Файл: 14.docx

Экзаменационный билет № 14

Утверждаю

Проректор по учебной работе

_____________ С.В. Михайлов

" " мая 2014 г.

Кафедра бизнес-информатики

Итоговый междисциплинарный экзамен по специальности «Прикладная информатика в экономике». Специализации «Информационные системы в банковском деле»

1. Мультипрограммирование в современных операционных системах.

Мультипрограммирование, или многозадачность – это способ организации вычислительного процесса, при котором на одном процессоре попеременно выполняются сразу несколько программ, совместно использующих все ресурсы компьютера. Мультипрограммирование призвано повысить эффективность использования вычислительной системы.

В зависимости от выбранного критерия эффективности операционные системы делятся на системы пакетной обработки, системы разделения времени и системы реального времени.

В системах пакетной обработки критерий эффективности – максимальная пропускная способность компьютера, то есть решение максимального числа задач в единицу времени.

Достигается это за счет минимизация простоев всех устройств компьютера и прежде всего центрального процессора.

Для одновременного выполнения формируется пакет, в который выбираются задачи, предъявляющие разные требования к ресурсам, так, чтобы обеспечивалась сбалансированная загрузка всех устройств вычислительной системы. Выбор нового задания из пакета для его выполнения зависит от текущей ситуации в вычислительной системе, т. е. выбирается самое выгодное для системы задание, которому необходимы ресурсы, наиболее свободные в данный момент.

Переключение процессора с выполнения одной задачи на выполнение другой задачи происходит по инициативе самой активной задачи, например, когда она отказывается от процессора из-за необходимости выполнить операцию ввода-вывода. Поэтому существует высокая вероятность того, что одна задача может надолго занять процессор и выполнение интерактивных задач станет невозможным.

Операционные системы с пакетной обработкой используются в компьютерах типа мэйнфреймов, процессорное время которых относительно дорого. Работа таких ОС повышает эффективность функционирования аппаратуры, но снижает эффективность работы пользователей.

В системах разделения времени критерий эффективности – повышение удобства работы пользователей, которые могут интерактивно работать одновременно с несколькими приложениями на одной машине.

Для этого каждому приложению попеременно выделяется одинаковый квант времени. Таким образом, пользователи, запустившие программы на выполнение, получают возможность поддерживать с ними диалог. Если квант времени выбран небольшим, то у всех пользователей складывается впечатление, что каждый из них единолично использует машину.

Такие системы обладают меньшей пропускной способностью, чем системы с пакетной обработкой и применяются для многотерминальных или многооконных компьютеров, то есть в большинстве универсальных ОС.

В системах реального времени критерий эффективности – реактивность системы, то есть ее способность выдерживать заранее заданные интервалы времени между запуском программы и получением результата.

В таких системах мультипрограммная смесь представляет собой фиксированный набор заранее разработанных программ, а выбор программы на выполнение осуществляется по прерываниям или в соответствие с расписанием плановых работ.

Операционные системы реального времени применяются в специализированных компьютерах, например, управляющих каким-то технологическим процессом.

2. Задачи кластеризации. Постановка задачи, базовые алгоритмы решения, достоинства и недостатки. Применение задачи кластеризации в банковской сфере.

Кластеризация - Разбиение множества документов к некоторой категории

Методы:

Декомпозиция (разделение, k-клатеризация)

В этих методах изначально каждый объект связан только с одной группой-кластером

Иерархическая кластеризация

В этом случае каждая группа большего размера состоит из групп меньшего размера. Группы (кластеры) иерархически связаны

• Классификация – это отнесение объекта к одному из заранее известных классов (множеств, типов и т.д.)

• Кластеризация – это разделение множества исходных объектов на классы (кластеры), число которых заранее не определено.

Кластеризацию используют, когда отсутствуют априорные сведения относительно классов, к которым можно отнести объекты исследуемого набора данных, либо когда число объектов велико, что затрудняет их ручной анализ.

Постановка задачи кластеризации сложна и неоднозначна, так как:

• оптимальное количество кластеров в общем случае неизвестно;

• выбор меры «похожести» или близости свойств объектов между собой, как и критерия качества кластеризации, часто носит субъективный характер

Цели:

• Изучение данных. Разбиение множества объектов на группы помогает выявить

  • внутренние закономерности, увеличить наглядность представления данных,

  • выдвинуть новые гипотезы, понять, насколько информативны свойства объектов.

• Облегчение анализа.

  • При помощи кластеризации можно упростить дальнейшую

  • обработку данных и построение моделей: каждый кластер обрабатывается индивидуально, и модель создается для каждого кластера в отдельности.

  • В этом смысле кластеризация может рассматриваться как подготовительный этап перед решением других задач Data Mining: классификации, регрессии, ассоциации, последовательных шаблонов.

• Сжатие данных.

  • В случае, когда данные имеют большой объем, кластеризация позволяет сократить объем хранимых данных, оставив по одному наиболее типичному представителю от каждого кластера.

• Прогнозирование.

  • Кластеры используются не только для компактного представления

имеющихся объектов, но и для распознавания новых. Каждый новый объект относится к тому кластеру, присоединение к которому наилучшим образом удовлетворяет критерию качества кластеризации. Значит, можно прогнозировать поведение объекта, предположив, что оно будет схожим с поведением других объектов кластера.

• Обнаружение аномалий.

  • Кластеризация применяется для выделения нетипичных объектов. Эту задачу также называют обнаружением аномалий (outlier detection).

  • Интерес здесь представляют кластеры (группы), в которые попадает крайне мало, скажем один-три, объектов

Цель кластеризации – построить оптимальное разбиение объектов на группы:

• разбить N объектов на k кластеров;

Алгоритмы:

• Иерархические алгоритмы

• Минимальное покрывающее дерево

• k-Means алгоритм (алгоритм k-средних)

• Метод ближайшего соседа

• Алгоритмы нечеткой кластеризации

• Применение нейронных сетей

• Генетические алгоритмы

• Метод закалки

Применение:

• Анализ данных (Data mining)

  • Упрощение работы с информацией

  • Визуализация данных

• Группировка и распознавание объектов

  • Распознавание образов

  • Группировка объектов

• Извлечение и поиск информации

  • Построение удобных классификаторов

3. Информационная технология разработки оптимального варианта плана проекта в программной среде MS Project на подготовленном примере.