sibsutisВестник СибГУТИThe Herald of the Siberian State University of Telecommunications and Information Science1998-6920СибГУТИsibsutis-386Research ArticleСтатьиИнструментальное средство Visual Discovery решения задач интеллектуального анализа данных«Visual Discovery» instrument for intelligent data analysis problem solvingПодберезныйА. А.PodbereznyyA. A.andreal@inbox.ruВитяевЕ. Е.VityaevE. E.vityaev@math.nsc.ruМосквитинА. А.MoskvinA. A.moskvit47@mail.ruСибГУТИRussian FederationИнститут математики им. С.Л.Соболева СО РАН; НГУRussian Federation20132610202201320Copyright © Подберезный А.А., Витяев Е.Е., Москвитин А.А., 20222022Подберезный А.А., Витяев Е.Е., Москвитин А.А.Podbereznyy A.A., Vityaev E.E., Moskvin A.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.sibsutis.ru/jour/article/view/386

В работе кратко изложен оригинальный реляционный подход к интеллектуальному анализу данных и представлена программная система Visual Discovery, реализующая данный подход с максимальным удобством для пользователей. Главным достоинством разработанной системы является визуальный конструктор отношений и операций над данными, интерпретируемых в онтологии предметной области, а также конструктор гипотез, проверяемых на данных.

In this paper, a short description of the original relational approach to intelligent data analysis is presented and the program system «Visual Discovery» implementing this approach with maximal ease for users is described. The main advantage of the system is visual constructor of data relations and operations being interpreted in the ontology of domain, and also hypotheses constructor being checked up on data.

интеллектуальный анализ данныхискусственный интеллектdata miningknowledge discovery in data basesintelligent data analysisartificial intelligencedata miningknowledge discovery in data basesReferencesФридланд А.Я. Информатика: процессы, системы, ресурсы. М.: БИНОМ. Лаборатория знаний, 2003.Фридланд А.Я. Информатика: процессы, системы, ресурсы. М.: БИНОМ. Лаборатория знаний, 2003.Бешенков С.А., Ракитина Е.А. Моделирование и формализация. Методическое пособие. М.: Лаборатория Базовых Знаний, 2002. 336с.Бешенков С.А., Ракитина Е.А. Моделирование и формализация. Методическое пособие. М.: Лаборатория Базовых Знаний, 2002. 336с.Витяев Е. Е. Извлечение знаний из данных. Компьютерное познание. Модели когнитивных процессов. Новосибирск, 2006. 293с.Витяев Е. Е. Извлечение знаний из данных. Компьютерное познание. Модели когнитивных процессов. Новосибирск, 2006. 293с.Витяев Е.Е. Извлечение информации из данных // Информационные технологии в гуманитарных исследованиях, Вып. 15, ИАЭТ СО РАН, Новосибирск, 2010, 9-16.Витяев Е.Е. Извлечение информации из данных // Информационные технологии в гуманитарных исследованиях, Вып. 15, ИАЭТ СО РАН, Новосибирск, 2010, 9-16.E. Vityaev, B.Y. Kovalerchuk, Relational Methodology for Data Mining and Knowledge Discovery // Intelligent Data Analysis. Special issue on «Philosophies and Methodologies for Knowledge Discovery and Intelligent Data Analysis» eds. Keith Rennolls, Evgenii Vityaev. v.12(2), IOS Press, 2008, pp. 189-210.E. Vityaev, B.Y. Kovalerchuk, Relational Methodology for Data Mining and Knowledge Discovery // Intelligent Data Analysis. Special issue on «Philosophies and Methodologies for Knowledge Discovery and Intelligent Data Analysis» eds. Keith Rennolls, Evgenii Vityaev. v.12(2), IOS Press, 2008, pp. 189-210.Kovalerchuk B., Vityaev E. Data Mining in Finance: Advances in Relational and Hybrid methods. (Kluwer international series in engineering and computer science; SECS 547), Kluwer Academic Publishers, 2000, p.308.Kovalerchuk B., Vityaev E. Data Mining in Finance: Advances in Relational and Hybrid methods. (Kluwer international series in engineering and computer science; SECS 547), Kluwer Academic Publishers, 2000, p.308.Лихорадка // Малая медицинская энциклопедия, М.Лихорадка // Малая медицинская энциклопедия, М.Krantz D.H., Luce R.D., Suppes P., Tversky A. Foundations of Measurement. Acad. Press, N.Y.; L. 1971; 1989; 1990. Vol. 1–3.Krantz D.H., Luce R.D., Suppes P., Tversky A. Foundations of Measurement. Acad. Press, N.Y.; L. 1971; 1989; 1990. Vol. 1–3.Пфанцагль И. Теория измерений. М.: Мир, 1976. 248 с.Пфанцагль И. Теория измерений. М.: Мир, 1976. 248 с.Сатаров Г. А., Каменский В. С. Общий подход к анализу экспертных оценок методами не метрического многомерного шкалирования // Статистические методы анализа экспертных оценок. М.: Наука, 1977. С. 251–266.Сатаров Г. А., Каменский В. С. Общий подход к анализу экспертных оценок методами не метрического многомерного шкалирования // Статистические методы анализа экспертных оценок. М.: Наука, 1977. С. 251–266.Миркин Б.Г. Анализ качественных признаков и структур. М.: Статистика, 1980. 316 с.Миркин Б.Г. Анализ качественных признаков и структур. М.: Статистика, 1980. 316 с.Шмерлинг Д. С. О построении моделей парных и множественных сравнений со связями // Прикладной многомерный статистический анализ. М., 1978. С. 164–189.Шмерлинг Д. С. О построении моделей парных и множественных сравнений со связями // Прикладной многомерный статистический анализ. М., 1978. С. 164–189.Шрейдер С. А. Систематика, типологии, классификация // Теория и методология биологических классификаций, М.: Наука, 1983.Шрейдер С. А. Систематика, типологии, классификация // Теория и методология биологических классификаций, М.: Наука, 1983.Фишберн П.С. Теория полезности для принятия решений. М.: Наука, 1978. 352 c.Фишберн П.С. Теория полезности для принятия решений. М.: Наука, 1978. 352 c.Девид Г. Метод парных сравнений. М.: Статистика, 1978. 150 с.Девид Г. Метод парных сравнений. М.: Статистика, 1978. 150 с.Терехина А. Ю. Методы многомерного шкалирования и визуализации данных // Автоматика и телемеханика. 1973. № 7. С. 80–94.Терехина А. Ю. Методы многомерного шкалирования и визуализации данных // Автоматика и телемеханика. 1973. № 7. С. 80–94.Демин А.В., Витяев Е.Е. Реализация универсальной системы извлечения знаний «Discovery» и её применение в задачах финансового прогнозирования. Информационные технологии работы со знаниями: обнаружение, поиск, управление (Вычислительные системы, вып. 175), Новосибирск, 2008, стр. 3-47.Демин А.В., Витяев Е.Е. Реализация универсальной системы извлечения знаний «Discovery» и её применение в задачах финансового прогнозирования. Информационные технологии работы со знаниями: обнаружение, поиск, управление (Вычислительные системы, вып. 175), Новосибирск, 2008, стр. 3-47.Витяев Е.Е., Ковалерчук Б.Я., Методика извлечения знаний из эксперта // Информационные технологии в гуманитарных исследованиях, Вып. 13, ИАЭТ СО РАН, Новосибирск, 2009, стр. 75-81Витяев Е.Е., Ковалерчук Б.Я., Методика извлечения знаний из эксперта // Информационные технологии в гуманитарных исследованиях, Вып. 13, ИАЭТ СО РАН, Новосибирск, 2009, стр. 75-81Kovalerchuk, B., Vityaev E., Ruiz J.F., Consistent and Complete Data and «Expert» Mining in Medicine. In: Medical Data Mining and Knowledge Discovery, Springer, 2001, pp. 238-280.Kovalerchuk, B., Vityaev E., Ruiz J.F., Consistent and Complete Data and «Expert» Mining in Medicine. In: Medical Data Mining and Knowledge Discovery, Springer, 2001, pp. 238-280.B. Kovalerchuk, E. Vityaev, J. Ruiz. Consistent knowledge discovery in medical diagnosis. Special issue of the journal: IEEE Engineering in Medicine and Biology Magazine: «Medical Data Mining», 2000, pp.26-37.B. Kovalerchuk, E. Vityaev, J. Ruiz. Consistent knowledge discovery in medical diagnosis. Special issue of the journal: IEEE Engineering in Medicine and Biology Magazine: «Medical Data Mining», 2000, pp.26-37.Хомичева И. В., Витяев Е.Е., Игнатьева Е.В., Ананько А.Е., Шипилов Т.И. Применение программной системы ExpertDiscovery для поиска закономерностей структурно-функциональной организации регуляторных районов генов. Вестник НГУ, серия: Информационные технологии, Т. 8, вып. 1, Новосибирск, 2010, стр. 12-26, 2010.Хомичева И. В., Витяев Е.Е., Игнатьева Е.В., Ананько А.Е., Шипилов Т.И. Применение программной системы ExpertDiscovery для поиска закономерностей структурно-функциональной организации регуляторных районов генов. Вестник НГУ, серия: Информационные технологии, Т. 8, вып. 1, Новосибирск, 2010, стр. 12-26, 2010.Vityaev Е.E., Lapardin K.A., Khomicheva I.V., Proskura A.,L. Transcription factor binding site recognition by regularity matrices based on the natural classification method. Intelligent Data Analysis, Special issue on «Machine learning and bioinformatics» eds. Nikolai Kolchanov, Evgenii Vityaev. v.12(5), IOS Press, 2008, pp. 495-512.Vityaev Е.E., Lapardin K.A., Khomicheva I.V., Proskura A.,L. Transcription factor binding site recognition by regularity matrices based on the natural classification method. Intelligent Data Analysis, Special issue on «Machine learning and bioinformatics» eds. Nikolai Kolchanov, Evgenii Vityaev. v.12(5), IOS Press, 2008, pp. 495-512.E.E. Vityaev, T.I. Shipilov, M.A. Pozdnyakov, O.V. Vishnevsky, A.L., Proscura, Yu.L. Orlov, P. Arrigo Software for analysis of gene regulatory sequences by knowledge discovery methods. In: Bioinformatics of Genome Regulation and Structure II. (Eds. N.Kolchanov and R. Hofestaedt) Springer Science+Business Media, Inc. 2006, pp. 491-498.E.E. Vityaev, T.I. Shipilov, M.A. Pozdnyakov, O.V. Vishnevsky, A.L., Proscura, Yu.L. Orlov, P. Arrigo Software for analysis of gene regulatory sequences by knowledge discovery methods. In: Bioinformatics of Genome Regulation and Structure II. (Eds. N.Kolchanov and R. Hofestaedt) Springer Science+Business Media, Inc. 2006, pp. 491-498.

The authors declare that there are no conflicts of interest present.