Модели и алгоритмы проблемно-ориентированной информационно-аналитической системы тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат наук Попова, Наталия Александровна

• Попова, Наталия Александровна
• кандидат наук
• 2013

Оглавление диссертации кандидат наук Попова, Наталия Александровна

СОДЕРЖАНИЕ

Введение

1 АНАЛИЗ МЕТОДОВ И СРЕДСТВ ПОСТРОЕНИЯ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКИХ СИСТЕМ

1.1 Концептуальное представление информационно-аналитических систем

1.2 Модельные представления объектов предметной области с применением математической логики

1.3 Модельные представления данных на основе тензорной методологии

1.4 Методы анализа данных в информационно-аналитических системах

1.5 Концепции построения проблемно-ориентированных информационно-

аналитических систем

Выводы

2 КОНЦЕПТУАЛЬНЫЕ И МАТЕМАТИЧЕСКИЕ МОДЕЛИ ДАННЫХ НА ОСНОВЕ ТЕНЗОРНОЙ МЕТОДОЛОГИИ

2.1 Концептуальная модель предметной области информационно-аналитической системы

2.2 Тензорная модель классов и отношений предметной области

2.3 Тензорная модель объектов информационно-аналитической системы

2.4 Операции с индексными объектами информационно-аналитической системы

2.5 Анализ структуры на основе многомерного представления данных

Выводы

3 МОДЕЛИ И АЛГОРИТМЫ АНАЛИЗА, КЛАССИФИКАЦИИ И УПРАВЛЕНИЯ

3.1 Модель управления деятельностью аспиранта по состояниям

3.2 Математическая модель процесса классификации состояний

3.3 Алгоритм решения задачи классификации состояний

3.4 Разработка модели анализа деятельности аспиранта

3.5 Динамическая модель деятельности аспиранта

Выводы

4 РАЗРАБОТКА И ИССЛЕДОВАНИЕ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ СИСТЕМЫ

4.1 Разработка информационно-аналитической системы на основе концепции проблемной ориентации

4.2 Решение задач оперативного анализа данных средствами аналитической платформы Deductor

4.3 Вербальный анализ данных на основе разработанных моделей и алгоритмов

4.4 Интеллектуальный анализ данных методом эталонного сравнения

Выводы

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

СЛОВАРЬ ТЕРМИНОВ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

ПРИЛОЖЕНИЕ А. РЕЗУЛЬТАТЫ АНАЛИЗА СТРУКТУР ДАННЫХ

СРЕДСТВАМИ MATHCAD

ПРИЛОЖЕНИЕ Б. ЛИСТИНГ ПРОГРАММЫ ДЛЯ ПОСТРОЕНИЯ

КЛАССИФИКАЦИИ МЕТОДОМ ВЕРБАЛЬНОГО АНАЛИЗА

ПРИЛОЖЕНИЕ В. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ДИНАМИЧЕСКОЙ

МОДЕЛИ СРЕДСТВАМИ MATHCAD

ПРИЛОЖЕНИЕ Г. РАЗРАБОТКА СТРУКТУРЫ ТРАНЗАКЦИОННОЙ БАЗЫ

ДАННЫХ

ПРИЛОЖЕНИЕ Д. АКТЫ О ВНЕДРЕНИИ РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы проблемно-ориентированной информационно-аналитической системы»

ВВЕДЕНИЕ

Актуальность темы. Информационно-аналитические системы (ИАС) представляют особый класс информационных систем, предназначенных для хранения, обработки и анализа данных. Эффективное хранение данных обеспечивается наличием в составе ИАС множества источников данных. Обработка и объединение данных выполняются инструментальными средствами извлечения, преобразования и загрузки данных. Анализ данных осуществляется с использованием инструментальных средств оперативного и интеллектуального анализа.

ИАС, как правило, реализуются в виде надстройки над функционирующей информационной системой предприятия или организации и размещаются на различных уровнях управления. Создание ИАС предполагает большую детализацию и более сложную аналитическую обработку данных по сравнению с OLTP-системами, ориентированными на фиксацию повседневной деятельности. В связи с этим архитектура современных ИАС содержит следующие уровни: сбор и первичная обработка данных; извлечение, преобразование и загрузка данных; складирование данных; оперативное представление данных, оперативный и интеллектуальный анализ данных в процессе принятия управленческих решений.

Существует два подхода к реализации ИАС. Первый подход основан на платформенно-базированных решениях, предложенных ведущими компаниями Oracle, Microsoft, СА, SAP, SAS и др. Второй подход предполагает реализацию ИАС на основе смешанного решения, при котором инструменты анализа и СУБД выбираются из числа программных продуктов различных компаний (Cognos, Business Objects и BaseGroup Labs). Преимущество второго подхода состоит в возможности обеспечения более высокой функциональной эффективности системы. Однако применение программных продуктов различных производителей затрудняет решение задач, связанных с формированием структуры транзакционной базы данных и хранилища данных, извлечением,

преобразованием и загрузкой данных, разработкой моделей и алгоритмов оперативного, интеллектуального анализа данных.

Как правило, большинство ИАС реализуется на основе многомерного представления данных в OLTP-(on-line transaction processing) и OLAP-(on-line analytical processing) системах. Это обусловлено требованиями сокращения временных затрат на реализацию доступа, обеспечения целостности данных. Существенный вклад в развитие модельных представлений баз и хранилищ данных для ИАС внесли: У. Г. Инмон, Э. Ф. Код, К. Дж. Дейт, Б. А. Кулик, С. Д. Кузнецов, В. И. Мунерман и др. Известны модельные представления структур данных на основе различных интерпретаций: логики классов и отношений, теоретико-множественных представлений, одноместных и многоместных предикатов, алгебры кортежей и тензорной алгебры.

Впервые тензорные методы как средство формализованного описания данных были упомянуты в работе А. Е. Петрова (1976), посвященной разработке матричного представления реляционного языка баз данных. Тензорный подход применялся для проектирования банков данных и систем управления базами данных разработки информационных систем, методов анализа программ (А. Е. Арменский, 1986,1989).

Существенный вклад в развитие методов оперативного и интеллектуального анализа данных внесли: Г. Пятецкий-Шапиро, А. И. Арастумов, О. И. Ларичев, И. Д. Мандель, В. А. Дюк и др.

Несмотря на значительные успехи в области создания ИАС, имеет место проблема модельных представлений данных при разработке структур хранения, процедур первичной обработки, оперативного и интеллектуального анализа данных. Первый аспект проблемы связан с недостаточной развитостью средств формализованного описания структур и процедур обработки данных на основе заданных классов объектов, отношений и измерений многомерного предметного пространства. Второй аспект проблемы связан с теоретическим обоснованием моделей анализа накопленных данных, принятия решений с учетом свойств объектов и шкал измерений многомерного пространства, третий аспект — с

установлением соответствий между модельными представлениями хранения и анализа данных с функциями аналитической платформы, используемой при создании ИАС.

Цель диссертационной работы - разработка и исследование модельных представлений данных на основе тензорной методологии, моделей и алгоритмов вербального анализа данных; обоснование выбора технологической платформы и системы управления базами данных.

Задачи, решаемые в работе:

-теоретическое обоснование модельных представлений структур баз и хранилищ данных на основе построения математических моделей классов объектов и отношений между классами в предметной области с применением тензорной методологии;

- разработка математических моделей и алгоритмов оперативного и интеллектуального анализа данных для оценки состояний объектов в процессе деятельности с использованием средств информационно-аналитической системы;

- обоснование выбора технологической платформы для создания информационно-аналитической системы и разработка концептуальных моделей предметной области, отражающих ее проблемную ориентацию;

- разработка пилотного проекта информационно-аналитической системы на основе выбранных технологической платформы, системы управления базами данных и проведение экспериментов по оценке состояний объектов.

Объектом исследования являются процессы сбора, накопления, предварительной обработки, загрузки и анализа данных при создании информационно-аналитической системы.

Предметом исследования являются математические модели классов, объектов и компонент (сущностей); модели и алгоритмы обработки и анализа данных информационно-аналитической системы.

Соответствие паспорту научной специальности. Область исследования соответствует п. 3 «Исследование методов и. разработка средств кодирования

информации в виде данных. Принципы создания языков описания данных, языков манипулирования данными, языков запросов. Разработка и исследование моделей данных и новых принципов их проектирования» и п. 5 «Разработка и исследование моделей и алгоритмов анализа данных, обнаружения закономерностей в данных и их извлечениях, разработка и исследование методов и алгоритмов анализа текста, устной речи и изображений».

Методы исследования основаны на алгебре индексных объектов, теории вербального анализа решений, методах оперативного и интеллектуального анализа данных, методах концептуального моделирования в методологии АШБ, реляционном и объектно-реляционном подходах к описанию данных.

Научная новизна работы:

1. Разработаны математические модели баз и хранилищ данных информационно-аналитической системы, отличающиеся заданием классов, объектов, компонентов (сущностей), базисов многомерных пространств данных в виде индексных объектов (тензоров) первой и второй валентности, что обеспечивает формализованное описание процедур преобразования, количественной оценки структур данных, операций извлечения, трансформации и загрузки данных.

2. Разработаны модель и алгоритм классификации состояний объектов управления, отличающиеся реализацией механизма цепных покрытий множества векторных оценок, предъявляемых эксперту в процессе вербального анализа данных, что позволяет строить полную и непротиворечивую классификацию средствами информационно-аналитической системы.

3. Предложена модель оценки состояния объектов управления методом сравнения с заданным экспертом эталоном, отличающаяся представлением показателей состояния в виде вектора многомерного метрического пространства, что позволяет формировать отклонения состояния по каждому показателю и интегральную оценку состояния объекта средствами информационно-аналитической системы.

4. Предложена динамическая модель изменений в распределении объектов управления по классам в виде системы дифференциальных уравнений, отличающаяся заданием параметров модели с учетом значений показателей текущего состояния объектов, что позволяет прогнозировать распределение объектов по состояниям в заданном интервале времени с использованием метода последовательных приближений.

Практическая значимость исследований. Разработан пилотный проект ИАС на базе аналитической платформы Deductor, обеспечивающей сбор, предварительную обработку и анализ данных о деятельности аспирантуры вуза и информационную поддержку принятия решений по управлению процессом подготовки специалистов высшей квалификации.

Тензорная интерпретация базисов многомерных пространств данных, классов и объектов, операций и отношений, процедуры классификации состояний объектов управления методом вербального анализа может быть использована при проектировании ИАС с применением концептуального и математического моделирования.

Достоверность и обоснованность. Обоснованность и достоверность результатов работы определяются корректным использованием строгих и апробированных методов исследования и подтверждаются практическим применением полученных результатов при разработке ИАС на основе программных продуктов различных производителей: Deductor, Firebird и SQL Manger for InterBase and Firebird. Создание ИАС на основе базисных решений подтверждается актами внедрения и апробацией на всероссийских и международных научно-технических конференциях.

Основные результаты, выносимые на защиту:

1. Математические модели баз и хранилищ данных информационно-аналитической системы на основе представления классов, объектов, компонентов (сущностей), базисов многомерных пространств данных в виде тензоров (индексных объектов) первой и второй валентности для формализованного

описания процедур преобразования, количественной оценки структур данных, операций извлечения, трансформации и загрузки данных.

2. Модель и алгоритм классификации состояний объектов управления на основе механизма цепных покрытий множества векторных оценок для реализации полной и непротиворечивой классификации методом вербального анализа.

3. Модель интегральной оценки состояния и оценки отклонений состояния по каждому показателю объекта управления на основе сравнений с эталоном и представлением показателей состояния в виде вектора многомерного метрического пространства.

4. Динамическая модель, задаваемая в виде системы дифференциальных уравнений, для прогнозирования распределений объектов управления по состояниям в заданном интервале времени с использованием метода последовательных приближений.

Реализация и внедрение результатов работы. Результаты диссертационного исследования использованы при разработке ИАС поддержки процесса подготовки специалистов высшей квалификации на базе аналитической платформы ОеёисШг. Разработанная ИАС внедрена в Пензенском государственном университете, Пензенском государственном технологическом университете, Саранском филиале Российского университета кооперации, ООО «Научно-производственное предприятие "Пульс"», что подтверждается актами внедрения.

Апробация работы. Основные результаты диссертации докладывались и обсуждались на следующих конференциях: «Университетское образование» (г.Пенза, 2007, 2008, 2011, 2013); «Новые информационные технологии в научных исследованиях и образовании» (г. Рязань, 2008); «Компьютерное моделирование естественно-научных и социальных проб-лем» (г. Пенза, 2008); «Информационные системы и технологии в образовании и социально-экономической сфере» (г. Королев, 2008, 2009); «Системный анализ в

проектировании и управлении» (г. Санкт-Петербург, 2008, 2009); «Новые информационные технологии в образовании» (г. Екатеринбург, 2009).

Публикации. По теме диссертационного исследования опубликовано 16 печатных работ: 4 статьи - в издании из перечня ВАК, 12 - в материалах российских и международных конференций.

Личный вклад. Автором выполнен основной объем исследований: проведен анализ, сформулированы и решены задачи создания моделей данных, моделей и алгоритмов анализа данных, решение которых обеспечивает достижение цели и составляет новизну, практическую значимость полученных результатов.

1 АНАЛИЗ МЕТОДОВ И СРЕДСТВ ПОСТРОЕНИЯ ПРОБЛЕМНО-ОРИЕНТИРОВАННЫХ ИНФОРМАЦИОННО-

АНАЛИТИЧЕСКИХ СИСТЕМ

Данная глава посвящена анализу методов и средств, применяемых при разработке проблемно-ориентированных информационно-аналитических систем. Приведен результат анализа средств формализованного описания структур и процессов обработки с помощью теоретико-множественной интерпретацией, логики предикатов, алгебры кортежей. Обосновано применение тензорного исчисления при формализованном описании моделей данных, процедур интеллектуального анализа данных. Выполнен анализ технологий разработки ПАС на основе базированных и смешенных решений.

1.1 Концептуальное представление информационно-аналитических систем

Внедрение информационно-аналитических систем (ИАС) обеспечивает автоматизацию аналитических работ для принятия управленческих решений. ИАС объединяют, анализируют и хранят как единое целое информацию, извлекаемую как из учетных баз данных организации, так и из внешних источников. В настоящее время ИАС является одним из наиболее востребованных классов программного обеспечения на рынке заказного программного обеспечения, что связано с глобальным процессом автоматизации информационной деятельности целых отраслей. При этом, в процессе создания ИАС учитываются назначение, технические требования и проблемы, вытекающие из специфики функционального назначения данных систем.

ИАС предназначены на основе данных, получаемых в режиме реального времени, помогать в принятии оперативных и стратегических решений. Комплекс ИАС затрагивает всю управленческую вертикаль, начиная от ее низших уровней (руководители первичного звена) и кончая

высшим уровнем руководства. ИАС являются надстройкой над уже функционирующими на предприятии информационными приложениями и не требуют их замены; эти системы аккумулируют данные по всем видам деятельности компании - от состояния складов до финансовой и бухгалтерской отчетности.

ИАС верхнего уровня используются при принятии стратегических решений. ИАС позволяют руководителю предприятия или организации решать следующие управленческие задачи:

- составление консолидированной отчетности и предоставление сводной информации о деятельности предприятия или организации (производственные, финансовые и другие показатели, динамика их изменений и тенденции);

- анализ деятельности дочерних предприятий, филиалов и подразделений компании (анализ доходности, затрат, выполнения плана);

- анализ финансовой деятельности (основные финансовые показатели, тенденции, взаиморасчеты), оптимизация финансовых потоков, реальная оценка себестоимости продукции;

- проведение комплексной оценки деятельности предприятия, основанной на постоянном контроле наиболее существенных ее аспектов (внутреннее состояние компании, инновации, отношения с внешним миром, финансы);

- анализ сбытовых процессов (составление плана, контроль исполнения распоряжений, расчеты за отгруженную продукцию, прогноз поступления средств, прогноз спроса).

ИАС подразделений ориентированы на большую детализацию и более сложную аналитическую обработку данных. Эти системы помогают подготовить информацию для принятия решений в области сбыта, продуктового предложения, финансового планирования. В области

информационных технологий можно выделить следующие классы ИАС хранения и анализа корпоративных данных [16]:

Тиражируемые ИАС, распространяемые как автономные программные продукты, предназначенные для аналитической обработки управленческой информации, подготовки аналитической отчетности, экспертизы и анализа решений. Наиболее развитые из этих систем имеют средства информационного обмена с внешними базами данных и могут использоваться в качестве аналитических модулей системы управления предприятием;

- Средства генерации отчетов (Reporting tools), предназначенные для получения данных в виде таблиц и диаграмм. Этот класс средств позволяет управленцам контролировать происходящие процессы, имея некоторое количество фиксированных взглядов на показатели этих процессов;

- Интегрированные аналитические системы, которые ориентированы на использовании обширных структур данных, содержащиеся в информационной системе управления предприятием;

- Инструментальные средства добычи данных (Data Mining), предназначенные для создания гипотез на основе существующих данных. Этот класс инструментальных средств наиболее сильно ориентирован на предметную область и структуру исходных данных;

- Системы оперативной аналитической обработки данных OLAP (Online Analytical Process), - предназначены для проверки гипотез. Эти системы позволяют найти данные, которые подтверждают или опровергают сформулированные управленческие гипотезы. Гипотезы могут формулироваться весьма определенно (падение прибыли произошло из-за повышения себестоимости), так и более нечетко (есть параметры деятельности, которые наиболее сильно отличают подразделение, принесшее наибольшую прибыль). В результате положительного ответа на такой вопрос можно также узнать, какое это подразделение, и какие параметры его

деятельности наиболее сильно отличаются. Эта информация позволяет управленцам изменять процессы предприятия для достижения определенных целей.

- Системы аналитической обработки данных (Decision Support Systems, DSS), предназначены для подготовки управленческих решений на тактическом уровне. Исходной информацией служит специально накопленные данные за длительный период, позволяющие определять тенденции процессов или событий в различных разрезах.

Хранилище данных является наиболее предпочтительным вариантом организации хранения данных ИАС, обеспечивающее проблемную ориентацию ИАС. Существует два основных подхода к архитектуре хранилища данных. Первый подход, предложенный Б. Инмон [107], получил название «сверху вниз» и считается классическим. Другой подход, предложенный Р. Кибалл, получил название «снизу вверх» [110]. Несмотря на кажущиеся глубокие различия между двумя подходами к архитектуре хранилищ данных, это различия в основном технического плана. В целом хранилища обоих типов оказываются достаточно похожими по своим функциям и задачам, которые можно решать с их помощью.

Существует две основные схемы хранилища данных: «звезда» и «снежинка». «Звезда» является наиболее простой структурой, состоящей из одной таблицы фактов и нескольких таблиц измерений. Таблица фактов содержит сведения об объектах или произошедших событиях, которые могут быть проанализированы. Таблица измерений содержит атрибуты событий, сохраненных в таблице фактов, представляющие собой текстовые или иные описания. При этом таблицы измерений имеют одновременно естественный и суррогатный первичный ключ. Схема «снежинка» также состоит из таблицы фактов и нескольких таблиц измерений. Отличием является то, что в схеме хранилища данных «снежинка» таблицы измерений нормализованы, в

то время как для схемы «звезда» характерны полностью денормализованные таблицы измерений.

Проблема выбора схемы хранилища данных рассматривается как в работах ученых, основателей концепции, так и в более поздних работах, посвященных проектированию хранилищ данных. Схема «звезда» подходит для реализации хранилищ данных, использование которых предполагает выполнение простых запросов. Схема «снежинка» более подходит для обработки запросов сложной структуры. Также необходимо принимать во внимание используемый инструментарий, который может накладывать ограничения при реализации. При этом, как правило, хранилища, использующие схему «звезда», позволяют выполнять запросы быстрее.

Несмотря на довольно большое количество уже созданных хранилищ данных и довольно большое число выполняемых приложений, на сегодняшний день имеются три существенные проблемы, связанные с хранилищами данных: выбор источников данных, производительность и масштабируемость инструментальных средств, качество исходных данных.

Использование процессов извлечения, преобразования, загрузки данных (Extraction, Transformation, Loading, ETL) в ИАС позволяет решить проблему очистки данных [11]. Процесс ETL реализуется либо путем разработки приложения ETL, либо создания комплекса встроенных программных процедур, либо использования готового ETL-инструментария. Приложения ETL извлекают информацию из исходных БД источников, преобразуют ее в формат, поддерживаемый ХД назначения, а затем загружают преобразованные данные в ХД.

Цель любого ETL-приложения состоит в том, чтобы своевременно доставить данные из внешних систем в систему, с которой работают пользователи. Как правило, ETL-приложения используются при переносе данных из внешних источников в ХД систем бизнес-аналитики. Поэтому

организация процесса ЕТЬ является составной частью проекта разработки практически любой ИАС.

Проектирование и разработка ЕТЪ-процесса является одной из самых важных задач проектировщика ИАС. Для ХД процесс ЕТЬ имеет следующие свойства. Во-первых, объем данных, который выбирается из систем источников данных и помещается в ХД, как правило, бывает достаточно большим, до десятков Гб. Во-вторых, процесс ЕТЬ является необходимой составной частью эксплуатации ИАС. Периодичность процесса ЕТЬ определяется не только потребностью пользователя в своевременных данных, но и размером загружаемой порции данных. По оценкам специалистов, ЕТЬ-процесс может занимать до 80% времени. В-третьих, на разных стадиях процесса ЕТЬ формируются метаданные ХД и обеспечивается качество данных. В-четвертых, во время процесса ЕТЬ может произойти потеря данных, поэтому необходимо обеспечивать контроль за поступлением данных в ХД. В-пятых, процесс ЕТЬ обладает свойством восстанавливаемости после сбоев без потери данных.

1.2 Модельные представления объектов предметной области с применением математической логики

Модельные представления ИАС строятся на основе таких понятий, как классы объектов и отношения между классами [37]. В настоящее время логика классов рассматривается с различных позиций. С позиции «алгебры множеств» логика классов интерпретируется как совокупность закономерностей и теоретико-множественных операций: объединение, пересечение и дополнение множеств.

Предположим, что заданы следующие классы объектов: «Аспирант» -

А = = 1,2, «Специальность» - £ = = 1,2,...,«у}, «Кафедра» -Н = {/г,-,/ = 1,2,пь } , «Показатель деятельности» -Р = |/?г-,/ = 1,2,пр |,

«Запись показателя» Z = = . С позиции логики одноместных

предикатов логика классов понимается как частный случай логики предикатов или как расширение логики высказываний. Одноместные предикаты описывают свойства объектов классов. Заданным выше классам соответствуют одноместные предикаты: Рх{а), Р2($), Л СР)> (2) •

Одноместные предикаты могут быть как истины, так и ложны. Например, выражение Р} (а) становится определенным, когда а замещено определенным объектом (предметом) из А. Другими словами, Рх(а) представляет логическую функцию, определенную на множестве А, которая принимает значения И или Л. Объекты определенного класса, как правило обладают совокупностью свойств, определяемых атрибутами. В связи с этим в логике предикатов совокупность п свойств объектов одного класса Рх х(а),Р12(а),...,Р1п{а) можно заменять одним свойством «обладать всеми

свойствами Рх ■ (а),] = 1,2,...,п».

Таким образом, имеет место изоморфизм теоретико-множественной и предикатной интерпретаций. Изоморфизм обеспечивается взаимным и однозначным сопоставлением объектов алгебры множеств высказываниям о принадлежности объектов данному множеству, объединению множеств пересечению и дополнению. Например, для класса А имеет место эквивалентность

\/а{Рх{а) а ^ А).

Рассмотренные выше классы объектов приведены на рисунке 1.1. Между классами объектов предметной области заданы отношения В логике отношений рассматривается пара объект — отношение. При этом объекты описываются малыми латинскими символами а,Ъ,..., а отношение большой латинской буквой Я. В общем виде отношение между объектами а, Ь записывается в виде аЯЪ, где а,Ь,Я переменные, а не

константы. Такую структуру имеют суждения: «Аспирант а обучается на Кафедре И», «Аспирант а обучается по научной специальности 5», «Запись г о событии в деятельности аспиранта а», «Запись 2 о достижении по показателю эффективности р».

Рисунок 1.1 — Структура классов и отношений

Как и в логике классов существуют различные интерпретации логики отношений. Первая интерпретация связана с алгеброй множеств. В соответствии с этой интерпретацией отношения можно представить как подмножество N декартового произведения множеств М1,М2: N С1М1 х М2 • Эти отношения можно представить как множества пар объектов путем перечисления пар констант. Например, для отношений и

Я2 имеем: ^ = 1),...,(<яг-, ,

= 5 !),...,),....|. При этом общее количество пар в

отношениях Я{, Я2 определяется мощностью множества А и имеет место |#|<|у4|, |5,|<|Л|. Аналогично мощность множеств отношений гЯъа и гЩр определяется мощностью множества Z и имеет место<

И-И-

Для анализа свойств отношений определяются понятия области определения отношения и области его значения. Множество первых элементов упорядоченных пар отношения Я составляет область определения (область отправления). Множество вторых элементов отношения составляет

Список литературы диссертационного исследования кандидат наук Попова, Наталия Александровна, 2013 год

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1. Азовцева, И.К. Адаптивный механизм как основополагающий элемент концепции управления экономико-социальными системами / И.К. Азовцева // Таганрогский государственный радиотехнический ун-т, Таганрог, 2001. - 13с.

2. Арменский, А.Е. Решение задач большой размерности по частям с использованием тензорного анализа / А.Е. Арменский, Н.Г. Милославская // Автоматизация проектирования сложных систем. - М.: ЛИТМО, 1986.

3. Арменский, А.Е. Тензорные методы построения информационных систем. М.: Наука, 1989 - 152 с.

4. Архипенков, С. Хранилища данных. От концепции до внедрения / С. Архипенков, Д. Голубев, О. Максименко - М.: Диалог-МИФИ, 2002. - 528 с. -ISBN 5-86404-167-Х.

5. Бакулева М.А. Математическая модель построения многомерной БД // Информационные технологии и телекоммуникации в образовании и науке. Межвуз. сб. научн. трудов. Рязань: РГРТА, 2005. -С.23-26.

6. Бакулева, М.А. Модели и алгоритмы автоматизации проектирования структур хранилищ данных для аналитической обработки числовых показателей: автореф. дис. ...канд.тех.наук: 05.13.12 / Бакулева Марина Алексеевна. - Рязань., 2007. - 16 с.

7. Бакулева, М.А. Тензорная модель работы реляционной СУБД / М.А. Бакулева // Информационные технологии в проектировании. Межвузовский сборник научных трудов. Рязань: РГРТА, 2004. - С. 39-43.

8. Балдин, A.B. Адаптируемая модель данных на основе многомерного пространства [Электронный ресурс] / A.B. Балдин, Д.В. Елисеев // Наука и образование: электронное научно-техническое издание. - 2010. - Режим доступа: http://technomag.edu.ru/doc/161410.html.

9. Балабанов, С.С. Дисциплинарные факторы дифференциации в аспирантской среде / С.С.Балабанов, Б.И. Бедный // Университетское управление: практика и анализ. 2006. - №1. - С. 42-49.

10. Барсегян, A.A. Анализ данных и процессов: учеб.пособие / A.A. Барсегян, М.С. Куприянов, И.И. Холод, С.И. Елизаров. - СПб.: БХВ-Петербург, 2009. - 512 с.

11. Башкарев, А .Я. Автоматизационная информационная система "Аспирантура и научно-педагогические кадры СПбГПУ" / А.Я. Башкарев [и др.] // тр. IX Всероссийская науч.-метод. конф. "Телематика «2002» - СПб, 2002. - С. 1315.

12. Бедный, Б.И. Продуктивность исследовательской работы аспирантов (наукометрические оценки) / Б.И. Бедный, A.A. Миронос, Т.А. Серова // Высшее образование в России. - 2006. - № 7. - С. 20-36.

13. Бедный, Б.И. Экспертные оценки системы подготовки научных кадров в аспирантуре / Б.И. Бедный, A.A. Миронос, С.С. Балабанов // Вестник Нижегородского университета. 2007. - №2. - С. 28-35.

14. Белов, В. Н. Исследование соответствия схемы базы данных целям OLAP средствами алгебры кортежей / В. H. Белов, П. П. Макарычев // Известия высших учебных заведений. Поволжский регион. - 2011. - № 4. - С. 25-36.

15. Белов, B.C. Информационно-аналитические системы. Основы проектирования и применения: учебное пособие, руководство, практикум / Московский государственный университет экономики, статистики и информатики. - М., 2004. - 116 с.

16. Белов, B.H. Оптимизация хранилища данных с представлением структуры в виде матроида / B.H. Белов, П.П. Макарычев // В мире научных открытий.-2011.-№ 12.-С. 160-171.

17. Бенчмаркинг - инструмент развития конкурентных преимуществ / Н. А. Воеводина [и др.]. - M.: JIA "Научная Книга", 2009. - 117 с.

18. Буч, Г. Язык UML. Руководство пользователя / Г. Буч, Д. Рамбо, А. Джекобсон - Пер. с англ. - ДМК, 2000. - 432 с. - ISBN 5-94074-334-Х.

19. Виноградова Е.Б. Система оценки организационного подхода подготовки аспиранта за счет бюджетных средств / Е.Б. Виноградова, Е.Б. Мудрова // Проблемы современной экономики. Евразийский международный научно-аналитический журнал. - 2008. - №3(27). - С. 487 - 491

20. Висков, А. В. Средства описания многомерных моделей данных / А. В. Висков, М. Б. Фомин // Вестник РУДН. Серия прикладная и компьютерная математика. - М.: Изд-во РУДН, 2003. - Т. 2, № 1. - С. 128-139.

21. Гаврилова, Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский - СПб: Питер, 2000. - 384с. - ISBN 5-272-00071-4.

22. Гарсиа-Молина, Г. Системы баз данных / Г. Гарсиа-Молина, Д. Ульман, Д. Уидом. - Полный курс.: Пер. с англ. - М.: Издательский дом "Вильяме", 2003. -1088 с.

23. Дюк, В. Data Mining-интеллектуальный анализ данных [Электронный ресурс] / В. Дюк // Технологии корпоративного управления. - Режим доступа: http://www.iteam.ru/publications/it/section_55/article_1448/

24. Елисеев, Д.В. Алгебра многомерных матриц для обработки адаптируемой модели данных [Электронный ресурс] / Д.В. Елисеев, A.B. Балдин - Наука и образование: электронное научно-техническое издание. - 2011. - Режим доступа: http://technomag.edu.ru/doc/199561 .html.

25. Елисеев, Д.В. Модель представления знаний при создании адаптивной информационной системы [Электронный ресурс] / Д.В. Елисеев // Наука и образование: электронное научно-техническое издание. - 2010. - Режим доступа: http://technomag.edu.ru/doc/139659.html.

26. Елманова, Е. Введение в Data Mining [Электронный ресурс] / Е. Елманова // Технологии корпоративного управления. - Режим доступа: http://www.iteam.ru/publications/it/section_92/article_1649/

27. Емельченков, Е. П. Алгебраический подход к оптимизации разработки и эксплуатации систем управления базами данных / Е. П. Емельченков, Н. А. Левин, В. И. Мунерман // Системы и средства информатики. - 2009. - С. 114-137

28. Жидков, A.B. Элементы тензорного исчисления в евклидовом пространстве: тензорная алгебра / A.B. Жидков, В.В. Шабаров - Нижний Новгород: Нижегородский госуниверситет, 2012. - 80 с.

29. Зотов, И.В. Применение системно-динамических моделей в процес-се создания информационно-аналитических систем вуза [Электронный ресурс] / И.В. Зотов, Г.С. Титова // Фундаментальные исследования. - 2012. - № 3 . - с. 8790. — Режим доступа www.rae.ru.

30. Калинина, О.В. Проблемы аспирантуры как организации // Организация в фокусе социологических исследований: В 2-х Т. / Под общей редакцией проф. З.Х. Саранцева. - Н. Новгород: Изд-во НИСОЦ, 2005. - С. 79-85.

31.Капаров, Б.М. Проблемы трансформации ВУЗА в высшее учебное заведение инновационного типа / Б.М. Капаров // Экономическое возрождение России.-2006.-№4(10).-С. 26-35

32. Карпов, Л. Е. Методы добычи данных при построении локальной метрики в системах вывода по прецедентам / Л.Е.Карпов, В.Н. Юдин - М., ИСП РАН, препринт №18,2006. - 42 с.

33. Кацко, И.А. Практикум по анализу данных на компьютере: Учеб. пособие для вузов / И.А. Кацко, Н.Б. Паклин - М.: Издательство "КолосС", 2009. -278 с. ISBN 978-5-9532-0624-2

34. Кочин, Д. Вербальный метод определения эффективности в строительстве / Д. Кочин, О.И. Ларичев, Л. Усанов // Computer Modell, and New Techol. 2003. - Vol. 7, №2. - P. 37-47.

35. Крон, Г. Тензорный анализ сетей: Пер. с англ. /Под ред. Л.Т. Кузина, П.Г. Кузнецова. М.: Сов. Радио, 1978. - 720 с.

36. Кузина, И.В. О тензорных методах построения языка базы данных / И.В. Кузин, А.Е. Петров - В кн.: Банки данных для принятия решений. - М.: ВДНТП им.Ф.Э.Дзержинского, 1976, с. 50-67.

37. Кузнецов, Д.Ю. Кластерный анализ и его применение / Д.Ю. Кузнецов, Т.Л. Трошина // Ярославский педагогический вестник - 2006. - №4. - С. 103-107.

38. Кузнецов, С. Д. Обзор возможностей применения ведущих СУБД для построения хранилищ данных (DataWarehouse). [Электронный ресурс] / С.Д. Кузнецов, В.И. Артемьев - Режим доступа: http://www. citforum.ru.

39. Кузьменко, В.В. Теоретические аспекты функционирования адаптивной системы управления предприятием /В.В. Кузьменко, Д.В. Гришин // Вестник СевКавГТУ. Серия «Экономика» -2003. -№2(10). -С. 45-51 - ISBN 5-9296-0140-2.

40. Кулик, Б.А. Система логического программирования на основе алгебры кортежей // Известия РАН. Техническая кибернетика. - 1993. -№ 3. - С. 226-239.

41.Кучкаров, З.А. Методы концептуального анализа и синтеза в теоретическом исследовании и проектировании социально-экономических систем - М.: Концепт, 2008. - 264 с.

42. Ларичев, О.И. Вербальный анализ решений / О.И.Ларичев. - М.: Наука, 2006.-181 с.

43. Ларичев, О.И. Качественные методы принятия решений. Вербальный анализ данных / О.И.Ларичев, Е.М.Мошкович // М.: Наука. Физматлит, 1996. — 208 с.

44. Ларычев, О.И. Метод ЦИКЛ порядковой классификации многокритериальных альтернатив / О.И. Ларычев, A.A. Асанов // Докл. РАН. -2000. - Т. 375, №5. - С. 592-596.

45. Макарычев, П.П. Анализ информации в системе управления качеством образования: монография / П.П. Макарычев, E.H. Прошкина. - Пенза, Изд-во ПГУ, 2010.-140 с.

46. Макарычев, П.П. Выбор модели обработки данных для оценки деятельности сотрудников организации / В.Н. Белов, П.П. Макарычев // В мире научных открытий, № 1(25), 2012. - С. 50-61.

47. Макарычев, П.П. Оперативный и интеллектуальный анализ данных: учеб. Пособие / Макарычев П.П., В.Б. Механов, А.Ю. Афонин. - Пенза: Изд-во ПГУ, 2010.-156 с.

48. Макарычев, П.П. Оптимизация процессов эволюционно-генетических вычислений: монография / П.П. Макарычев, Н.В. Слепцов // Изд-во LAP LAMBERT Academic Publishing Gmbh & Co. KG. - 2012. - 338 с.

49. Макарычев, П.П. Математические модели онтологии базы знаний информационной обучающей системы / И.Ю. Денисова, П.П. Макарычев // Онтология проектирования. № 3(5), 2012. - С. 62- 78

50. Макарычев, П.П. Проектирование информационных систем: Уч. пособие. - Пенза, Изд-во ПензГУ, 2005. - 200 с.

51. Маклаков, C.B. Создание информационных систем с AllFusion Modeling Suite. - M.: ДИАЛОГ-МИФИ, 2003. - 432 с.

52. Макленнен, Дж. Microsoft SQ1 Server 2008: Data Mining -интеллектуальный анализ данных: Пер. с англ. / Дж. Макленнен, Чж. Танг, Б. Криват. - БХВ-Петербург, 2009. - 720 с. - ISBN 978-5-9775-0011-1.

53. Манд ель, И. Д. Кластерный анализ. — М.: Финансы и статистика, 1988. — 176 с.

54. Масленников, A.A. Модельно - ориентированная разработка автоматизированных информационных систем. // Проблемы информатики в образовании, управлении, экономике и технике: Сб. статей Междунар. научно-техн. конф.-Пенза: ПДЗ, 2010. - С. 38-41.

55. Методы и модели анализа данных: OLAP и Data Mining / A.A. Барсегян [и др.]. - Спб.: БХВ-Петербург, 2004. - 336с. - ISBN 5-94157-522-Х.

56. Многомерная типология аспирантов / С.С. Балабанов С.С. [и др.] // Социологический журнал. 2003. - №3. - С. 71-85.

57. Олдендерфер, М.С. Кластерный анализ. Факторный, дискриминантный и кластерный анализ: пер. с англ. / М.С. Олдендерфер, Р.К. Блэшфилд — М.: Финансы и статистика, 1989—215 с.

58. Орлов, С.А. Технология разработки программного обеспечения / С.А. Орлов. - СПб.: Питер, 2004. - 527 с.

59. Паклин, Н.Б. Бизнес-аналитика: от данных к знаниям: учеб. пособие. / Н.Б. Паклин, В.И. Орешков — 2-е изд., перераб. и доп.— СПб.: Питер, 2010. — 704 с.

60. Палагин, А. В. Системно-онтологический анализ предметной области / А. В. Палагин, Н. Г. Петренко // Управляющие системы и машины: информационные технологии : международный научный журнал. - 2009. - N 4. -С. 3-14

61. Пенский, О.Г. Гипотезы и алгоритмы математической теории исчисления эмоций: монография / О.Г. Пенский, П.О. Зонова, А.Н. Муравьев и др.; под общ. ред. О.Г. Пенского; Перм. гос. ун-т. - Пермь, 2009. - 152 с. ISBN 978-5-7944-1291-8

62. Петров, А.Е. Тензорная методология в теории систем. М.: Радио и связь, 1985.- 152 с.

63. Петров, А.Е. Тензорный метод двойственных сетей. - М.: ООО «Центр информационных технологий в природопользовании» 2007. - 496 с.

64. Попов, A.C. ИАС-Конструктор: Технологическая платформа для разработки распределенных информационно-аналитических систем / A.C. Попов // Геоинформатика. - 2006. - №2. - С. 44-53.

65. Попова, H.A. Стратегическое управление подготовкой специалистов высшей квалификации в вузе / H.A. Попова // «Университетское образование»

Пенза - 2008 : сб. статей XII Междунар. науч.-метод. конф. - Пенза, 2008. - С. 487-489.

66. Попова, H.A. Система управления подготовкой специалистов высшей квалификации в вузе / H.A. Попова // Новые информационные технологии в научных исследованиях и образовании: материалы XIII Всероссийской науч.-техн. конф. студентов, молодых ученых и специалистов 4.1. - Рязань: Рязан. гос. радиотехн. ун-т, 2008. - С. 90-91

67. Попова, H.A. От онтологии до базы знаний системы управления подготовкой специалистов высшей квалификации / H.A. Попова // Компьютерное моделирование естественно-научных и социальных проблем : сб. статей II Междунар. науч.-техн. конф. молодых специалистов, аспирантов и студентов. -Пенза, 2008.-С. 192-194.

68. Попова, H.A. От онтологии до базы знаний системы управления знаниями / H.A. Попова // Информационные системы и технологии в образовании и социально-экономической сфере: сб. тр. II Всероссийской науч.-практ. конф. -Королев, 2008. - С. 98-102.

69. Попова, H.A. Управление знаниями в современном вузе: от онтологии до базы знаний / H.A. Попова// Альманах современной науки и образования. -2008.-№7(14).-С. 138-139

70. Попова, H.A., Управление подготовкой специалистов высшей квалификации в вузе / H.A. Попова, П.П. Макарычев // Системный анализ в проектировании и управлении: тр. XII Междунар. науч.-практ. конф. Ч.З. - СПб.: Изд-во Политехн.ун-та, 2008. - С. 91-94

71. Попова, H.A. Система мониторинга и управления аспирантами в вузе/ H.A. Попова // Новые информационные технологии в образовании: материалы Междунар. науч.-практ. конф. 4.2. - Екатеринбург, 2009. - С. 191-193

72. Попова, H.A. Архитектура системы управления аспирантами в вузе /H.A. Попова // Информационные системы и технологии в образовании и

социально-экономической сфере: сб. тр. III Всероссийской науч.-практ. конф. -Королев МО; Ярославль: изд-во "Канцлер", 2009. - С. 73-75.

73. Попова, H.A., Макарычев П.П. Автоматизированная система контроля и управления деятельностью аспирантов/Н.А. Попова// Системный анализ в проектировании и управлении: тр. XIII Междунар. науч.-практ. конф. 4.2. - СПб.: Изд-во Политехн.ун-та, 2009. - С. 369-372.

74. Попова, H.A. Модель управления аспирантами по состояниям / H.A. Попова // Университетское образование: сборник статей XV Международной научно-методической конференции / под ред В. И. Волчихина, Р. М. Печерской. -Пенза : Изд-во ПГУ, 2011. - С.287-289.

75. Попова, H.A. Построение моделей классов и объектов с применением тензорной методологии/ П.П. Макарычев, H.A. Попова// Университетское образование: сборник статей XVII Международной научно-методической конференции / под ред В. И. Волчихина, Р. М. Печерской. - Пенза : Изд-во ПГУ, 2013.-С. 457-458.

76. Прошкина, E.H. Мониторинг качества образования // Вычисли-тельные системы и технологии обработки информации: Межвуз. сб. науч. тр. - Пенза: Информационно-издательский центр ПГУ, 2006. - Вып. 5 (30). - С.100-104.

77. Пятецкий-Шапиро, Г. Data Mining и перегрузка информацией // Вступительная статья к книге: Анализ данных и процессов / А. А. Барсегян, М. С. Куприянов, И. И. Холод, М. Д. Тесс, С. И. Елизаров. 3-е изд. перераб. и доп. СПб.: БХВ-Петербург, 2009. 512 с. С.13.

78. Рамбо, Дж. Объектно-ориентированное моделирование и разработка / Дж. Рамбо, М. Блаха. - СПб.: Питер, 2007. - 554 с.

79. Рамбо, Дж. UML 2.0 Объектно-ориентированное моделирование и разработка / Дж. Рамбо, М. Блаха. 2-е изд. - СПб.: Питер, 2007. - 544 с.

80. Репин, B.B. Процессный подход к управлению. Моделирование бизнес-процессов / В.В. Репин, В.Г. Елиферов - М.: . РИА "Стандарты и качество", 2004. - 408с. - ISBN:5-94938-018-5.

81. Репин, В.В. Сравнительный анализ нотаций ARIS еЕРС / IDEFO, IDEF3 и продуктов, их поддерживающих (ARIS Toolset / BPwin). [Электронный ресурс] / Репин, В.В. - Режим доступа: http://www.finexpert.ru.

82. Рузанова, Н.С. Информационно-аналитическое обеспечение процесса подготовки научных кадров высшей квалификации в вузе / Рузанова Н.С. [и др.]. // Труды XIV Всероссийской научно-методической конференции Телематика'2007. - С-Пб. - 2007. Т. 2. С. 389-390.

83. Рутковский, JI. Методы и технологии искусственного интеллекта / Пер. с польск. И.Д. Рудинского. - М.: Горячая линия-Телеком, 2010. - 520 с.

84. Рябышева, И.В.Сравнительный анализ подходов к проектированию ИС. [Электронный ресурс] / Рябышева, И.В. - Режим доступа: http://www.ict.nsc.ru.

85. Сергеев, В.П. Реализация матричной модели данных в иерархических структурах [Электронный ресурс] / В.П. Сергеев // Математическая морфология. -2007. - Режим доступа: http://www.smolensk.m/user/sgma/MMORPH/N-14-html/sergeev/ sergeev.htm.

86. Сергеев, В.П. Векторно-матричная модель представления данных и ее реализация в иерархических структурах: дис. ... канд. тех. наук : 05.13.11 / Сергеев Виктор Петрович. - М., 2011. - 126 с.

87. Сергеев, В.П. Векторно-матричная модель представления данных. // Вестник компьютерных и информационных технологий. - Москва: Изд-во Машиностроение. - 2010 г. № 6. Стр. 3-8

88. Тархов, Д.А.Нейронные сети. Модели и алгоритмы / Д. А. Тархов - М.: Радиотехника, 2005. -256с. - ISBN 5-88070-067-4.

89. Технологии программирования и анализа данных / Арлазаров В.Л. [и др.]. - М.: ЛЕНАНД, 2009. - 458 с. - ISBN 978-5-9710-0345-8

90. Толчеев, В.О. Анализ точностных характеристик модифицированного метода ближайшего соседа / В.О. Толчеев // Информационные технологии - 2006. -№4 -С. 52-58.

91. Тулупьев, A.JI. Байесовские сети. Логико-вероятностный подход / А. Л. Тулупьев, С.И. Николенко., A.B. Сироткин - СПб.: Наука, 2006. - 607с. - ISBN 502-025107-0.

92. Туманов, В.Е. Проектирование реляционных хранилищ данных / В.Е. Туманов, С.В. Маклаков - М.: Диалог-МИФИ, 2007. - 333 с. - ISBN 5-86404-2102.

93. Федосеева, H.A. Онтологическое исследование системы стратегического управления вузом / H.A. Федосеева // «Университетское образование» Пенза -2007 : сб. статей XI Междунар. Науч.-метод. конф. - Пенза, 2007. - С. 278-280.

94. Хоббс, Л. Oracle9iR2. Разработка и эксплуатация хранилищ баз данных / Л. Хоббс, С. Хилсон, Ш. Лоуенд - М: КУДИЦ-ОБРАЗ, 2004. - 592 с.

95. Хомоненко, А.Д. Базы данных: учебник для вузов / А.Д. Хомоненко,

B.М. Цыганков, М.Г. Мальцев; под ред. А.Д. Хомоненко. - Спб.: КОРОНА принт, 2004. - 736с. - ISBN 5-7931-0284-1.

96. Хомяченкова, H.A. Методика многокритериальной классификации промышленных предприятий по группам устойчивого развития [Электронный ресурс] // Экономические исследования.- 2010. - №1 (10). - Режим доступа: http://www.erce.ru/internet-magazine/magazine/10/208/

97. Чижухин, Г.Н. Тензорная методология в дискретной системотехнике / Г. Н. Чижухин, Ю. Г. Бочкарева. - Пенза: Изд-во Пенз. гос. ун-та, 2006. - 184 с.

98. Шульгин, А.О. Автоматизированная информационная система Ставропольского государственного университета / А.О. Шульгин, А.О. Демурчев, Р.И. Касимов //. Компьютерные учебные программы и инновации. - 2006. - №1.-

C. 74-78.

99. Benisis, A. Business Process Management: A Data Cube To Analyze Business Process Simulation Data For Decision Making / A. Benisis. - VDM Verlag Dr. Müller e.K., 2010. - 204 p. ISBN 978-3-639-22216-6.

100. Codd, E.F. Providing OLAP for end-user analysis: An IT mandate. Computer World, 1993.

101. Codd, E. F., Codd S. В., Salley С. T. Providing OLAP (On-Line Analytical Processing) to User-Analysts: An IT Mandate. - E. F. Codd & Associates, 1993. Demarest M. Building the Data Mart // DBMS. - 1994. - № 7. - P. 44-50.

102. Data Mining - BaseGroup [Электронный ресурс]. - Режим доступа: http://www.basegroup.ru/library/methodology/data_mining/

103. Greco, S. Rough sets methodology for sorting problems in presence of multiple attributes and criteria / S.Greco, B. Matarazzo, R. Slowinski// European Journal of Operational Research. - 2002. - Vol. 138, no. 2. - P. 247-259.

104. Han J., Kamber M., Pei J. Data mining : concepts and techniques. - 3rd ed.

- Morgan Kaufmann / Elsevier, 2012. - 744 p

105. Hartigan, J. A. Algorithm 136. A k-means clustering algorithm / J. A. Hartigan, M.A. Wong - Applied Statistics, 1978. - 100 p.

106. Inmon, W. H. Building the Data Warehouse. Fourth Edition / William H. Inmon. -Wiley, 2005. - 576 p. - ISBN 978-0-76459-944-6.

107. Jain, A. K. Algorithms for clustering data / A. K. Jain, R. C. Dubes. -Prentice Hall, 1988. - 320 p. - ISBN 0-13-022278-X.

108. Kantardzic, M. Data Mining: Concepts, Models, Methods, and Algorithms / M. Kantardzic. - Wiley-IEEE Press, 2003. - 552 p. ISBN 0-471-22852-4.

109. Kimball R. The Date Warehouse Toolkit. New York, N.Y.: John Wiley & Sons, 1996. 421 pp.

110. Krön G. Tensor Analysis of Networks / G. Kron. - New York: Wiley, 1939.

- 635 p.

111. Köksalan, M. An interactive approach for placing alternatives in preference classes / M. Köksalan, С. Ulu // European Journal of Operational Research. - 2003. -Vol. 144, no. 2. - P. 429-439.

112. Lass, H. Vector and tensor analysis / H. Lass. - New York: Graw-Hill, 1950. -347 p.

113. MacLennan, J. Data Mining with Microsoft SQL Server 2008 / J. MacLennan, ZhaoHui Tang, B. Crivat - Wiley, 2008. - 672 p. - ISBN 9780470277744.

114. Microsoft SQL Server 2005 Analysis Services. OLAP и многомерный анализ данных / А. Б. Бергер [и др.]. - СПб. : БХВ- Петербург, 2007. - 928 с. -ISBN 978-5-94157-158-1.

115. Murthy, S. Automatic construction of decision trees from data / S.Murthy -A Multi-disciplinary survey, 1997. - 126 p.

116. QlikView и «большие данные». Открыть для бизнес-пользователей мощные возможности анализа «больших данных» [Электронный ресурс]. - Режим доступа: http://www.qlikview.com

117. Roy, В. Aide Multicritere a la decision: Methodes et cas / В. Roy, D. Bouyssou - Paris: Economica, 1993. - 695 p.

118. Roy, B. Multicriteria methodology for decision aiding / B.Roy. - Dordrecht: Kluwer, 1996. - 320 p.

119. Saaty, T.L. The analytic hierarchy process: Planning setting priorities, resource allocation / T.L. Saaty. - New York: McGraw-Hill, 1980. - 287 p.

120. Simon H.A. The New Science of Management Decision. N.Y. Harper and Row Publishers, 1960.