VI Международная студенческая научная конференция Студенческий научный форум - 2014

Для того чтобы помочь пользователям разобраться с программами, установленными на их компьютере, оптимизировать работу на компьютере, освободить память занимаемую приложениями, проверить загружает ли программа что-то из интернета и т.д. , существуют приложения, которые в основном интегрированы в антивирусы, но нет программ в свободном доступе, которая показывает важные для пользователя данные о программах.

Главная задача исследования — помочь пользователю выяснить, какие программы ему нужны обязательно, а без каких он может спокойно обойтись.

Чтобы реализовать программу, осуществляющую автоматизированную классификацию запущенных на компьютере приложений, необходимо произвести многокритериальную классификацию приложений, и отнести запущенное приложение к какому либо разработанному кластеру.

Осуществление классификации приложений удобно производить с помощью Data Mining. Data Mining - не один метод, а некая совокупность различных методов обнаружения знаний. Сам выбор метода во многом будет зависеть от типа имеющихся данных и от того какую информацию необходимо получить в результате.

Выделяют пять стандартных типов закономерностей, позволяющие выявлять методы Data Mining:

Для будущего исследования наиболее оптимальным типом закономерности б является кластеризация, так как в результате её решения происходит разбиение объектов на группы.

Применение кластерного анализа можно свести к следующим этапам:

• Выбор объектов для кластеризации.

• Определить множество переменных, по которым будут оцениваться объекты в выборке, если есть необходимость –нужно нормализовать значения переменных.

• Вычислить значения меры сходства между всему объектами.

• Применить метод кластерного анализа и создать группы схожих объектов (кластеров).

• Представить результаты анализа.

Наиболее подходящим алгоритмом кластерного анализа для данной работы является иерархический алгоритм, так как он характеризуется последовательным объединением исходных элементов и соответственно, уменьшением числа кластеров.

В ходе исследования необходимо изучить методы многокритериальной классификации, точнее Data mining, и создать эффективную систему с помощью инструментария WMI.

Для выполнения поставленной цели необходимо решение следующих исследовательских задач:

1. разработка математической модели идентификации типологии приложения на основе его поведения;

2. разработка программной системы автоматизированной классификации запускаемых на компьютере приложений;

3. оценка эффективности идентификации типологии приложений разработанной системы.

Список литературы:

1. Васильев В.А., Калмыкова М.А. О классификации компьютерных программ // Современные научные исследования и инновации. – Февраль 2013. - № 2

2. Шитов В.Н. новейший справочник полезных компьютерных программ. Монология.//Дом Славянский кв. 2009г.

3. Гливенко Е.В. Крупский А.А. Компьютерная программа поддержки процессов распознавания и классификации. Журнал: вопросы радиоэлектроники. //Издательсво: Центральный научно-исследовательский институт «Электроники». 2012г. 8-12с.

4. Нгуен Д. Т. Технология Автоматизированного анализа данных data mining. Журнал: международное научное издание современной фундаментальные и прикладные исследования// Издание: Учебный центр «Магистр». 2011г. 11-14с.

5. Амурский К.А. Дрождин В.В. Слесарев Ю.Н. Проблема извлечения знаний в информационных системах. Журнал: Известия Пензенского государственного педагогического университета им. В.Г. Белинского// 2010г. 96-96 с.

Код для цитирования: Скопировать