennogo tekhnicheskogo
universiteta. Upravleniye, vychislitel'naya tekhnika i informatika [Bulletin of the Astrakhan
State Technical University. Management, computer engineering and computer science], 2009,
pp. 147-151.
4. Kureychik V.M., Kureychik V.V. Geneticheskiy algoritm razbiyeniya grafa [Genetic algorithm of
graph partitioning], Izvestiya Rossiyskoy akademii nauk. Teoriya i sistemy upravleniya [Proceedings
of the Russian Academy of Sciences. Theory and control systems], 1999, No. 4, pp. 79-87.
5. Wang W., Liu L., Liu J., and Chen Z. Energy management and optimization of vehicle-to-grid
systems for wind power integration, CSEE Journal of Power and Energy Systems, 2020,
Vol. 7, No. 1, pp. 172-180.
6. Wu W., Wu W., and Wang S. Thermal management optimization of a prismatic battery with
shape-stabilized phase change material, International Journal of Heat and Mass Transfer,
2018, Vol. 121, pp. 967-977.
7. Kureychik V.M., Lebedev B.K., Lebedev O.K. Poiskovaya adaptatsiya: teoriya i praktika [Search
adaptation: theory and practice]. Moscow: Fizmatlit, 2006, 272 p. ISBN 5-9221-0749-6.
8. Kuliev E.V., Lezhebokov A.A., Kravchenko Yu.A. Royevoy algoritm poiskovoy optimizatsii na
osnove modelirovaniya povedeniya letuchikh myshey [Swarm search engine optimization algorithm
based on bat behavior modeling], Izvestiya YuFU. Tekhnicheskiye nauki [Izvestiya
SFedU. Engineering Sciences], 2016, No. 7 (180), pp. 53-62.
9. Kureychik V.M., Kureychik V.V., Rodzin S.I. Modeli parallelizma evolyutsionnykh vychisleniy
[Models of parallelism of evolutionary computations], Vestnik Rostovskogo gosudarstvennogo
universiteta putey soobshcheniya [Bulletin of the Rostov State University of Railways], 2011,
No. 3 (43), pp. 93-97.
10. Bova V.V., Kureychik V.V. Integrirovannaya podsistema gibridnogo i kombinirovannogo
poiska v zadachakh proyektirovaniya i upravleniya // Izvestiya YuFU. Tekhnicheskiye nauki
[Izvestiya SFedU. Engineering Sciences], 2010, No. 12 (113), pp. 37-42.
11. Krivenko M.P., Semenova M.M., Semenov V.A. Razrabotka printsipov intellektual'nogo prinyatiya
resheniy na osnove bioinspirirovannoy optimizatsii [Development of the principles of intelligent decision-
making based on bioinspired optimization], Tekhnologii razrabotki informatsionnykh sistem
TRIS-2020: Mater. X Mezhdunarodnoy nauchno-tekhnicheskoy konferentsii, Taganrog, 05–10
oktyabrya 2020 goda [Technologies for the development of information systems TRIS-2020: Materials
of the X International Scientific and Technical Conference, Taganrog, October 05-10, 2020].
Taganrog: Yuzhnyy federal'nyy universitet, 2020, pp. 100-106.
12. Al-Falahi M.D.A., Nimma K.S., Jayasinghe S.D.G., Enshaei H., and Guerrero J.M. Power
management optimization of hybrid power systems in electric ferries, Energy Conversion and
Management, 2018, Vol. 172, pp. 50-66.
13. Bourbon R., Ngueveu S.U., Roboam X., Sareni B., Turpin C., and Hernandez-Torres D. Energy
management optimization of a smart wind power plant comparing heuristic and linear programming
methods, Mathematics and Computers in Simulation, 2019, Vol. 158, pp. 418-431.
14. Bray M., Wang W., Rees M.A. et al. KPDGUI: an interactive application for optimization and
management of a virtual kidney paired donation program, Computers in Biology and Medicine,
2019, Vol. 108, pp. 345-353.
15. Byrne R.H., Nguyen T.A., Copp D.A., Chalamala B.R., and Gyuk I. Energy management and optimization
methods for grid energy storage systems, IEEE Access, 2018, Vol. 6, pp. 13231-13260.
16. Kursitys I., Kravchenko Y., Kuliev E., Natskevich A. A bioinspired algorithm for improving the
effectiveness of knowledge processing, Advances in Intelligent Systems and Computing (sm. v
knigakh), 2021, Vol. 1197 AISC, pp. 1491-1498.
17. Kuliev E.V., Zaporozhets D.Y., Kureichik V.V., Kursitys I.O. Wolf pack algorithm for solving
vlsi design tasks, Journal of Physics: Conference Series. Ser. "International Conference "Information
Technologies in Business and Industry" - 1 - Microprocessor Devices, Telecommunication
and Networking" 2019, pp. 022009.
18. Kuliev E.V., Kureichik V.V., Kursitys I.O. Decision making in VLSI components placement
problem based on grey wolf optimization, 2019 IEEE East-West Design and Test Symposium,
EWDTS 2019, 2019, pp. 8884371
19. Kureychik V.V., Kuliyev E.V., Kureychik V.V. Model' adaptivnogo povedeniya "obez'yan" dlya
resheniya zadachi komponovki blokov EVA [Model of adaptive behavior of "monkeys" for
solving the problem of EVA block layout], Informatizatsiya i svyaz' [Informatization and
communication], 2018, No. 4, pp. 31-37.
20. Kuliev E., Kureichik V., Kureichik V. Monkey search algorithm for ece components partitioning,
Journal of Physics: Conference Series. International Conference Information Technologies
in Business and Industry 2018 - Enterprise Information Systems, 2018, pp. 042026.
21. Bova V.V., Kravchenko Y.A., Kureichik V.V. Development of distributed information systems: ontological
approach, Advances in Intelligent Systems and Computing, 2015, Vol. 349, pp. 113-122.
Опубликован
2022-05-26
Выпуск
Раздел
РАЗДЕЛ III. АЛГОРИТМЫ ОБРАБОТКИ ИНФОРМАЦИИ