Аннотация:
Несмотря на то, что современные системы интеллектуального анализа данных обладают высокой вычислительной мощностью, количество данных для анализа постоянно увеличивается и может стать критическим фактором. Таким образом, задача снижения размерности исходных данных для анализа без снижения самого качества анализа становится актуальной. Одним из методов, который позволяет снизить размерность данных является метод главных компонент. В работе рассматривается применение данного метода при анализе данных в узлах сенсорных сетей. Преимущество метода состоит в отсутствии предварительных гипотез о состоянии исследуемого объекта. Реализация метода является линейной и циклической, что определяет его хорошую алгоритмизацию средствами вычислительной техники. В качестве исходного набора данных, используется набор данных работы беспроводной сенсорной сети, которая состоит из одной тысячи узлов. Для каждого узла представлена выборка измерений по основным параметрам качества обслуживания. Проводится предобработка исходных данных. Строится матрица ковариации, для которой находятся собственные числа и собственные вектора. Результатом работы метода являются главные компоненты, получаемые при преобразовании собственных векторов. Данные компоненты служат для анализа данных. Результатом работы является снижение размерности данных.
Ключевые слова:
многомерный анализ данных, главные компоненты, собственные числа, собственные вектора, разложение матрицы, размерность данных, интеллектуальный анализ.
Полный текст:
PDF файл (1180 kB)