ІНТЕЛЕКТУАЛЬНИЙ АНАЛІЗ ДАНИХ В РЕЛЯЦІЙНИХ СИСТЕМАХ

Анотація

Предметом дослідження є методи інтелектуального аналізу реляційних баз даних. Метою проведених досліджень є розробка науково-обґрунтованих моделей підтримки інтелектуальних технологій інтеграції і управління інформаційними ресурсами розподілених обчислювальних систем. Дослідити особливості операційної специфікації реляційної моделі даних. Розробити метод оцінки реляційної моделі даних і процедуру побудови функціональних асоціативних правил при вирішенні задач інтелектуального аналізу реляційних баз даних. Відповідно до поставленої мети досліджень в представленій статті розглядаються наступні завдання: аналіз існуючих методів і технологій інтелектуального аналізу даних. Дослідження методів подання інтелектуальних моделей засобами реляційних систем. Розробка технології оцінки реляційної моделі даних для побудови функціональних асоціативних правил в задачах інтелектуального аналізу реляційних баз даних. Розробка інструментальних засобів проектування і супроводу прикладних задач інтелектуального аналізу даних; розробка прикладних задач інтелектуального аналізу даних. Результати: Проведено аналіз існуючих методів і технологій інтелектуального аналізу даних. Досліджено особливості структурної специфікації реляційної бази даних, формування асоціативних правил для побудови системи підтримки прийняття рішень. Розроблено інформаційну технологію, методика проектування інформаційно-аналітичних систем, на основі реляційної моделі даних, для вирішення практичних завдань інтелектуального аналізу, розроблені практичні рекомендації застосування реляційної моделі даних для побудови функціональних асоціативних правил в задачах інтелектуального аналізу реляційних баз даних, висновок: основним джерелом знань при експлуатації баз даних може бути реляційна база даних. У зв'язку з цим, дослідження властивостей даних є актуальним завданням в побудові систем асоціативних правил. Асоціативні правила з одного боку близькі до логічним моделям, що дозволяє організувати на них ефективні процедури виведення, а з іншого більш наочно відображають знання, ніж класичні моделі. У них відсутні жорсткі обмеження, характерні для логічних обчислень, що дає можливість змінювати інтерпретацію елементів продукції. Пошук асоціативних правил далеко не тривіальна задача, як може здатися на перший погляд. Одна з проблем – алгоритмічна складність при знаходженні часто зустрічаючих наборів елементів, так як з ростом числа елементів експоненціально зростає число потенційних наборів елементів.