Архив метки: кластерный анализ

КОЛИЧЕСТВЕННАЯ ОЦЕНКА УРОВНЯ ЖИЗНИ НАСЕЛЕНИЯ РЕГИОНОВ РОССИЙСКОЙ ФЕДЕРАЦИИ


УДК 519.237.8
DOI: 10.26102/2310-6018/2020.29.2.014

Н.А. Щукина, А.В. Голубь


Исследование посвящено вопросу оценки уровня и качества жизни населения регионов Российской Федерации в период 2010-2018 гг. В качестве индикатора оценки уровня жизни населения выступает интегральный показатель, который формируется на основе значений 33 социально-экономических показателей, объединенных в семь групп индикаторов, отражающих уровень доходов населения, уровень развития потребительского рынка, уровень обеспеченности населения жильем и качество жилищных условий, уровень развития и доступности здравоохранения и образования, демографические показатели, индикаторы уровня занятости и безработицы, а также состояние окружающей среды. Информационную базу исследования составляют официальные статистические данные за 2010-2018 гг. По результатам вычислений интегрального показателя получено распределение регионов России по уровню жизни населения. Динамика изменений среднероссийского интегрального показателя свидетельствует о снижении уровня жизни населения за рассматриваемый период. Для проведения сравнительного анализа изменения уровня жизни в субъектах РФ для каждого региона были получены суммарные приращения интегрального показателя и его компонент. Эти данные сформировали признаковое пространство для выделения однородных групп регионов по суммарному приращению каждого из семи индикаторов методами кластерного анализа. В результате проведения процедуры устойчивой классификации все субъекты РФ были разделены на три однородных группы и выявлены 13 нетипичных регионов. Нетипичные регионы отличаются нехарактерными для выделенных групп значениями приращений подындексов за рассматриваемый период. Выявленная диспропорция в темпах изменения уровня жизни населения характеризует недостаточную результативность государственного планирования и реализации социальных программ на региональном уровне.

Ключевые слова: уровень жизни населения, интегральный показатель, ранжирование, классификация регионов, кластерный анализ

Полный текст статьи:
ShchukinaGolub_2_20_1.pdf

ДЕСТРУКТИВНОЕ ИНФОРМАЦИОННО-ПСИХОЛОГИЧЕСКОЕ ВОЗДЕЙСТВИЕ В СОЦИАЛЬНЫХ СЕТЯХ


УДК 004.942
DOI: 10.26102/2310-6018/2020.28.1.043

В.П. Охапкин, Е.П. Охапкина, А.О. Исхакова, А.Ю. Исхаков


В статье рассматривается задача выявления деструктивного информационно-гуманитарного воздействия в социальных сетях. Отмечается, что проблемы, связанные с оперативным выявлением фактов деструктивного информационного воздействия являются предпосылками для разработки и совершенствования методов и средств выявления таких воздействий в социальных сетях. Для понимания социальной динамики групп социальных сетей рассмотрены: коммуникационная модель, предложенная Теодором Ньюкомбом, «планарная карта» Курта Левина, теория когнитивного баланса Фрица Хайдера. Проанализированы документы ООН по противодействию использования сети интернет в экстремистских целях и целях радикализации. Рассматривается роль когнитивного подхода к анализу сообщений социальных сетей и основные сценарии, реализуемые акторами влияния в текстах, направленных на разные аудитории. В исследовании излагается системный подход в отношении задачи проектирования мультиагентной платформы. Особое внимание уделяется блоку анализа паттернов пользовательских сообщений в социальных сетях, как с позиции математического моделирования, так и с позиции социальной динамики. Приводится описание архитектуры и методов мультиагентной системы выявления деструктивного информационно-гуманитарного воздействия. Система состоит из интерфейса администрирования, подсистем администрирования мультиагентной системы и управления агентами, агентов кластеризации, анализа сетевых сообщений и дисперсионного анализа. Приведено описание основных блоков агентов и подсистем.

Ключевые слова: социальная сеть, кластерный анализ, информационная безопасность, радикализация, агрессия, большие данные, личность, информационно-психологическое воздействие.

Полный текст статьи:
OkhapkinSoavtors_1_20_1.pdf

ПРОГНОЗИРОВАНИЕ ВРЕМЕННЫХ РЯДОВ ПОСРЕДСТВОМ ПРИВЯЗКИ СОБЫТИЙ


УДК 004.855.5
DOI: 10.26102/2310-6018/2019.27.4.039

И.Н. Колесников

В данной статье рассматривается концепция модификации метода анализа временных рядов, ориентированная на интеграцию с методами кластеризации в режиме обучения в реальном времени. Проанализированы различные методы прогнозирования временных рядов и машинного обучения. Описанный в статье метод дает прогноз поведения временного ряда на основе больших данных, полученных из различных источников, и связанных с существующими транзакциями временного ряда. Такой подход дает возможность находить зависимости изменения определенных показателей рассматриваемых систем в зависимости от различных событий. Выполненное исследование предлагает концепцию автоматизированного обучения системы в режиме реального времени с возможностью дальнейшей программной реализации. Рассматриваемая концепция позволяет строить прогнозы на любые временные ряды, зависимые от различных событий, новостей и данных, находящихся в открытом доступе. Предложен подход, который связывает события с графиком транзакций. Преимуществом подхода является возможность нахождения различных зависимостей между происходящими событиями и различными изменениями показателей, например: цен на биржах, значений социальных показателей и многих других.

Ключевые слова: анализ данных, прогнозирование, временные ряды, большие данные, кластерный анализ, интеллектуальный анализ данных.

Полный текст статьи:
Kolesnikov_4_19_1.pdf

ПРОГНОЗИРОВАНИЕ МАНИПУЛЯТИВНЫХ ИНФОРМАЦИОННЫХ ВОЗДЕЙСТВИЙ В СОЦИАЛЬНЫХ СЕТЯХ: ТЕРРИТОРИАЛЬНЫЙ АСПЕКТ


УДК 004.415.538
DOI: 10.26102/2310-6018/2019.27.4.032

В.А. Минаев, К.М. Бондарь, Е.В. Вайц, А.В. Кантышева


Описаны негативные факторы, влияющие на информационную безопасность стран. Особое внимание обращается на информационно-психологические воздействия, выделенные в Доктрине информационной безопасности Российской Федерации. Указывается на расширение применения перспективных имитационных методов моделирования информационных воздействий на социальные группы и соответствующего информационного противодействия. Даются необходимые определения, связанные с использование имитационного подхода, предложенного для исследования сложных нелинейных систем, к моделированию информационных воздействий в социальных сетях. Приводится описание системно-динамической модели информационного противодействия в виде системы дифференциальных уравнений. С моделью проведены имитационные эксперименты на программной платформе Anylogic и получены аналитические зависимости характерных времен, отражающих восприимчивость населения поселений страны к воздействию через социальные сети, включая механизмы негативного влияния, от статистических характеристик пользователей. Осуществляется типология поселений Российской Федерации по характеристикам распространения информации в социальных сетях регионов. Делается вывод, что выявленные связи можно применять для прогнозирования манипулятивных информационных эффектов и планирования информационного противоборства. Кроме того, подчеркивается, что имитационная модель позволяет по статистически наблюдаемым переменным оценивать параметры и переменные, характеризующие динамику распространения информации в популяции, и которые статистически ненаблюдаемы.

Ключевые слова: имитационное моделирование, информационное манипулятивное воздействие, прогнозирование, противодействие, социальная сеть, типология, кластерный анализ.

Полный текст статьи:
MinaevSoavtori_4_19_1.pdf

АДАПТИВНАЯ АВТОМАТИЗИРОВАННАЯ СИСТЕМА КАК СРЕДСТВО ДИФФЕРЕНЦИАЦИИ ОБУЧЕНИЯ ПРИ ПОДГОТОВКЕ СПЕЦИАЛИСТОВ В ОБЛАСТИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ


УДК 004.9, 37.04
DOI: 10.26102/2310-6018/2019.25.2.007

Н.В. Даценко, С.А. Горбатенко, В.В. Горбатенко


В статье предложен один из наиболее эффективных способов реализации дифференцированного подхода при подготовке специалистов в области информационных технологий (ИТ), заключающийся в использовании адаптивной автоматизированной системы обучения. Система позволит хранить большой объем учебной информации, при необходимости осуществлять ее модификацию, а также адаптацию к разным категориям пользователей в зависимости от уровня начальной подготовки, проводить проверку сформированности компетенций и анализ ошибок, допущенных студентами в процессе контрольного тестирования. Информационное обеспечение системы включает реляционную базу данных (БД), которая содержит теоретическую информацию по дисциплине, упражнения и контрольные задания по всем темам, адаптированные к различным категориям студентов, а также таблицу, в которую во время проведения контрольного тестирования вносятся все ошибочные ответы пользователей с целью дальнейшего анализа. Программное обеспечение содержит модуль автоматической классификации пользователей, который на основе метода кластерного анализа на этапе входного контроля позволяет сформировать четыре группы студентов в зависимости от уровня остаточных знаний, полученных в процессе изучения предшествующих дисциплин, соответствующих оценкам «отлично», «хорошо», «удовлетворительно» и «неудовлетворительно», с целью проведения дифференциации учебного материала. Программный модуль обучения предназначен для решения задач приобретения новых знаний по ИТ-дисциплинам обучающимися разных групп, использования полученных теоретических знаний при выполнении практических заданий и проверки уровня сформированности компетенций. В том случае, если уровень не достиг базового, модуль анализа ошибок позволяет определить, какие темы дисциплины вызвали наибольшие затруднения у студента с целью прохождения повторного обучения.

Ключевые слова: дифференциация обучения, ИТ-дисциплины, повышение качества подготовки специалистов, адаптивная автоматизированная система, автоматическая классификация, кластерный анализ.

Полный текст статьи:
DatsenkоSoavtori_2_19_1.pdf

МОДЕЛИРОВАНИЕ МАНИПУЛЯТИВНЫХ ВОЗДЕЙСТВИЙ В СОЦИАЛЬНЫХ СЕТЯХ

УДК 004.94
doi: 10.26102/2310-6018/2019.24.1.003

В. А. Минаев , М. П. Сычев, Л. С. Куликов , Е. В. Вайц


В Доктрине информационной безопасности Российской Федерации основными негативными факторами, влияющими на состояние информационной безопасности (ИБ), называются информационно-технические (ИТВ) и информационно-психологические воздействия (ИПВ). Поэтому моделирование, оценка и прогнозирование манипулятивных информационных воздействий (МИВ) на социальные группы является актуальной задачей управления. Рассмотрены системно-динамические модели информационных воздействий в социальных сетях и группах. Обосновано их применение для целей противодействия информационному терроризму и экстремизму. Дано описание в виде потоковых диаграмм в обозначениях системной динамики. Приведены системы дифференциальных уравнений. Проведены эксперименты с моделями с применением перспективной имитационной платформы Anylogic. В результате сравнения агентной и системно-динамической моделей выявлено их высокое согласование между собой и со статистическими данными. Применяя кластерный анализ, в выборочной совокупности российских поселений выделены однородные типологические группы, различающиеся средним временем распространения информационных воздействий. Впервые был применен постулат Гиббса для изучения распространения информационных воздействий в студенческой среде. В проведенных экспериментах на реальных статистических данных выявлена высокая согласованность результатов моделирования с эмпирическими данными (коэффициенты детерминации не менее 90%). Модели позволяют осуществлять прогноз ИВ, проигрывать различные сценарии динамики указанных процессов.

Ключевые слова: имитационное моделирование, информационное воздействие, управление, социальная сеть, топология, типология, кластерный анализ.

Полный текст статьи:
MinaevSoavtori_1_19_1.pdf

ПРИМЕНЕНИЕ НЕЙРОСЕТЕВОГО ПОДХОДА К ЗАДАЧАМ ЛОГИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ И ПОСТРОЕНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ

УДК 519.71

Д.П. Димитриченко, Р.А. Жилов


Необходимость уменьшения размерности больших массивов данных при сохранении логической структуры, а также, выявление скрытых закономерностей и удаление информационных шумов и избыточности в описании объектов диагностики (распознавания) приводит к необходимости построения эффективного метода классификации объектов в слабо формализуемых областях знаний. Логические функции, описывающие объекты при помощи переменнозначных предикатов, позволяют выявить скрытые закономерности и устранить избыточность в описании объектов. Упорядоченные при помощи переменнозначных логических функции классы объектов являются основой для формирования структуры когнитивных карт. Целью настоящего исследования является создание алгоритма для построения логической нейронной сети на основе переменнозначной логической функции и обоснование возможности применения полученных результатов при построении когнитивных карт. Обоснована теоретическая возможность и приведены алгоритмы, позволяющие осуществить переход от переменнозначных логических функций к когнитивным картам при помощи нейросетевого подхода. Результатом данной работы является процедура построения когнитивной карты с применением логических нейронных сетей, построенных на основе переменнозначных логических функции. Преимуществом полученной когнитивной карты является возможность функционирования в рамках нечеткой логики.

Ключевые слова: предикат, значность предиката, переменнозначная логическая функция, логическая нейронная сеть, когнитивная карта, кластерный анализ, нейронная сеть.

Полный текст статьи:
DmitrichenkoZhilov_2_18_1.pdf

ОСОБЕННОСТИ ПРИМЕНЕНИЯ МЕТОДОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ И МНОГОУРОВНЕВОГО МОНИТОРИНГА ПРИ РЕШЕНИИ ЗАДАЧИ РАЦИОНАЛИЗАЦИИ МЕДИЦИНСКОЙ ПОМОЩИ

УДК 681.3

О.Н.Чопоров, С.В.Болгов, И.И.Манакин

Рассматривается вопрос использования методов интеллектуального анализа данных при исследовании медицинских систем различного уровня. Сформулированы задачи, возникающие при решении вопроса рационализации медицинской помощи. Определена роль многоуровневого мониторинга при решении поставленных задач и представлен обзор рекомендуемых методов построения прогностических и классификационных моделей. Обоснована необходимость использования процедур предварительной обработки информации.

Ключевые слова: : интеллектуальный анализ данных, многоуровневый мониторинг, кластерный анализ, прогнозирование заболеваемости.

Полный текст статьи:
ChoporovBolgovManakin _1_15_1.pdf