CC BY
34
Актуальные проблемы авиации и космонавтики. Информационные технологии
Проведем экспериментальное сравнение двух предложенных алгоритмов голосования правил на задаче диагностика гепатита. Для этого используется выборка данных, состоящая из 32 положительных (летальный исход) и 123 отрицательных (выжившие) объектов [3]. 15 % выборки использовалось при тесте и в построении решающей модели не участвовало. Бинарных признаков 37 получилось из 19 исходных. Результаты исследования приведены в таблице.
Согласно проведенным исследованиям алгоритм взвешенного голосования правил показал более высокие результаты точности классификации по параметру чувствительность (пациенты с осложнением), а это очень важно, так как на практике к чувствительности предъявляются большие требования, чем к специфичности (пациенты без осложнений).
УДК 519.8
Д. И. Ликсонова Научный руководитель - А. В. Медведев Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Красноярск
О МЕТОДИКЕ ПОВЫШЕНИЯ КАЧЕСТВА ОБРАЗОВАТЕЛЬНОГО ПРОЦЕССА В ВУЗЕ
Данная статья посвящена разработке методики совершенствования качества образовательного процесса в вузе.
Для начала рассматривается учебный процесс в вузе (рис. 1). Абитуриенты поступают в вуз, приобретают определенные знания в процессе обучения, участвуют в общественной жизни, по окончанию последнего года обучения пишут диплом и «выходят» на его защиту. Мониторинг учебного процесса формируется из ряда показателей учебного процесса для студентов, выпускников, преподавателей и других сотрудников вуза, которые в совокупности представляют собой иерархическое дерево. Показатели учебного процесса A1,A2,...An - являются внутренними критериями вуза. Примером таких показателей являются: авторские свидетельства; научная литература; участие в конференциях; курсовые работы; оборудование и др. Помимо этого на вуз оказывают влияние критерии качества подготовки специалиста К1,К2,...Кт -
внешние критерии, которые направлены на определение целей. Примером таких показателей являются: повышение квалификации; карьерный рост; положение в обществе и др. [2]. Для того чтобы связать внешние и внутренние критерии необходимо использовать методы воздействия на систему -M1,M2,..Mz. Примером методов являются: четкое распределение обязанностей и ответственностей между сотрудниками; внесение изменений в учебные планы и учебные программы; повышение степени взаимодействия между отдельными подразделениями университета и др.
В работе по повышению качества образовательного процесса в вузе используется метод экспертных оценок. Для оценивания выбранного внешнего крите-
Библиографические ссылки
1. Кузьмич Р. И., Масич И. С. Построение модели классификации как композиции информативных паттернов // Системы управления и информационные технологии : науч.-техн. журн. 2012. № 2 (48). С. 18-22.
2. Hammer P. L., Bonates T. Logical Analysis of Data: From Combinatorial Optimization to Medical Applications //RUTCOR Research Report 10-2005, 2005.
3. Hepatitis Data Set. URL: http://archive.ics.uci. edu/ml/datasets/Hepatitis.
© Кузьмич Р. И., 2013
Конкурентоспособность университета в условиях современных рыночных отношений и развитие высоких технологий, их коммерциализация, интеграция в мировую систему высшего образования требует от высшего учебного заведения (вуза) повышения качества подготовки квалифицированных кадров, востребованных на рынке труда. Поэтому получение качественного профессионального образования представляет собой комплексную проблему, решение которой позволяет отвечать существующим и будущим потребностям и вызовам времени. Модернизация управления системой образования - важная социальная задача, решение которой обеспечивает необходимое улучшение качества подготовки специалистов в вузе [1].
Мето ды во зд^нс твия на систему
MLШ, ,.,MS
I + I
Критерии качгстьа подготовки специалиста
Рис.1
Секция «Математические методы моделирования, управления и анализа данных»
рия, эксперты выбирают из дерева показателей, наиболее влияющие на этот внешний критерий, показатели учебного процесса. Далее анализируется выбор каждого эксперта с последующим выделением пересекающегося множества показателей.
К1
1—\ / К2
I_у Изменить ->
Ч
Кт
И Al
Набор методов воздействия на систему
Рис. 2
Экспертам предлагается проранжировать показатели из полученного множества в соответствии со своими предпочтениями. Затем применяется разработанный алгоритм, в результате которого получается итоговый вектор ранжирования показателей - медиана Кемени [3], которая показывает расположение показателей относительно друг друга. Для дальнейшей работы с итоговым ранжированием необходимо определить существенные классы показателей учебного процесса. Поэтому на числовой прямой располагаем показатели учебного процесса в соответствии с суж-
дениями экспертов, которые были получены при нахождении медианы Кемени, и применяем метод К-ближайших соседей [4]. После того как будут выявлены значимые показатели качества учебного процесса ЛПР, необходимо повлиять на внутренние критерии, для того чтобы изменить внешние (рис. 2). Для этого ЛПР использует набор методов воздействия на систему. Выбрав один из методов, он смотрит, на какой показатель он влияет и тем самым улучшает этот показатель. В результате улучшая внутренний показатель, улучшается внешний показатель, что приводит к повышению качества образования в вузе.
В результате проделанной работы получаем систему поддержки принятия решений, которая позволит улучшить качество получения знаний выпускников вузов, повысить конкурентоспособность вуза в целом и повысить престиж выпускников у работодателей.
Библиографические ссылки
1. Нуждин В. Н. Теория и практика многомерного управления качеством вуза. Ивановский гос. энерге-тич. ун-т, 2009.
2. Некрасов С. Д., Костенко К. И. Моделирование информационной системы оценки качества образования // Университетское управление: практика и анализ. 2003. № 3.
3. Кемени Дж. Снелл Дж. Кибернетическое моделирование. М. : Сов. радио, 1972.
4. Рубан А. И. Методы анализа данных : учеб. пособие. 2-е изд., исправл. и доп. Красноярск : ИПЦ КГТУ, 2004. 319 с.
© Ликсонова Д. И., 2013
УДК 519.68
Н. Ю. Паротькин Научный руководитель - В.Г. Жуков Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева, Красноярск
О РЕШЕНИИ ЗАДАЧИ МНОГОКРИТЕРИАЛЬНОЙ ОПТИМИЗАЦИИ ДИФФЕРЕНЦИРОВАННЫМ ГЕНЕТИЧЕСКИМ АЛГОРИТМОМ
Рассматривается модификация дифференцированного генетического алгоритма на основе метода NPGA, позволяющая адаптировать его к решению многокритериальных задач оптимизации.
При решении практических задач часто возникает необходимость в нахождении решения, удовлетворяющего различным, иногда противоречивым критериям. С точки зрения системного анализа данный класс задач относится к задачам многокритериальной оптимизации. Для их решения может быть применен аппарат генетических алгоритмов, адаптированный с помощью специальных методов. На сегодняшний день наибольшее распространение имеют 4 метода многокритериальной оптимизации: VEGA, FFGA, NPGA, SPEA.
Поскольку дифференцированный генетический алгоритм не уступает по эффективности классическому алгоритму [1], то его целесообразно применить для
решения многокритериальных задач оптимизации. Так как особенностью данного алгоритма является выделение субпопуляции с отбором в нее индивидов по определенным правилам, то он имеет общие черты с методом NPGA. Поэтому внесем изменения в пункт «Вычисление ^е» алгоритма, выполняемого для каждого вновь получаемого решения, и сформулируем их в терминах метода NPGA:
1. Выбрать в качестве сравнительного множества текущую субпопуляцию С, Pdom = С.
2. Проверить условие: если вновь полученное решение недоминируемо относительно Pdom, а предок из И доминируется индивидами сравнительного множества, то потомок замещает И-родителя, а его время жизни обнуляется.
