Научный журнал

Современные наукоемкие технологии

ISSN 1812-7320

"Перечень" ВАК

ИФ РИНЦ = 0,940

• Авторы
• Файлы
• Литература

Чегурихина Д.Ю. 1 Лясин Д.Н. 1

---

1 Волжский политехнический институт

Статья в формате PDF

1069 KB

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

2. Шитов В.Н. новейший справочник полезных компьютерных программ: Монология. – Дом Славянский кв., 2009.

3. Гливенко Е.В. Крупский А.А. Компьютерная программа поддержки процессов распознавания и классификации. Журнал: вопросы радиоэлектроники //Изд-во «Центральный научно-исследовательский институт электроники», 2012. – 8-12с.

4. Нгуен Д.Т. Технология Автоматизированного анализа данных data mining // Международное научное издание современной фундаментальные и прикладные исследования. –Учебный центр «Магистр», 2011. – 11-14 с.

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

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 (рисунок).

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:

1. Выбор объектов для кластеризации.

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

3. Вычислить значения меры сходства между всему объектами.

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

5. 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:

• разработка математической модели идентификации типологии приложения на основе его поведения;

• разработка программной системы автоматизированной классификации запускаемых на компьютере приложений;

• оценка эффективности идентификации типологии приложений разработанной системы.

Библиографическая ссылка