Ўзбекистон республикаси ахборот технологиялари ва коммуникацияларини ривожлантириш вазирлиги муҳаммад ал-хоразмий номидаги

ИНСТРУМЕНТЫ ПАКЕТА MATLAB ИСПОЛЬЗУЕМЫЕ ДЛЯ 
ИНТЕЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ 
Ш.Ш.Мухсинов (ст.преподаватель,ТУИТ имени Мухаммада ал-Хоразми) 
Э.Кутдусова (магистрант, ТУИТ имени Мухаммада ал-Хоразми) 
В настоящее время процесс интеллектуального анализа данных 
неразделим с компьютерными технологиями. При обработке больших 
данных необходим интеллектуальный анализ большого объема данных, в 
связи с чем возникает потребность в применении, информационных техноло-
гий для автоматизации этого процесса.MATLAB–самая простая и продуктив-
ная среда для экспертов в области анализа, позволяющая получать эффектив-
ные результаты из инженерных и бизнес данных. 
Интеллектуальный анализ данных (англ. Data Mining) это направление 
информационных технологий, охватывающее всю область проблем, 
связанных с извлечением знаний из массивов данных. 
Технология интеллектуального анализа данных выполняет следующие 
задачи:

Задача классификации и регрессии. Процесс классификации состоит в 
разбиении большого количества объектов на классы согласно конкретному 
аспекту. 

Задача прогнозирования. Методы прогнозирования дают возможность 
получать в качестве прогнозов количественные показатели, описывающие 
состояние определенного объекта или процесса 

Задача кластеризации. Кластеризация предоставляет возможность 
осуществить, разведочный анализ и исследовать «структуру данных». 

Задача определения взаимосвязей или задача ассоциативных правил. 
Ассоциативные правила показывают взаимосвязь между наборами 
предметов, соответствующими условию и следствию. 

Анализ последовательностей. Целью данного анализа является 
обнаружение закономерностей в последовательностях событий. 
Для решения вышеприведенных задач интеллектуального анализа дан-
ных нужны программные, средства, реализующие этот процесс. 
Для 
MATLAB имеется возможность создавать специальные наборы инструмен-
тов (
англ.
toolbox), расширяющие его функциональность. Наборы инструмен-
тов представляют собой коллекции функций и объектов, написанных на 
языке MATLAB для решения определённого класса задач. Компания Math-
works поставляет наборы инструментов, которые используются во многих 
областях, включая следующие: 
Цифровая обработка сигналов
, изображений и данных: Signal Processing 
Toolbox (появился в 1987 году), DSP System Toolbox, Image Processing Toolbox 
(появился в 1993 году), Wavelet Toolbox, Communications System Toolbox — 
наборы функций и объектов, позволяющих решать широкий спектр задач 

---

415 
обработки сигналов, изображений, проектирования цифровых фильтров и 
систем связи. 
Анализ и синтез географических карт,включая трёхмерные:Mapping 
Toolbox. 
Сбор и анализ экспериментальных данных: Data Acquisition Toolbox, 
Image Acquisition Toolbox, Instrument Control Toolbox, OPC Toolbox -наборы 
функций и объектов,позволяющих сохранять и обрабатывать данные,получен 
-ные в ходе экспериментов, в том числе в реальном времени.Поддерживается 
широкий спектр научного и инженерного измерительного оборудования. 
Взаимодействие с внешними программными продуктами: MATLAB 
Report Generator, Excel Link, Database Toolbox, MATLAB Web Server, Link for 
ModelSim - наборы функций, позволяющие сохранять данные различных 
видов таким образом, чтобы другие программы могли с ними работать. 
Визуализация и представление данных:Virtual Reality Toolbox- позволяет 
создавать интерактивные миры и визуализировать научную информацию с 
помощью технологий 
виртуальной реальности
и языка 
VRML
. 
Базы данных: Database Toolbox -инструменты работы с базами данных. 
Нейронные сети
: NeuralNetwork Toolbox -инструменты для синтеза и 
анализа нейронных сетей. 
Нечёткая логика
: Fuzzy Logic Toolbox - инструменты для построения и 
анализа нечётких множеств. 
Символьные вычисления
: Symbolic Math Toolbox (появился в 1993 году) 
- инструменты для символьных вычислений с возможностью взаимодействия 
с символьным процессором программы Maple. 
Deep Learning Toolbox предоставляет встроенную функциональность для 
создания, обучения и вариации глубоких нейронных сетей.
Этот обзор показывает некоторые наиболее общие случаи инструментов, 
применяемых в задачах интеллектуального анализа данных. Каждый из этих 
инструментов имеет свой набор функций и используются в конкретных 
предназначениях. 
Литература 
1. Ian H. Witten, Eibe Frank, Mark A. Hall, Morgan Kaufmann. Data Mining: Practical 
Machine Learning Tools and Techniques. 4th ed. Elsevier, 2017. 629 p. 
2. Замятин А.В. Интеллектуальный анализ данных : учеб. пособие. – Томск : 
Издательский Дом Томского государственного университета, 2016. – 120 с. 
3. Big Data простыми словами (https://proglib.io/sh/FfVU9pxohD)