Войти в мой кабинет
Регистрация
ГОТОВЫЕ РАБОТЫ / РЕФЕРАТ, ТОРГОВОЕ ДЕЛО

Построение модели и кластерезация бесконтактной идентификации в торговле.

cool_lady 210 руб. КУПИТЬ ЭТУ РАБОТУ
Страниц: 21 Заказ написания работы может стоить дешевле
Оригинальность: неизвестно После покупки вы можете повысить уникальность этой работы до 80-100% с помощью сервиса
Размещено: 20.03.2021
Реферат на тему: "Построение модели и кластерезация бесконтактной идентификации в торговле. "
Введение

В настоящее время, группу способов и алгоритмов, применяемых для автоматической классификации полученных данных, принято называть кластерным анализом. Кластерный анализ дает возможность рассматривать довольно большой объем информации и классифицировать его, согласно предлагаемым условиям и целям исследования. Кластерный анализ обширно используется в различных сферах и отраслях науки таких как: биология, химия, математика, информатика, статистика, медицина и почти во всех других. В общеобразовательных школах, высших учебных заведениях имеются специалисты, использующие в своей работе элементы кластерного анализа. За счет этого, используя математический аппарат кластерного анализа можно проследить динамику уровня образования, количество успевающих и отстающих, занятие в каких либо кружках или секциях.
Содержание

ВВЕДЕНИЕ 3 Математическая модель кластерного анализа. 4 Применение кластерного анализа и использование программных средств для решения практических задач. 6 Заключение 19 СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ. 21
Список литературы

1. Воронцов золотой К.В. Алгоритмы кластеризации и многомерного шкалирования. Курс главе лекций. МГУ, 2007. 2. Котов другими А., объектов Красильников итераций Н. Кластеризация данных. 2006. 3. Прикладная конечном статистика: указать классификация областях и снижение возможно размерности. / С.А. Айвазян, признакам В.М. Бухштабер, изменении И.С. Енюков, решены Л.Д. Мешалкин — М.: joing Финансы которого и статистика, 1989. 4. Информационно-аналитический строке ресурс, процедуры посвященный продукт машинному правило обучению, этому распознаванию указать образов данными и интеллектуальному признакам анализу этапы данных — www.machinelearning.ru
Отрывок из работы

Математическая модель кластерного анализа. Систематизацией, предшествовавшей кластеризации, общество занималось с древнейших времен. Невзирая на это, усилия чтобы упорядочить процесс систематизации почти никак не предпринимались вплоть до 19 столетия. Первая и, наверное, более существенная причина – это интенсивное формирование и развитие вычислительной техники. При присутствии точного математического метода, который может быть переведен в программный код, Электронная вычислительная машина (ЭВМ) может справиться с некоторыми задачами намного быстрее чем человек и со значительно меньшими затратами. Процедура автоматизации и компьютеризации коснулась многих сфер человеческой жизнедеятельности и никак не мог не коснуться вопросов умственной обработки данных. Непосредственно кластерный анализ без ЭВМ во многом утрачивает свое значение, поэтому развитие вычислительной техники возможно рассматривать как причиной, так и средством развития этой дисциплины. Другой главной предпосылкой считается усиление знаний об окружающем нас мире и потребность в наиболее подробном изучении данных знаний. Число информации о предметах и явлениях современного мира нередко доходит до таких объемов, что для человека правильно будет осуществлять их систематизацию, с учетом всех параметров, становится проблематично. При данных обстоятельствах кластерные методы намного правильнее подходят для данной задачи, потому что готовы в достаточной мере, моментально осуществлять сортировку объектов, принимая во внимание все без исключения нужные характеристики, описанные в этом методе. И, в конечном итоге, третьей предпосылкой можно назвать резкое увеличение стремительности и объемов прибывающей информации. Нередко, люди попросту на физическом уровне не могут рассматривать информацию в темпе их поступления. Таким образом, к примеру, регулярно меняющиеся данные о котировках акций на фондовых биржах просто не может быть воспринятыми довольно моментально и быстро без её предварительной обработки и приведения к виду, удобного для человека (графики, таблицы). Это приводит к непрерывному накапливанию информации, какие, вероятно, никогда в жизни не будут точного рассмотрены. В конце подобных прибегая обстоятельствах система автоматическое чтобы объединение подробно и сокращение выбрать данных приобрела делаются codes весьма cluster значительными. Формирование кластерного анализа происходило, в главном из-за множественных изданий в научных журналах и газетах. Первоначальные подобные публикации согласно иерархическим способам возникли в начале 50-х годов. Однако более интенсивное формирование кластеризация приобрела в 60-70-х годах 20-го столетия. Данный период можно охарактеризовать как « Золотой век » кластерного анализа. Хроника кластерного анализа насчитывает меньше 100 лет, однако он уже успел стать неотделимой частичкой процедуры переработки информации в многочисленных науках и иных сферах людской жизнедеятельности. Столь интенсивное формирование систематизации находится в связи с увеличением вычислительной техники и её повседневном использовании. В нехватке такого рода техники цель кластерного анализа - автоматизирование процесса сортировки объектов – утрачивает свое значение. Вероятно, кластера именно ветвями поэтому наиболее все выберем работы вместо в этом метод направлении кластерам совсем данному не проводились больше до последнего состоящих столетия. Кластерный решения анализ анализ формировался проверки в тесной задачи связи гипотезы с иными joining предметами, joining но, каменных однако, можно многочисленные способы его анализа методы прибегая и способы возможно обладают анализа довольно состоящих общим анализа видом объекты и требуют clusty доработки выбрав с целью объектов использования метод к определенным метод задачам. Можно следующие отметить, данными что нажатии кластерный гипотезы анализ дальнего имеет «математическое например ядро», проверка состоящее товары из математических огромного алгоритмов сделать и формул, никак и «оболочку» включающую анализов в себя нажатии особенности пакета использования средних этих способам методов means к определенным кластеров задачам. ? Применение вместо кластерного joining анализа химия и использование попадания программных можете средств разбиения для измерений решения установки практических вопрос задач. Кластерный разбиения анализ может используется каждой почти измерений во всех нажмем областях раскрыты науки анализ и человеческой метода жизнедеятельности. Впервые методом он был политика использован данных в биологии. Как после говорилось областях раньше, работе огромный после вклад методов в это решены внесли задач Р.Сокэл данных и П. Снит, кластер продвинувшие должна мысль раскрыты об употреблении средних математических первые методов такие для detection исследования лечение и систематизации каждому предметов учетом окружающего туманным мира. Он данных может компании быть доработки полезен, кнопку когда также необходимо может систематизировать величины информацию объекты огромного объекты размера. Анализ целям большинства принято экспериментов, товары проводимых запуске с помощью строке кластерного means анализа, быстрее дал после Хартиган (Hartigan, 1975). Кластерный cluster анализ анализа применим поиске даже анализа в медицине, общим например больших это успел систематизация группах болезней, рисунок лечение конце болезней отложены или каждой их симптомов, человека и таксономия надпись пациентов, намного лекарств уровня и так поэтому далее. В каких археологии каждому это кластеры систематизация кластеров каменных регулярно сооружений, шагами памятников процедуры и древнейших объектов объектов этого и так поиске далее . В rules маркетинге выборок это выявление может данное быть средство задача меньше сегментации меньше конкурентов установки и потребителей. В detection менеджменте методом примером помощью задачи вклад кластеризации откроем будет анализ разбиение анализа персонала объектов на различные позволяет группы, химия классификация персонала потребителей variables и поставщиков, возможно выявление области схожих после производственных формате ситуаций, измерения при человека которых выбора возникает отложены брак. В каждой медицине - классификация строке симптомов. Теперь анализа возникает методика вопрос установки устойчивости анализ принятого между кластерного pageref решения. По которых сути, может проверка некоторые устойчивости признакам кластеризации можно сводится уровня к проверке means её достоверности. Здесь данному существует кластеров эмпирическое итераций правило — устойчивая такого типология продукт сохраняется ясную при вместо изменении причина методов может кластеризации. Результаты процесса иерархического данных кластерного объем анализа гипотезы можно работы проверять процедуру итеративным кластеров кластерным класса анализом регулярно по методу k-средних. Если анализ сравниваемые выделить классификации левую групп cluster респондентов сейчас имеют гипотезы долю дальнего совпадений данной более 70 % (более 2/3 совпадений), анализа то кластерное связи решение кнопку принимается. Проверить годов адекватность строке решения, симптомов не прибегая система к помощи областях другого решены вида золотой анализа, наиболее нельзя. По к-средних крайней процедуру мере, иными в теоретическом первые плане этого эта точного проблема человека не решена. В данной классической списка работе дипломной Олдендерфера выбрав и Блэшфилда «Кластерный формате анализ» подробно решающими рассматриваются доходит и в итоге система отвергаются людской дополнительные metric пять принято методов решение проверки режим устойчивости: - кофенетическая корреляция — не объемов рекомендуется проверка и ограниченна вопрос в использовании; - тесты method значимости (дисперсионный метода анализ) — всегда следующем дают применен значимый анализ результат; - методика наглядно повторных (случайных) выборок, случае что, модуля тем значения не менее, работе не доказывает cases обоснованность сделать решения; - тесты number значимости решение для значения внешних поэтому признаков рисунок пригодны число только hartigan для анализа повторных модуля измерений; - методы means Монте-Карло анализ очень успел сложны каких и доступны объектов только может опытным distances математикам. В анализ маркетинговых вместо исследованиях анализ кластерный изучено анализ конце применяется cases достаточно means широко - как может в теоретических обучению исследованиях, считается так кластеров и практикующими данных маркетологами, является решающими указать проблемы pageref группировки правило различных состоящих объектов. При изменении этом метод решаются подробно вопросы members о группах метода клиентов, нажатии продуктов кажется и т.д. Так, наглядно одной номера из наиболее следующие важных более задач может при метод применении такие кластерного возможно анализа каждого в маркетинговых более исследованиях проверки является класса анализ отнесены поведения пропущены потребителя, процедуры а именно: общим группировка иными потребителей cluster в однородные развития классы каждой для общим получения чтобы максимально rules полного данных представления должна о поведении задано клиента vertical из каждой центр группы случаев и о факторах, центр влияющих группу на его проверка поведение. Эта полном проблема measure подробно может описана кажется в работах доходит Клакстона, часто Фрая также и Портиса (1974), joining Киля процедуры и Лэйтона (1981). Важной шагами задачей, случаев которую pageref может анализа решить каменных кластерный будут анализ, поэтому является анализ позиционирование, выберем т.е. определение поэтому ниши, считается в которой после следует компании позиционировать чтобы новый hartigan продукт, работе предлагаемый выбора на рынке. В симптомов результате каждой применения знаний кластерного уровне анализа выделить строится объем карта, отнесены по которой объем можно обработке определить анализа уровень которые конкуренции объектов в различных развития сегментах классы рынка число и соответствующие casewise характеристики проверка товара методом для среды возможности results попадания случаев в этот данных сегмент. С причина помощью левую анализа среднее такой мысль карты вместо возможно дальнего определение ценность новых, кластеров незанятых кажется ниш сделать на рынке, means в которых анализа можно возможно предлагать названию существующие возможно товары работе или способы разрабатывать модуля новые. Кластерный задач анализ персонала также аналитику может variables быть пациентов удобен, выводится например, объектов для строках анализа методу клиентов поведение компании. Для фондовых этого поэтому все помощью клиенты режим группируются задано в кластеры, кластеры и для анализа каждого можно кластера анализа вырабатывается имеет индивидуальная группы политика. Такой знаний подход можете позволяет персонала существенно области сократить задано объекты cluster анализа, ввода и, в то же время, возможно индивидуально аналитику подойти именно к каждой задач группе следующие клиентов. Кластерный кластеры анализ анализа так рисунок же применим данных и в информатике: Кластеризация результатов поиска— используется кластер для «интеллектуальной» группировки нажмем результатов к-средних при центр поиске файлов, веб-сайтов, метода других объектов, запуске предоставляя пользователювозможность поэтому быстрой cluster навигации, выводится выбора настолько заведомо методик более релевантногоподмножества. Clusty— кластеризующая которой поисковая этому машина учетом компании Vivisimo Nigma— российская поисковая системас метод автоматической метода кластеризацией данных результатов Quintura— визуальная clusty кластеризация описана в виде облака ключевых слов Сегментация изображений(англ. image больше segmentation) — кластеризация людской может доходит быть данной использована регулярно для основные разбиения данных цифрового меньше изображения модель на отдельные дальнего области случае с целью обнаружения границ(англ. edge поэтому detection) или распознавания объектов. Интеллектуальный анализ данных(англ. data action mining) — кластеризация также в Data также Mining приобретает variance ценность number тогда, joining когда detection она clusty выступает может одним метода из этапов кнопки анализа больше данных, годов построения отложены законченного строит аналитического кластеры решения. Аналитику задач часто анализ легче сообщает выделить модуля группы проведен схожих этого объектов, своей изучить вызвана их особенности выбора и построить чтобы для величины каждой некоторые группы этому отдельную получены модель, строке чем results создавать данных одну отложены общую после модель выберем для сейчас всех например данных. Таким кластеров приемом анализа постоянно методом пользуются данных в маркетинге, доходит выделяя различных группы группы клиентов, позволяет покупателей, пригодны товаров анализа и разрабатывая всегда для одной каждой rules из них дипломной отдельную ценность стратегию. Для пациентов решения вопрос практических анализа задач рисунок часто науки используются сложны такие которые программы возможно как Statistica и Excel. Рассмотрим входной процедуру metric решения ключевых практических кажется задач медицине кластерного названию анализа ключевых в программе STATISTICA. Задачей методу кластерного работы анализа главе является уровня организация случаев наблюдаемых каждой данных вызвана в наглядные проведен структуры. Для анализов решения число данной анализа задачи изучено в кластерном после анализе модуля используются этого следующие позволяет методы: Joining (tree выборок clustering) (иерархические пропущены агломеративные золотой методы области или часто древовидная вклад кластеризация), K - means группу clustering (метод ученика К средних), Two-way чтобы joining (двувходовое намного объединение). Рассмотрим cases процесс конечном формирования модуль выборок means в системе золотой STATISTICA. 1. Среди анализа переключателей причина модуля STATISTICA нужно именно открыть учетом модуль Cluster данных Analysis (Кластерный detection Анализ). Высветите должна название тесты модуля химия и далее аналитику нажать метрика кнопку Switch области to (Переключиться следующем в) либо means просто описана дважды могут щелкнув общим мышью другими по названию каких модуля Cluster задачи Analysis. 2. На золотой экране никак появится после стартовая работы панель этого модуля (рис.1.2) Clustering золотой Method (методы систем кластерного методик анализа): Joining (tree кластер clustering) (иерархические данному агломеративные итераций методы results или каменных древовидная colums кластеризация), K - means может clustering (метод метрика К средних), Two-way является joining (двувходовое компании объединение). Рисунок 1.2 Стартовая выбрав панель обработки модуля Clustering анализа Method (методы названию кластерного уровне анализа) Joining (tree после clustering) (иерархические изучено агломеративные отнесены методы). 1. Откроем каждой файл (Open задач Data). После установки выбора Joining (tree симптомов clustering) и компании нажатия симптомов кнопки выступает ОК появляется этого окно Cluster систем Analysis: Joing (Tree жизни Clustering) (окно joining ввода группы режимов чтобы работы практикой для области иерархических number агломеративных случаев методов) (рис. 1.3), которых в котором variables кнопка Variables позволяет visimo выбрать успел переменные к-средних участвующие анализа в классификации. Нажмем выделить на кнопку Variables и алгоритмы выберем отнесены все поиске переменные Select главе All.
Не смогли найти подходящую работу?
Вы можете заказать учебную работу от 100 рублей у наших авторов.
Оформите заказ и авторы начнут откликаться уже через 5 мин!
Похожие работы
Реферат, Торговое дело, 27 страниц
324 руб.
Реферат, Торговое дело, 27 страниц
150 руб.
Реферат, Торговое дело, 12 страниц
120 руб.
Реферат, Торговое дело, 19 страниц
180 руб.
Служба поддержки сервиса
+7(499)346-70-08
Принимаем к оплате
Способы оплаты
© «Препод24»

Все права защищены

Разработка движка сайта

/slider/1.jpg /slider/2.jpg /slider/3.jpg /slider/4.jpg /slider/5.jpg