Кафедра математических и компьютерных методов курсовая работа методология интеллектуального анализа данных
 Скачать 0.51 Mb.
|
 , i=1,...,m. (2.2)Это стандартная задача квадратичного программирования и решается с помощью множителей Лагранжа. 2.3 Метод ближайшего соседа Метод ближайшего соседа представляет собой самый простой метрический классификатор, который базируется на оценивании сходства различных объектов. Анализируемый объект относят к классу, к которому принадлежат предметы обучающей выборки. Основная формула применяемая в данном методе — формула евклидова расстояния. p(Xi,Xj)=  (2.3)Наглядным примером метода ближайшего соседа являются известные экземпляры отмеченные «+» или «-», определяющими принадлежность к классу, а новый объект обозначен красным кругом. Также, мы сразу будем использовать метод k-ближайших соседей. Рисунок 2.5 — Определение ближайшего соседа  2.4 Метод нейронных сетей Нейронные сети ставят перед собой задачу: классификации, прогнозирования, кластеризации. Они имеют общий вид на рисунке 2.6 Рисунок 2.6 — Общий вид нейронных сетей.  Каждый синапс характеризуется величиной синаптической связи. А выход нейрона является функцией его состояния y=f(s). Архитектура нейронных сетей может быть синхронной и асинхронной. 3. Применение методов интеллектуального анализа на предоставленных предприятиях Модель нейронной сети для предсказания финансовой несостоятельности организации. Для построения нейронной сети необходимо разработать ее топологию, определить механизм обучения и процедуру тестирования. Кроме того для обучения нужны входные данные – выборка компаний с достоверной финансовой отчетностью и рассчитанные на ее основе коэффициенты. Наиболее привлекательным в данном случае представляется выбор трехслойного персептрона и алгоритма обратного распространения в качестве обучающего. Рисунок 3.1 — Модель нейронной сети |