|
||||||||||||
|
||||||||||||
|
|||||||||
МЕНЮ
|
БОЛЬШАЯ ЛЕНИНГРАДСКАЯ БИБЛИОТЕКА - РЕФЕРАТЫ - Системы и методы искусственного интеллекта в экономикеСистемы и методы искусственного интеллекта в экономикеКОНТРОЛЬНАЯ РАБОТА По дисциплине: «Системы и методы искусственного интеллекта в экономике» Задание 1 1. Выбираем массив финансовых показателей по которым будем оценивать финансовую устойчивость предприятия. Устанавливаем эталонные значения данных показателей в каждой группе риска в соответствие с предложенными диапазонами значений финансовых показателей:
2. Задаем характеристики исследуемого предприятия. Веса показателям устанавливаются экспертами.
3. Рассчитываем разницу между составляющими векторов исследуемого предприятия и каждого эталонного образа:
4. Рассчитываем квадрат разницы между составляющими векторов исследуемого предприятия и каждого эталонного образа:
5. Таким образом, расстояния по Эвклиду () между исследуемым предприятием и эталонными образами будут равны:
Минимальное расстояние между исследуемым предприятием и эталоном свидетельствует о принадлежности исследуемого предприятия к области риска х3 (зона относительной стабильности). 6. Рассчитываем разницу между составляющими векторов исследуемого предприятия и каждого эталонного образа, возведенную в степень л=4:
7. Таким образом, расстояния по Минковскому () между исследуемым предприятием и эталонными образами будут равны:
Минимальное расстояние между исследуемым предприятием и эталоном свидетельствует о принадлежности исследуемого предприятия к области риска х4 (зона благополучия). 8. Рассчитываем модуль разницы между составляющими векторов исследуемого предприятия и каждого эталонного образа:
9. Таким образом, расстояния по модулю разницы () между исследуемым предприятием и эталонными образами будут равны:
Минимальное расстояние между исследуемым предприятием и эталоном свидетельствует о принадлежности исследуемого предприятия к области риска х3 (зона относительной стабильности). 10. Рассчитываем произведение весов коэффициентов и квадрата разницы между составляющими векторов исследуемого предприятия и каждого эталонного образа:
11. Таким образом, расстояния по Эвклиду с весами () между исследуемым предприятием и эталонными образами будут равны:
Минимальное расстояние между исследуемым предприятием и эталоном свидетельствует о принадлежности исследуемого предприятия к области риска х3 (зона относительной стабильности). 12. Рассчитываем произведение весов коэффициентов и разницы между составляющими векторов исследуемого предприятия и каждого эталонного образа, возведенной в степень л=4:
13. Таким образом, расстояния по Минковскому с весами () между исследуемым предприятием и эталонными образами будут равны:
Минимальное расстояние между исследуемым предприятием и эталоном свидетельствует о принадлежности исследуемого предприятия к области риска х4 (зона благополучия). 14. Рассчитываем произведение весов коэффициентов и модулей разницы между составляющими векторов исследуемого предприятия и каждого эталонного образа:
15. Таким образом, расстояния по модулю разницы с весами () между исследуемым предприятием и эталонными образами будут равны:
Минимальное расстояние между исследуемым предприятием и эталоном свидетельствует о принадлежности исследуемого предприятия к области риска х4 (зона благополучия). 16. Рассчитываем сумму между составляющими векторов исследуемого предприятия и каждого эталонного образа:
17. Рассчитываем модуль отношения (s-xi)/(s+xi) для каждой составляющей векторов исследуемого предприятия и каждого эталонного образа:
18. Таким образом, расстояния по Камберру () между исследуемым предприятием и эталонными образами будут равны:
Минимальное расстояние между исследуемым предприятием и эталоном свидетельствует о принадлежности исследуемого предприятия к области риска х4 (зона благополучия). ВЫВОД: В результате проведенного анализа можно сделать вывод о том, что уровень финансовой устойчивости исследуемого предприятия характеризуется относительной стабильностью и благополучием. Задание 2 1. Задаем эталонные объекты, исследуемый образ и признаки, по которым будем оценивать сходство:
* Цветом выделен исследуемый образ. 2. Переводим качественные характеристики объектов в количественные. В результате формируется двоичный массив:
3. Рассчитываем число совпадений наличия признаков объектов Xj, и S. Она может быть вычислена с помощью соотношения (n - количество признаков). Для этого используем функцию СУММПРОИЗВ, указывая в ней массивы векторов значений признаков исследуемого образа и каждого из эталонного образов. Таким образом:
4. С помощью переменной b подсчитывается число случаев, когда объекты Xj, и S . не обладают одним и тем же признаком, . Для упрощения расчетов необходимо рассчитать матрицу значений (1-xk) для всех исследуемых объектов:
Рассчитываем значение переменной b аналогично методу расчета переменной a, используя значения матрицы, полученной в п.4:
5. Аналогичным образом рассчитывает переменные g и h по формулам , :
6. Проверяем правильность произведенных расчетов по формуле: a + b + g + h = n где n - количество анализируемых признаков (в нашем случае n = 5)
Следовательно, расчеты произведены верно. 7. Рассчитываем значения функций сходства с каждым эталонным образом по формулам Рассела и Рао, Жокара и Нидмена, Дайса, Сокаля и Снифа, Сокаля и Мишнера, Кульжинского, Юла: (функция сходства Рассела и Рао), (функция сходства Жокара и Нидмена), (функция сходства Дайса), (функция сходства Сокаля и Снифа), (функция сходства Сокаля и Мишнера), (функция сходства Кульжинского), (функция сходства Юла).
При распознавании образов с помощью функций сходства, исследуемый образ можно отнести к эталону, если значение функции сходства между ними максимально. Следовательно, наиболее близким эталоном к исследуемому образу является «шкаф», «стул», «окно». 8. Рассчитаем расстояние по Хеммингу между исследуемым образом и эталонами Расстояние по Хеммингу между двумя двоичными векторами равно числу несовпадающих двоичных компонент векторов. Используя переменные g и h его можно рассчитать по следующей формуле: SH = g + h
При распознавании образов с помощью вычисления расстояния между объектами в качестве критерия принятия решения о принадлежности к конкретному эталону используется минимальное расстояние от исследуемого образа до эталона. Согласно данному критерию, наиболее близким к исследуемому образу является эталон «шкаф», «стул», «окно». ВЫВОД: В результате проведенного анализа, согласно всех используемых функций сходства и расстояния по Хеммингу, исследуемый образ «стол» имеет наибольшее сходство с эталоном «шкаф», «стул», «окно». 9. Используя знания о логическом смысле переменных a, b, g, h предлагаю следующий вариант функции сходства: Используя её для оценивания сходства между исследуемым образом и эталонами, получим:
Как видим, результат предложенный функции совпадает с результатами функций Рассела и Рао, Жокара и Нидмена, Дайса, Сокаля и Снифа, Сокаля и Мишнера, Кульжинского, Юла, что свидетельствует о её достаточной достоверности. |
РЕКЛАМА
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
БОЛЬШАЯ ЛЕНИНГРАДСКАЯ БИБЛИОТЕКА | ||
© 2010 |