Разработка и исследование метода компараторной идентификации модели многофункционального оценивания

Дипломная работа - Компьютеры, программирование

Другие дипломы по предмету Компьютеры, программирование



?ент полинома Колмогорова-Габора, учитывающий как независимые критерии, а также позволяющий обозначить зависимость между некоторыми критериями модели. Параметрическая идентификация реализована с использованием генетических алгоритмов.

Для исследования полученной модели разработано программное средство, реализующее построенный алгоритм расчета значения параметров модели с учетом ограничений.

Разработанная математическая модель учитывает наиболее полные критерии оценки знаний и позволяет формализовать процедуру классификации учащихся. Что обеспечивает возможность использования разработанной математической модели в системах поддержки принятия решений.

Разработанная модель является универсальной и инвариантной к предметной области в рамках ординальной классификации. Возможна модификация модели и ее адаптация под задачу подобного вида.

ЛИТЕРАТУРА

1.Петров Э.Г. Методы и средства принятия решений в социально-экономических системах / Э.Г. Петров, М.В. Новожилова, И.В. Гребенник, Н.А. Соколова. - Херсон: ОЛДИ-плюс, 2003. - 380 с.

2.Петров К.Э. Крючковский В.В. Компараторная структурно-параметрическая идентификация моделей скалярного многофакторного оценивания: Монография. - Херсон: Олди-плюс, 2009. - 294с.

.Тихонов А.Н. Методы решения некорректных задач / А.Н. Тихонов, В.Я. Арсенин. - М.: Наука, 1986. - 288с.

.Исаев С. Генетические алгоритмы в задачах оптимизации

.Mitchell M. An introduction to Genetic Algorithm. MIT Press, 1996.

.Компараторная идентификация цветового зрения человека М.Ф Бондаренко, С.Ю. Шабанов-Кушнаренко, Ю.П. Шабанов-Кушнаренко. Бионика интеллекта. 2008. №2(69). С. 3-12.

.Батищев Д.И. Генетические алгоритмы решения экстремальных задач / Под ред. Львовича Я.Е.: Учеб. пособие. Воронеж, 1995.

.Батищев Д.И., Скидкина Л.Н., Трапезникова Н.В. Глобальная оптимизация с помощью эволюционно-генетических алгоритмов / Мужвуз. сборник, ВГТУ, Воронеж, 1994.

.Ларичев О.И. Теория и методы принятия решений, а также хроника событий в волшебной стране / О.И. Ларичев. - М.: Логос, 2000. - 294 с.

.Ильин В.Н. Поведение потребителей / В.Н. Ильин. - С.-Пб.: Питер, 2000. - 224 с.

.Крючковский В.В. Анализ методов идентификации модели многокритериального оценивания / В.В. Крючковский, В.П. Пономаренко, Д.И. Филипская // Вестник Херсонского национального технического университета. - 2008. - №1 (30). - с. 85-90.

.Овезгельдыев А.О. Синтез и идентификация моделей многофакторного оценивания и оптимизации / А.О. Овезгельдыев, Э.Г. Петров, К.Э. Петров. - К.: Наук. Думка, 2002. - 164 с.

.Овезгельдыев А.О. Компараторная идентификация моделей интеллектуальной деятельности / А.О. Овезгельдыев, К.Э. Петров // Кибернетика и системный анализ. - 1996. - №5 - с. 48-58.

.-02.05.2011.-..">Теоретический анализ проблемы количественной оценки качества обучения [Электронный ресурс] / Режим доступа: www/ URL: - 02.05.2011 г. - Загл. С экрана.

15.-10.05.2011.-.">Преимущества языка программирования Java [Электронный ресурс] - Режим доступа: www/ URL: - 10.05.2011 г. - Загл. С экрана

.Методичнi вказiвки до магiстерськоСЧ пiдготовки, з розробки й оформлення магiстерськоСЧ атестацiйноСЧ роботи для студентiв спецiальностей: 8.080402 - РЖнформацiйнi технологiСЧ проектування, 8.091401 - Системи управлiння та автоматики. Освiтньо-квалiфiкацiйний рiвень - магiстр [Текст] / Упоряд.: Е.Г. Петров, В.В. Безкоровайний, Л.М. Ребезюк. - Харкiв: ХНУРЕ, 2009. - 72 с.

ПРИЛОЖЕНИЕ А

Графические материалы к дипломному проекту

ПРИЛОЖЕНИЕ Б

Диаграмма взаимосвязи процессов управления командой проекта

ПРИЛОЖЕНИЕ В

Программный способ определения эффективного состава команды проекта

решение программный компараторный идентификация

${Application.description}.text=ProductVersion\:.text=Vendor\:.text=Homepage\:">title = About: ${Application.title} ${Application.version} .Action.text = &Close.text=${Application.description}.text=Product Version\:.text=Vendor\:.text=Homepage\:

#NOI18N.icon=about.png

# Application global resources.name = Classification.title = Basic Application Example.version = 1.0.vendor = Sun Microsystems Inc..homepage = http\://appframework.dev.java.net/.description = A simple Java desktop application based on Swing Application Framework..vendorId = Sun.id = ${Application.name}.lookAndFeel = systemclass GA {Random r = new Random();counter;int[][] population = new int[50][64];int[][] popul10 = new int[50][8];double[][] populNorm = new double[50][8];[] c = new int[50];double[] a = new double[8];

/**

* The method randomly initializes first generation

*/void firstGeneration() {(int i = 0; i < 50; i++) {(int j = 0; j < 64; j++) {[i][j] = r.nextInt(2);

}

}

}

/**

* /** The method randomly change random chromosome. The maximum percentage

* of mutation equals to 3 percents.

*

* @param popul

* the initial population

*

* @return mutated population

*/int[][] mutation(int[][] popul) {z;x;(int i = 0; i < r.nextInt(97); i++) {= r.nextInt(49);= r.nextInt(63);(popul[z][x] == 0) {[z][x] = 1;

} else {[z][x] = 0;

}

}popul;

}double[][] norm(int[][] array) {sum;(int i = 0; i < 50; i++) {= 0;(int j = 0; j < 8; j++) {+= array[i][j];(j == 7) {(int t = 0; t < 8; t++) {[i][t] = ((double)array[i][t] / (double)sum);

}

}

}

}populNorm;

}void from2to10() {r = 256;m = 0;q = 0;(int j = 0; j < 50; j++) {= 0;(int i = 0; i < 64; i++) {= r / 2;+= population[j][i] * r;(i != 0 && i % 8 == 0) {[j][m] = q;= 256;++;= 0;

}(i == 63) {[j][m] = q;= 256;= 0;++;

}

}

}(popul10);.out.println(Arrays.deepToString(populNorm));

}void qualityAnalysis() {count = 0;(int i = 0; i < 50; i++) {= 0;(int j = 0; j < 8; j++) {[j] = populNorm[i][j];

=30){.out.println("");.out.println(Arrays.toString(a));;">}b1 = 0.02*a[0]+0.37*a[1]-0.01*a[2]-0.18*a[3]+0.11*a[4]-0.18*a[5]-0.8*a[6]+0.09*a[7];b2 = -0.06*a[0]+0.59*a[1]-0.01*a[2]-0.26*a[3]+0.02*a[4]-0.26*a[5]-0.15*a[6]+0.15*a[7];b3 =-0.07*a[0]-0.23*a[1]+0.8*a[3]+0.1*a[4]+0.08*a[5]-0.65*a[6]-0.06*a[7];b4 = -0.3*a[0]-0.03*a[1]+0.26*a[2]-0.2*a[3]-0.4*a[4]-0.28*a[5]+0.45*a[6]+0.06*a[7];b5 = 0.23*a[0]-0.34*a[1]-