Некоторые аспекты оперативного анализа информации

Тип работы:
Реферат
Предмет:
ТЕХНИЧЕСКИЕ НАУКИ


Узнать стоимость новой

Детальная информация о работе

Выдержка из работы

Международный Научный Институт & quot-Educatio"- III (10), 2015
41
ТЕХНИЧЕСКИЕ НАУКИ
var client = new FhirClient (@& quot-https:/fhir. ikorsa. net/fhir/"-) —
// Создаем новый объект Patient Patient newPat = new Patient () —
// создаем идентификатор для нового пациента Uri uri = new Uri (& quot-http://mno. ikorsa. net"-)
Identifier id = new Identifier { System = uri, Value = & quot-PRP1660"-, Label = & quot-MNO"- }- newPat. Identifier = new List& lt-Identifier>-() — newPat. Identifier. Add (id) —
// создаем лист с именем и фамилией нового пациента List& lt-string>- famName = new List& lt-string>-() —
famName. Add ("-Ebama"-) —
List& lt-string>- givName = new List& lt-string>-() — givName. Add ("-Barak"-) —
HumanName hn = new HumanName { Family = famName, Given = givName }- newPat. Name = new List& lt-HumanName>-() — newPat. Name. Add (hn) —
// добавляем дату рождения и пол newPat. BirthDate = & quot-1959−01−01"-- newPat. Gender = new CodeableConcept { Text = & quot-F"- }- client. Create& lt-Patient>-(newPat) —
Рис. 3 Фрагмент кода для создания нового пациента на сервере.
Литература
1. Купцов С. М., Корсаков И. Н., Атабаева В. Д. Автоматизированная система дистанционного мониторинга здоровья человека // В кн.: Инновации и прогресс в кардиологии. Материалы Российского национального конгресса кардиологов, 24−26 сентября 2014 г., Казань. Каз.: [б.и. ], 2014. С. 273−274.
2. Ощепкова Е. В., Довгалевский П. Я., Гриднев В. И. и др.
3. Структура первичных элементов базы данных российского регистра
4. больных артериальной гипертонией, ишемической
болезнью сердца и хронической сердечной недостаточностью. Кардио-ИТ 2014- 1: 0202. (doi:
10. 15 275/cardioit. 2014. 0202)
5. Назаренко Г. И., Гулиев Я. И., Ермаков Д. Е. Медицинские информационные системы: теория и практика / Под ред. Г. И. Назаренко, Г. С. Осипова. М.: ФИЗМАТЛИТ, 2005. 320 с.
6. Рот Г. З., Фихман М. И., Шульман Е. И. Медицинские информационные системы: Учеб. пособие. Новосибирск: Изд-во НГТУ, 2005. 70 с.
7. Шалковский А. Г., Купцов С. М., Корсаков И. Н., Атабаева В. Д. Дистанционный мониторинг здоровья пациентов с сахарным диабетом 2 типа // Док-тор. Ру. 2013. № 7 (85). С. 61−64.
8. Korsakov I. N., Kuptsov S. M., Raznometov D. A. Personal Medical Wearable Device for Distance Healthcare Monitoring X73-PHD //International Journal of Scientific & amp- Engineering Research. 2014. Vol. 5. No. 1. P. 422−429.
НЕКОТОРЫЕ АСПЕКТЫ ОПЕРАТИВНОГО АНАЛИЗА ИНФОРМАЦИИ
Вьюркова Дарья Васильевна
магистрант Санкт-Петербургского государственного университета технологии и дизайна, г. Санкт-Петербург
SOME ASPECTS OF OPERATIVE ANALYSIS OF INFORMATION
Vyurkova Darya, master student of Saint Petersburg State University of Technology and Design, Saint-Petersburg АННОТАЦИЯ
Рассматривается процесс сбора и анализа информации с применением систем оперативной аналитической обработки данных. Описывается принцип работы таких систем, сравниваются технологии, используемые в OLAP-системах. Производятся выводы о наиболее эффективном способе использования технологий OLAP для целей принятия решений на основе проведенного оперативного анализа исходной информации.
ABSTRACT
The process of collecting and analysis information with using systems of operative analytical adaptation of data is considered in the article. The principle of working these systems is described, some technologies are compared, that are used in OLAP-systems. Conclusions of the most effective way of using these technologies in a purpose of making decisions are provided. Ключевые слова: информация- оперативный анализ- принятие решений- хранилище данных- OLAP-системы. Keywords: information- operative analysis- decision making- data storage, OLAP-systems.
В научных исследованиях, как и других сферах деятельности, особую актуальность приобретают вопросы оперативного анализа информации, необходимой для проведения анализа изучаемых объектов и явлений, который в настоящее время является наиболее быстро развивающимся и актуальным.
Благодаря оперативному анализу становится возможным повседневное изучение хода выполнения заданий, оперативное выявление отрицательных факторов, быстрая разработка и осуществление мероприятий по их устранению, обеспечение эффективности деятельности в целом.
Международный Научный Институт & quot-Educatio"- III (10), 2015
42
ТЕХНИЧЕСКИЕ НАУКИ
Поддержка принятия решений на основе накопленной информации может осуществляться в трех основных областях.
— область детализированных данных. Это сфера действия большинства транзакционных систем (OLTP), нацеленных на поиск информации. В большинстве случаев реляционные СУБД отлично справляются с возникающими здесь задачами-
— область агрегированных показателей. Комплексный взгляд на собранную в Хранилище Данных информацию, ее обобщение и агрегация, гиперкубическое представление и многомерный анализ — задачи систем оперативной аналитической обработки данных On-Line Analytical Processing (OLAP). Здесь можно или ориентироваться на специальные многомерные СУБД, или оставаться в рамках реляционных технологий-
— область закономерностей. Интеллектуальная обработка производится методами интеллектуального анализа данных (ИАД, Data Mining), главными задачами которых являются поиск функциональных и логических закономерностей в накопленной информации, построение моделей и правил, которые объясняют найденные аномалии и/или (с определенной вероятностью) прогнозируют развитие рассматриваемых процессов.
Составление выводов о проведенных работах базируется на полученной информации. В свою очередь, очень важно то, как эту информацию структурировать и хранить.
На сегодняшний день, системы оперативной аналитической обработки OLAP, можно с уверенностью отнести к числу наиболее динамично развивающихся сегментов рынка информационных технологий.
Известно, что подавляющее большинство современных OLAP-систем используют n-мерный куб (гиперкуб) в качестве логической модели данных. Данные в гиперкубе, представленные в виде числовых значений (мер), являются распределенными по измерениям.
Среди производителей OLAP-систем наиболее популярными являются две технологии хранения данных: многомерная (MOLAP) и реляционная (ROLAP).
В MOLAP-системах ячейки гиперкуба хранятся в виде векторов или многомерных массивов. Каждая ячейка куба представляется отдельным элементом массива.
В общем виде формула для смещения (p) ячейки в гиперкубе имеет вид:
р =. Vi + x2-di + xydi-d2 + - + х" did2-dn-v
где n- количество измерений-
di- число координат по i-му измерению-
xi- текущая координата по i-му измерению.
Выражение можно записать в следующем виде:
(1)
(2)
Этот простой метод хранения массивов высокопроизводителен и позволяет быстро извлекать большие объемы данных.
Для ускорения поиска требуемой информации применяется индексирование измерений.
ROLAP-системы позволяют представить гиперкуб в виде набора таблиц, хранящихся в реляционной БД. Для этого используется денормализованная модель данных, называемая «звездой».
Данная структура образована двумя типами таблиц: таблицей факта (fact table) и таблицами размерности (dimension tables). В таблице факта хранятся ячейки гиперкуба (меры) и их координаты по измерениям. Для каждого измерения существует отдельная таблица размерности, в которой содержатся значения координат этого измерения. Поле, содержащее эти значения, является первичным ключом в данной таблице. Каждая из таблиц размерности связана с таблицей факта отношением «один ко многим».
В реальных системах таблицы размерности обычно содержат еще несколько атрибутов, детально описывающих измерения. На практике существует еще несколько вариантов звездообразной схемы — «созвездие» (constellation), «снежинка» (snowflake) и др.
Эффективность работы OLAP-систем можно оценивать по двум критериям: а) производительности, б) эффективности использования внешней памяти. При высоких значениях плотности заполнения куба многомерные хранилища требуют меньше внешней памяти, чем реляционные, а при низких — наоборот.
Прямое влияние на показатели производительности оказывают методы доступа к данным в хранилище. Технология MOLAP использует механизм «прямого доступа» к элементам многомерного массива при помощи вычисления смещения ячейки по координатам измерений. В ROLAP-системах применяется язык SQL для манипулирования данными, что порождает оптимизацию запросов, многочисленные соединения таблиц, появление промежуточных наборов данных, использование индексов по ключевым полям и т. п. Перечисленные факты позволяют сделать предположение, что многомерные хранилища являются более производительными (т. е. быстрее выполняют запросы), чем реляционные [2].
Выводы об эффективности существующих на сегодняшний день вариантов физической реализации OLAP-систем:
— с точки зрения использования внешней памяти наиболее эффективной является MOLAP-реализация гиперкуба, где применяется сжатие данных-
— с точки зрения производительности (времени выполнения запросов) MOLAP-реализация в большинстве случаев более предпочтительна, чем ROLAP-
— использование компрессии данных снижает производительность MOLAP-систем-
— при хранении сильно разреженных данных ROLAP позволяет достичь лучших показателей производительности по сравнению с MOLAP-хранилищами, использующими сжатие, при незначительном проигрыше в эффективности использования внешней памяти.
Таким образом, эффективность OLAP-систем можно существенно улучшить путем создания новых методов доступа, сочетающих достоинства каждого из рассмотренных подходов (MOLAP и ROLAP).
Оперативность анализа — это, прежде всего, своевременность выявления и исследования краткосрочных изменений, происходящих в исследуемых сферах, которые либо угрожают вывести управляемую систему из заданного направления и темпа развития, либо сигнализируют о появлении дополнительных резервов, позволяющих быстро перевести ее на более эффективный режим функционирования.
Эффективный оперативный анализ отклонений включает в себя три этапа:
1. Обнаружение отклонений и установление их размера-
ТЕХНИЧЕСКИЕ НАУКИ
Международный Научный Институт & quot-Educatio"- III (10), 2015
43
2. Установление причин, вызвавших эти отклонения-
3. Распределение ответственности.
Оперативный анализ должен проводиться с минимальным отставанием по времени от анализируемого процесса.
При проведении комплексных анализов оперативное определение и оценка факторов, влияющих на отклонения от прогнозируемых в исследованиях значений, позволит разработать мероприятия по корректировке используемых аналитических методов и элементов программы исследований.
Для рационализации проведения целевых анализов необходимо разработать набор стандартных типовых программ, раскрывающих содержание и методику проведения анализа по каждому их виду.
Совершенствование оперативного анализа должно идти в направлении увязки предварительного, текущего анализа со стадиями изучаемых процессов и явлений, что
обеспечит непрерывность анализа и управления, взаимосвязь технико-экономических факторов.
Список литературы
1. Григорьев Ю. А. Сравнение технологий хранения данных в OLAP-системах / Ю. А. Григорьев, С. Ю. Зеленков // Информатика и управление — 2001 — № 1 — с. 3−12.
2. Давыдова В. В., Третьякова Е. И., Яськина Ю. П.
Оперативный анализ и тактические решения. Мордовский государственный университет имени Н. П. Огарева [Электронный ресурс]. URL: http: //sisupr. mrsu. ru/2008−2/pdf/58. (дата обращения:
01. 04. 2013).
3. Решение проблемы комплексного оперативного анализа информации хранилищ данных / С. Д. Коровкин, И. А. Левенец, И. Д. Ратманова, В. А. Старых, Л. В. Щавелёв // СУБД. — 1997. — № 5−6. — С. 47−51.
АЛГОРИТМ РАЗРАБОТКИ КОМПЬЮТЕРНЫХ РАЗВИВАЮЩЕ — ОБУЧАЮЩИХ
ПРИЛОЖЕНИЙ
Занкин Сергей Витальевич
магистрант 2 курса, факультет информационных технологий, Московский Технический Университет Связи
и Информатики, Москва
ALGORITHM DEVELOPMENT OF COMPUTER EDUCATIONAL APPLICATIONS
Sergei Zankin, 2 undergraduate course, Faculty of Information Technology, Moscow Technical University of Communications and Informatics, Moscow АННОТАЦИЯ
В данной статье приводится алгоритм разработки компьютеризированных развивающе — обучающих приложений полученный на основе анализа зависимости приложений от возрастных особенностей мышления ребенка. ABSTRACT
In this paper give an algorithm for the development of computerized educational applications derived from analyze the dependence applications from age characteristics of children'-s thinking.
Ключевые слова: разработка приложений, компьютерное обучение, детское мышление.
Keywords: software develop, computer education, children'-s thinking.
Введение
В настоящие время электронное образование становиться все более популярным и тем самым вытесняет традиционные методы обучения, при этом качество электронного контента не всегда является удовлетворительным.
Электронное образование в Росси находится на этапах:
1. Внедрения в обучающий процесс школьников мобильных электронно- вычислительных средств.
2. Недостаточного распространения специализированных приложений для мобильных электронно -вычислительных средств обучения.
3. Необходимости разработки приложений базирующихся на видах мышлений в зависимости от возраста.
Описанные пункты свидетельствуют об актуальности тематики связанной с разработкой развивающе — обучающего программного обеспечения (ПО).
Описание алгоритма
При разработке развивающе — обучающего ПО нужно уделить особое внимание какому возрасту должно соответствовать данное ПО. Дело в том, что в период взросления пользователь (ребенок) проходит определенные этапы своего развития из — за чего в разные возрастные промежутки времени пользователь обладает различными видами мышления, следовательно, перед тем как
приступать к разработке ПО нужно четко понимать для какого возраста создается приложение (рис. 1).
Определившись с тем возрастом, для которого будет рассчитано создаваемое ПО нужно понимать к какому типу мышления оно относиться, так можно выделить четыре основных вида мышления:
• Наглядно-действенное — ребенок пытается с помощью практических действий самостоятельно получить определенный результат. Проявляется в самом раннем возрасте.
• Косвенное — для достижения определенных целей ребенку необходимо установить связь между двумя и более действиями и (или) явлениями. Проявляется данный вид мышления в раннем дошкольном возрасте.
• Наглядно-образное — переход от внешних действий с предметами к действиям с образами этих предметов в уме. Происходит сравнение зрительной информации в результате чего ребенок находит решение. Проявляется этот вид мышления начинает в возрасте 4−5 лет.
• Словесно-логическое — оперирует сложными отвлеченными понятиями, функционирующими на основе языковых средств. В раннем школьном возрасте появляются предпосылки к данному виду мышления.

Показать Свернуть
Заполнить форму текущей работой