1. SISN
  2. Всі випуски
  3. Випуск 887, 2018
  4. Відновлення пропусків в результатах тестування та ідентифікації операторського персоналу

Відновлення пропусків в результатах тестування та ідентифікації операторського персоналу

SISN.
2018;
Випуск 887
: cc. 92 - 104
Authors: 

Камінський Р. М., Кунанець Н. Е., Пасічник В. В., Худий А. М.

Національний університет «Львівська політехніка», кафедра інформаційних систем та мереж

Розглянуто завдання відновлення пропущених значень у результатах тестування реципієнтів, поданих часовими рядами. Як експериментальні дані наведено штучні часові ряди із пропущеними значеннями. Ефективність відновлення оцінюється відносною похибкою відновленого значення. Наведено приклади відновлення пропусків у таблиці часових рядів та в індивідуальному часовому ряді. Використано прості методи заміни пропуску середнім, зваженим середнім та медіаною. Для цих рядів доволі добрі результати забезпечують медіана вихідного часового ряду з пропущеними значеннями та заповнення значеннями моделі тренду – полінома третього степеня.

часовий ряд
data tables with spaces
missed values
resetting passes
  1. Литтл Р. Дж. А. Статистический анализ данных с пропусками / Р. Дж. А. Литтл, Д. Б. Рубин. – М.: Финансы и статистика, 1991. – 336 с.
  2. Загоруйко Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. – Новосибирск: Изд-во Ин-та математики, 1991. – 278 с.
  3. Степашко И. С. Метод відновлення пропущених даних в екологічних задачах на основі МГУА / И. С. Степашко, Ю. В. Коппа, Г. О. Іутинська. – Режим доступу: http://www. gmdh. net/articles/rus/gaps. pdf.
  4. Перемитина Т. О. Программный комплекс восстановления пропущенных значений в многомерных данных на основе методов нечеткого моделирования / Т. О. Перемитина, И. Г. Ященко, С. В. Лучкова // Программные продукты и системы. – 2014. – № 1. – С. – 86–92.
  5. Карлов И. А. Восстановление пропущенных данных при численном моделировании сложных динамических систем / И. А. Карлов // Научно-технические ведомости СПбГПУ. Информатика. Телекоммуникации. Управление. – 2013. – 6 (186). – С. 137–144.
  6. Слабченко О. О. Інформаційна технологія імпутації даних змішаної природи в задачах інтелектуального аналізу / О. О. Слабченко // Проблеми інформаційних технологій. – 2016. – № 01. – С. 155–161.
  7. Плотников Д. Е. Восстановление временных рядов данных дистанционных измерений методом полиномиальной аппрокси- мации в скользящем окне переменного размера / Д. Е. Плотников, Т. С. Миклашевич, С. А. Барталёв // Современные проблемы дистанционного зондирования Земли из космоса. – 2014. – Т. 11, № 2. – С. 103–110.
  8. Братусь О. В. Система підтримки прийняття рішень з адаптивними блоками відновлення та прогнозування сонячних радіофлюксів // Радіоелектроніка, інформатика, управління. – 2017. – № 3. – С. 36–43.
  9. Двоенко С. Д. Восстановление пропусков в данных методом неиерархических разбиений, Автомат. и телемех. – 2001. – Вып. 3. – С. 134 – 140.
  10. Honaker J. AMELIA II: a program for missing data / James Honaker, Gary King, Matthew Blackwell // Journal of Statistical Software. – 2011. – Vol. 45, iss. 7. – Mode of access: https://cran. r-project. org/web/packages/Amelia/vignettes/amelia. pdf.
  11. Schlomer G. L. Best practices for missing data management in counseling psychology / Gabriel L. Schlomer, Sheri Bauman, Noel A. Card // Journal of Counseling Psychology. – 2010. – Vol. 57, No. 1. – P. 1–10.
  12. Soley-Bori M. Dealing with missing data: key assumptions and methods for applied analysis / Marina Soley-Bori // Technical Report. – 2013. – No. 4. – Р. 1–20.
  13. A comparative study of imputation methods for estimation of missing values of per capita expenditure in central java / Y. Susianto, K. A. Notodiputro, A. Kurnia, H. Wijayanto // IOP Conf. Series: Earth and Environmental Science. – 2017. – 58. – Р. 1–10.
  14. Sung-Suk Chung. A Study on imputation using adjusted cohen method / Sung-Suk Chung, Young-Min Chun, Sun-Kyung Lee // Journal of the Korean Data & Information Science Society. – 2006. – Vol. 17, No. 3. – P. 871–888.
  15. Allison P. D. Missing data / Paul D. Allison. – Mode of access: https://statisticalhorizons. com/wp-content/uploads/2012/01/Milsap-Allison. pdf.
  16. Therese D. Pigott. A review of methods for missing data / Therese D. Pigott // Educational Research and Evaluation. – 2001. – Vol. 7, No. 4. – P. 353–383.
  17. Бочаров Б. П. Анализ эффективности алгоритма восстановления пропущенных значений временного ряда результатов тестирования знаний / Б. П. Бочаров, М. Ю. Воеводина // Системи обробки інформації – 2008 – Вип. 3(70). – С. 1–13.
  18. Кутлалиев А. Х. Метод множественного восстановления данных / А. Х. Кутлалиев // Социологические методы в современной исследовательской практике: сб. ст., посвященных памяти А. О. Крыштановского. – М., 2011. – С. 201–207. – Режим доступа: http://www. isras. ru/files/File/Sociologicheskie_methody. pdf.
  19. Снитюк В. Е. Эволюционный метод восстановления пропусков в данных: сборник трудов VI-й Международной конференции Интеллектуальный анализ информации. – Киев, 2006. – С. 262–271. – Режим доступу: http://masters. donntu. org/2012/iii/shkarpetkina/library/article2. htm.
  20. Абраменкова И. В. Методы восстановления пропусков в массивах данных / И. В. Абраменкова, В. В. Круглов // Програмные продукты и системы. – 2005. – № 2. – С. 18 – 22.
  21. Злоба Е., Яцкив И. Статистические методы восстановления пропущенных данных / Е. Злоба, И. Яцкив // Computer Modelling & New Technologies, 2002. – Vol. 6, No. 1. – P. 51–61.
  22. К вопросу восстановления учетных данных на химических предприятиях / А. В. Волошко, Я. С. Бедерак, Т. Н. Лутчин, М. Ю. Кудрицкий // Известия Томского политехнического университета. – 2014. – Т. 324, № 5. – С. 101–106.
  23. Радчикова Е. С. Анализ применения способов заполнения пропусков в данных во временных рядах в экологических исследованиях / Е. С. Радчикова // Экология и защита окружающей среды: сб. тез. докл. Междунар. науч.-практ. конф., 19–20 марта 2014 г. – Минск, 2014. – С. 112–116. – Режим доступу: http://elib.bsu.by/handle/ 123456789/104514.
  24. Калинин А. В. Алгоритм восстановления пропусков на поле “плохих” данных / А. В. Калинин, С. В. Ченцов // Сибирский журнал науки и технологий – основное научное издание Сибирского государственного университета науки и технологий имени академика М. Ф. Решетнева. – 2008. – Т. 18, № 2. – С. 91–95. – Режим доступу: https://cyberleninka. ru/journal/n/sibirskiy-zhurnal-nauki-i-tehnologiy#/939662.
  25. Дубинина Е. В. Ежедневная магия Excel. Восстановление пропусков в данных / Е. В. Дубинина // Инновационные технологии в науке и образовании: материалы IX Междунар. науч.-практ. конф. (Чебоксары, 15 янв. 2017 г.): В 2 т. – 2017. – Т. 2, № 1 (9). – Чебоксары: ЦНС “Интерактив плюс”, 2017. – С. 29–33. – Режим доступа: https://interactive-plus. ru/ru/article/116036/discussion_platform.