CC BY
57
УДК 303.732.4
РАЗРАБОТКА БЕЗ ПРОГРАММИРОВАНИЯ И ПРИМЕНЕНИЕ В АДАПТИВНОМ РЕЖИМЕ МЕТОДИК РИЭЛТЕРСКОЙ ЭКСПРЕСС-ОЦЕНКИ ПО МЕТОДУ АНАЛОГИЙ (СРАВНИТЕЛЬНЫХ ПРОДАЖ) В СИСТЕМНО-КОГНИТИВНОМ АНАЛИЗЕ И ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ «ЭЙДОС»
Луценко Евгений Вениаминович д.э.н., к.т.н., профессор Кубанский государственный аграрный университет, Россия, 350044, Краснодар, Калинина, 13, prof lutsenkoUhgmail. сот
Коржаков Валерий Евгеньевич к.т.н., доцент
Адыгейский государственный университет Адыгея, Россия, korve(ci)vandex.ги
В статье на реальном численном примере автомобилей с пробегом рассматриваются вопросы разработки без программирования и применения в адаптивном режиме риэлтерской методики экспресс-оценки по методу аналогий (сравнительных продаж) с применением системно-когнитивного анализа и интеллектуальной системы «Эйдос». Уровень сложности необходимых работ соответствует лабораторной работе по системам искусственного интеллекта и представлению знаний
Ключевые слова: РАЗРАБОТКА, ПРИМЕНЕНИЕ МЕТОДИК РИЭЛТЕРСКОЙ ОЦЕНКИ, МЕТОД АНАЛОГИЙ СРАВНИТЕЛЬНЫХ ПРОДАЖ, СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ, ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА «ЭЙДОС»
UDC 303.732.4
DEVELOPMENT WITHOUT PROGRAMMING AND APPLICATION IN ADAPTIVE MODE OF THE TECHNIQUES OF REALTOR EXPRESS BENCHMARKING ASSESSMENT (COMPARATIVE SALES) IN THE SYSTEM-COGNITIVE ANALYSIS AND EIDOS INTELLECTUAL SYSTEM
Lutsenko Evgeny Veniaminovich
Dr.Sci.Econ., Cand.Tech.Sci., professor
Kuban State Agrarian University, Krasnodar, Russia
Korzhakov Valery Evgenievich Cand.Tech.Sci., assistant professor Adygh State University, Adygheya, Russia
In the article on the real numerical example of pre-owned cars we show the development without programming and application in adaptive mode of realtor rapid assessment methodology for benchmarking assessment (comparative sales) using system-cognitive analysis and Eidos intellectual system. The level of complexity of required works corresponds to the laboratory work on systems of artificial intelligence and knowledge representation
Keywords: DEVEEOPMENT, APPLICATION OF METHODS OF REAL ESTATE,EVALUATION, BENCHMARKING OF COMPARATIVE SALES, SYSTEM-COGNITIVE ANALYSIS, EIDOS INTELLECTUAL SYSTEM
СОДЕРЖАНИЕ
1. ПРОБЛЕМА И КОНЦЕПЦИЯ ЕЕ РЕШЕНИЯ......................................................... 2
2. ХАРАКТЕРИСТИКА ИСХОДНЫХ ДАННЫХ.......................................................... 5
3. ЭТАПЫ СИСТЕМНО-КОГНИТИВНОГО АНАЛИЗА И ПРЕОБРАЗОВАНИЕ ДАННЫХ В ИНФОРМАЦИЮ, А ЕЕ В ЗНАНИЯ В
СИСТЕМЕ «ЭЙДОС».......................................................................... 10
4. КОГНИТИВНАЯ СТРУКТУРИЗАЦИЯ ПРЕДМЕТНОЙ ОБЛАСТИ......................................... 11
5. ФОРМАЛИЗАЦИЯ ПРЕДМЕТНОЙ ОБЛАСТИ.......................................................11
5.1. Разработка классификационных и описательных шкал и градаций...................... 12
5.2. Разработка обучающей выборки, т.е. описание исходных данных с помощью кодов градаций классификационных и
описательных шкал..................................................................... 17
6. СИНТЕЗ И ВЕРИФИКАЦИЯ МОДЕЛЕЙ.......................................................... 23
7. ВЫБОР НАИБОЛЕЕ ДОСТОВЕРНОЙ МОДЕЛИ.....................................................36
8. РЕШЕНИЕ ЗАДАЧ ИДЕНТИФИКАЦИИ, ПРОГНОЗИРОВАНИЯ, ПРИНЯТИЯ РЕШЕНИИ И ИССЛЕДОВАНИЯ МОДЕЛИРУЕМОИ ПРЕДМЕТНОЙ ОБЛАСТИ С ПРИМЕНЕНИЕМ НАИБОЛЕЕ ДОСТОВЕРНОЙ МОДЕЛИ.................................... 41
8.1. Задача идентификации и прогнозирования.................................................. 41
8.2. Задача принятия решений..............
8.3. Задача исследования предметной области
9. ВЫВОДЫ И РЕЗУЛЬТАТЫ.......................
42
47
55
10. ОГРАНИЧЕНИЯ И ПЕРСПЕКТИВЫ
55
1. Проблема и концепция ее решения
В условиях рыночной экономики постоянно возникает задача оценки собственности, т.е. задача определения цены на различные товары, объекты движимого и недвижимого имущества. В современной риэлтерской науке и практике существует три основных подхода решению этой задачи: доходный, затратный и сравнительный. Рассматривать эти подходы нет необходимости, т.к. они подробно освещены в специальной литературе [1]. Отметим лишь, что каждый из этих методов имеет свои достоинства и недостатки. По совокупности этих достоинств и недостатков привлекательно выглядит сравнительный метод или как его еще называют метод аналогий. В данном методе цена на товар определяется по цене аналогов с учетом различных поправок, увеличивающих или уменьшающих определяемую цену по сравнению с аналогом или аналогами.
В работе [2] подробно рассмотрены достоинства и недостатки сравнительного метода, но здесь основываясь на этой работе, отметим лишь главные из них.
«Основным преимуществом сравнительного подхода является то, что оценщик ориентируется на фактические цены купли-продажи сходных предприятий. В данном случае цена определяется рынком, т. к. оценщик ограничивается только корректировками, обеспечивающими сопоставимость аналога с оцениваемым объектом. При использовании других подходов, оценщик определяет стоимость предприятия на основе произведенных расчетов» [2].
Основным недостатком этого метода является необходимость сложных корректировок и поправок в итоговую величину и промежуточные расчеты, требующих серьезного обоснования. Эта необходимость связана с тем, что на практике не существует абсолютно точных аналогов. Поэтому оценщик должен выявить отличия оцениваемого объекта от аналогов и определить и учесть их влияние на итоговую величину стоимости. В настоящее время это является достаточно трудоемкой и дорогостоящей процедурой [2].
Традиционно при применении сравнительного метода приметаются базы данных и работающие с ними информационно-поисковые системы [2]. При поиске аналогов в этих системах возникает проблема референтного класса [3], которая состоит в том, что абсолютно точных аналогов не существует и не очень понятно как сравнивать оцениваемый объект с этими аналогами. Поэтому информационно-поисковые системы либо вообще ничего не находят по полному совпадению всех показателей, либо находят несколько неполных аналогов путем игнорирования ряда показателей, заданных в запросе. Релевантность отчета при этом обычно определяется путем подсчета количества совпавших с запросом показателей. Такой подход не выдерживает критики, т.к. основан просто на игнорировании потенциально существенной для оценки информации. Кроме того, роль в запросе и отчете различных показателей, совершенно по-разному влияющих на сходство оцениваемого объекта с аналогами и стоимость оцениваемого объекта, при таком подходе считается одинаковой. В настоящее время это различие может быть учтено лишь вручную с помощью процедур учета различий с помощью различного рода коэффициентов и поправок, что довольно трудоемко и требует высокой компетенции оценщика [2]. Возникают также сложные вопросы о том, откуда брать данные о влиянии этих различий на цену, т.е. о величинах поправочных коэффициентов и связанных с ними поправок, а также о способе учета различий оцениваемого объекта от аналога по нечисловым показателям, измеренным в номинальных и порядковых шкалах. Однако другого подхода в настоящее время не существует. В принципе можно себе представить программную систему для оценки, представляющую собой информационно-поисковую систему для поиска аналогов, включающую также режим исследования отличий оцениваемого объекта от аналогов и вводящей
соответствующие поправки в цену по методике, приведенной в работе [2]. Однако разработка подобной системы сама по себе представляет собой проблему. Причем такая система с необходимостью получится привязанной к определенной предметной области, а коэффициенты и оправки в нее все равно надо будет вводить вручную, т.е. и такая система не позволит в полной мере преодолеть недостатки сравнительного метода.
Таким образом, налицо проблема: с одной стороны существует метод оценки, обладающий рядом неоспоримых достоинств с точки зрения высокого качества получаемых с его помощью результатов, с другой стороны его применение на практике сдерживается высокой сложностью и трудоемкостью применения. В данной статье предлагается и на реальном численном примере подробно рассматривается один из возможных вариантов решения данной проблемы.
Концепция решения проблемы основана на понимании того, что сравнение с аналогами является задачей распознавания образов. Именно при распознавании образов конкретный (распознаваемый) объект количественно сравнивается по всей системе своих признаков с конкретными или обобщенными образами аналогов, сформированными на основе обучающей выборки, содержащей актуальные примеры аналогов. При этом кардинально решается и проблема референтного класса [3]. Для решения этой задачи необходимо использовать программную систему, обеспечивающую как создание модели, необходимой для решения этой задачи, так и использования этой модели для решения данной задачи на практике в адаптивном режиме. Адаптивный режим необходим для учета в модели пространственно-временных различий в моделируемой предметной области, т.е. ее динамики и региональных различий [4]. Весовые коэффициенты, увеличивающие уменьшающие стоимость оцениваемого объекта, в системе распознавания будут формироваться автоматически при создании модели научно-обоснованным методом. Уровень сложности необходимых для решения проблемы работ соответствует лабораторной работе по системам искусственного интеллекта и представлению знаний, т.е. не очень высок, как и должно быть при решении проблемы, т.к. понятно, что если предлагаемое «решение» не упрощает, а усложняет ситуацию, то такое «решение» никому не нужно.
Конечно, для реализации этой идеи можно было бы обосновать требования к подобной системе, провести рейтинговый сопоставительный анализ подобных систем и выбрать наиболее подходящую из них. Но в данной статье авторы не ставят перед собой такой цели, а просто предлагают применить для решения поставленной проблемы новый метод искусственного интеллекта: системно-когнитивный анализ (СК-анализ) и его программный инструментарий -Универсальную когнитивную аналитическую систему «Эйдос» (система «Эйдос») [5, 6].
Данный метод является довольно уникальным, т.к. является одним из немногих методов, обеспечивающих многопараметрическую типизацию и сопоставимую системную идентификацию сложных систем, описанных как количественными, так и текстовыми признаками, причем измеряемыми в различных единицах измерения [7].
Исторически СК-анализ возник в 2001 году при работе над автоматизацией системного анализа. При этом был успешно применен подход, предложенный и реализованный проф. Е.В.Луценко, основанный на структурировании системного анализа по базовым когнитивным операциям. Поэтому этот вариант системного анализа был назван его разработчиком «Системно-когнитивный анализ» (СК-анализ). Когнитивные операции, это термин когнитивной психологии (раздела психологии, изучающего процессы познания) и означает операции, которые человек выполняет в процессе познания. Этих операций известно очень много, чуть ли не сотни, но из них для реализации были выбраны основные: обобщение, абстрагирование, сравнение, классификация и другие, всего 10 операций, которых оказалось достаточно для автоматизации системного анализа. Этот подход был доведен его разработчиком до логического завершения, т.е. были разработаны не только теоретические основы системно-когнитивного анализа, но и математическая модель, основанная на теории информации, и методика численных расчетов, включающая алгоритмы и структуры данных, и программная реализация СК-анализа - система
«Эйдос». Краткая информация о системе «Эйдос» представлена в ее экранной форме, представленной на рисунке 1:
ф 6.1. Информация о системе, авторе-разработчике, средствах разработки и поддержке
ИНФОРМАЦИЯ О СИСТЕМЕ И РАЗРАБОТЧИКЕ:
(С) Универсальная когнитивная аналитическая система "ЭЙДОС-Х-м-", beta-version, rel: 11.12.2013,
(С) д.э.н., к.т.н., профессор Луценко Евгений Вениаминович, Россия, Краснодар. http://Lc.kubagro.ru [email protected] ФУНКЦИИ СИСТЕМЫ:
Универсальная когнитивная аналитическая система "ЭЙД0С-Х++", является инструментарием системно-когнитивного анализа (СК-анализ), разработана в универсальной постановке, не зависящей от предметной области, и обеспечивает:
- формализацию предметной области;
- многопараметрическую типизацию, синтез, повышение качества и верификацию 10 статистических моделей и моделей знаний предметной области;
- распознавание (системную идентификацию и прогнозирование);
- поддержку принятия решений (типология);
- исследование семантической информационной модели (СИМ), включая: дивизивную и агломеративную когнитивную кластеризацию, конструктивный анализ и системно-когнитивный анализ (СК-анализ) СИМ: семантические и нейронные сети, когнитивные диаграммы, классические и интегральные когнитивные карты.
Разработчик концепции, математической модели (системной теории информации - СТИ), методики численных расчетов (структур данных и алгоритмов), программной реализации и технологии применения системы "Эйдос-Х-н-" (автоматизированный СК-анализ): д.э.н., к.т.н., профессор Луценко Евгений Вениаминович, Alaska CID: Е098865, http://Lc.lubagro.ru, [email protected] Система "Эйдос-Х++" разработана по инициативе автора: проф. Е.В.Луценко, без заказа и финансирования со стороны каких-либо организаций и все права на нее принадлежат автору (Патент РФ: http://lc.kubagro.ru/aidos/2012619610.jpg, http://lc.kubagro.ru/aidos/index.htm и статью: Луценко Е.В. 30 лет системе <Эйдос> - одной из старейших отечественных универсальных систем искусственного интеллекта, широко применяемых и развивающихся и в настоящее время / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №10(54). С. 48 - 77. - Шифр Информрегистра: 04209000120110.
- Режим доступа: http://ej.kubagro.ru/2009/10/pdf/04.pdf, 1,875 у.п.л.).
УЧАСТИЕ В РАЗРАБОТКЕ И СОАВТОРСТВО:
- Концепция групп приложений и алгоритмы голосования частных моделей в «ультимодели разработаны проф.Е.В.Луценко совместнс с Ph.D, Cand.Phys.-Math.Sci., Alexander Trunev, Director, АДЕ Trounev IT Consulting, Toronto, Canada: http://trounev.com/
- Программное обеспечение режимов 4.5 'Визуализация когнитивных функций' и 6.7 'Визуализация логотипов мультмоделей' разработано по постановке проф.Е.В.Луценко разработчиком интеллектуальных систем из Белоруссии Дмитрием Константиновичем Бандык.
КОНСУЛЬТАТИВНАЯ И МОРАЛЬНАЯ ПОДДЕРЖКА ПРОГРАММНОЙ РЕАЛИЗАЦИИ:
- Clifford Wiernik, CPA/CNE, Senior IT Analyst, www. aquafi nance, com cwi ernik@aquafi nance, com Tel: 800-234-3663 xll26,
Fax: 715-848-1411, Aqua Finance, Inc, One Corporate Dr, Ste 300, Wausau WI 54401, USA, Я благодарен Клиффорду за
его советы, которые были иногда как глоток прохладной чистой воды в пустыне.
- Roger Donnay, Professional Developer, Developer eXPress++, Boise, Idaho USA, http://donnay-software.com, http://bb.donnay-software.com. А при поддержке такого старого морского волка, как Роджер, самое далекое и рискованное заокеанское плавание превращается в увлекательнейший морской круиз на прекрасном клиппере, летящем над волнами под всеми парусами.
ЛИЦЕНЗИОННЫЕ СРЕДСТВА РАЗРАБОТКИ:
Alaska Xbase++ (R) Version 1. 90. 355 SL1 Cep. 16106281-143290, XbToosIII Cep.№205281-143319, http://alaska-software.com/
eXPress++ (C) Version 1.9 Build 255, http://donnay-software.com
Advantage Database Server (ADS) 10.0, №8142312, httpAdvantageDatabase.com
БЛАГОДАРНОСТЬ:
За приобретение лицензионных средств разработки автор благодарен зав.кафедрой компьютерных технологий и систем проф. В.И.Лойко и проректору по науке проф. Ю.П.Федулову ФГБОУ ВПО «Кубанский государственный аграрный университет»
Рисунок 1. Экранная форма с краткой информацией о системе «Эйдос»
Полное название системы «Эйдос»: Универсальная когнитивная аналитическая система «Эйдос»:
- универсальная, т.к. она разработан в универсальной постановке, независящей от предметной области. Поэтому она может быть применена везде, где человек применяет свой естественный интеллект;
- когнитивная, т.к. она является программным инструментарием системно-когнитивного анализа, реализует базовые когнитивные операции, обеспечивает преобразование информации в знания и является инструментом автоматизации некоторых аспектов процессов познания;
- аналитическая, т.к. она обеспечивает преобразование данных в информацию, а процедура преобразования данных в информацию называется «анализ» и состоит в выявлении смысла в данных. Согласно концепции Шенка-Абельсона смысл - это знание причинно-следственных зависимостей;
- Эйдос, т.к. она восстанавливает обобщенные образы объектов по их конкретным реализациям [11].
Немаловажно также отметить, что система «Эйдос» находится в полном отрытом бесплатном доступе, т.е. является общедоступной без предварительных условий, причем вместе с исходными текстами и полной документацией по ней1. Методику создания и применения интеллектуального риэлтерского приложения в СК-анализе и системе «Эйдос» рассмотрим на реальном примере оценки автомобилей с пробегом,
1 См.: http://lc.kubagro.ru/aidos/index.htm
http://ej.kubagro.ru/2013/10/pdf/36.pdf
взятом с сайта [8]. Особо отметим, что все исходные данные, а также матрицы промежуточных расчетов и результаты приводятся в полном виде, допускающем полную численную проверку всех расчетов и результатов.
2. Характеристика исходных данных
Ниже полностью приведен прайс-лист с сайта [8], содержащий исходные данные по состоянию на 10.12.2013 (таблица 1):
Таблица I - ИСХОДНЫЕ ДАННЫЕ ПО АНАЛОГАМ (АВТОМОБИЛЯМ С ПРОБЕГОМ) [81
Марка +модель Цена Марка Марка +модель Кузов Год выпуска Пробе г Объем двигателя Цвет КПП Отделка салона
Audi-A3 75000 0 Audi Audi-АЗ хэтчбек 2008 82000 1,4 белый А комбинированный
Audi-A3 67000 0 Audi Audi-АЗ хэтчбек 2010 55000 1,6 белый А ткань
Audi-A4 61000 0 Audi Audi-A4 седан 2005 14600 0 2,0 серебро А ткань
Audi-A6 93000 0 Audi Audi-A6 седан 2007 10000 0 2,4 черный А кожа
Audi-A6 87000 0 Audi Audi-A6 седан 2007 12000 0 2,4 серый А кожа
Audi-Q7 13000 00 Audi Audi-Q7 джип 2006 80000 4,2 серебро А кожа
Audi-Q7 14500 00 Audi Audi-Q7 джип 2007 16500 0 3,0 черный А кожа
BMW-116 70000 0 BMW BMW-116 купе 2010 30000 1,6 белый А ткань
BMW-118i 72500 0 BMW BMW-118i хэтчбек 2010 50400 1,8 белый А ткань
BMW-318 51500 0 BMW BMW-318 седан 2004 16000 0 2,0 т.синий А ткань
BMW-318 11000 00 BMW BMW-318 купе 2011 28000 2,0 белый А кожа
BMW-X3 13500 00 BMW BMW-X3 джип 2011 33000 2,0 серый А кожа
BMW-X5 16500 00 BMW BMW-X5 джип 2008 12500 0 3,0 черный А кожа
BMW-X6 34000 00 BMW BMW-X6 джип 2011 8000 3,5 белый А кожа
Chevrolet-Cruze 49500 0 Chevrolet Chevrolet-Cruze седан 2010 66000 1,6 серебро М ткань
Chevrolet-Epic a 59000 0 Chevrolet Chevrolet-Epic a седан 2012 22000 2,0 черный М комбинированный
Chevrolet-Lacetti 36500 0 Chevrolet Chevrolet-Lacetti хэтчб 2006 91000 1,6 синий А ткань
Chevrolet-Lacetti 33000 0 Chevrolet Chevrolet-Lacetti унив 2007 11000 0 1,6 красный М ткань
Chrysler-Se bring 55500 0 Chrysler Chrysler-Se bring седан 2008 90000 2,7 черный А кожа
Сйгоёп-СЗ Picasso 58000 0 Citrcren Сйгоёп-СЗ Picasso минивен 2010 11000 1,4 серый М ткань
С№гоёп-С4 35000 0 Citrcren С№гоёп-С4 купе 2007 13000 0 1,6 красный А ткань
С№гоёп-С4 33500 0 Citrcren С№гоёп-С4 хэтчбек 2008 84000 1,6 белый М ткань
С№гоёп-С4 46500 0 Citrcren С№гоёп-С4 хэтчбек 2010 10600 1,6 красный А ткань
С№гоёп-С5 27000 0 Citrcren С№гоёп-С5 лифтбек 2003 13500 0 2,0 сиреневый А ткань
С№гоёп-С5 43500 0 Citrcren С№гоёп-С5 лифтбек 2005 14300 0 2,0 черный А ткань
Dodge-Caliber 61200 0 Dodge Dodge-Caliber хэтчбек 2008 72000 1,8 темно-синий М ткань
Ford-S-Max 63000 0 Ford Ford-S-Max минивен 2006 11000 0 2,0 золото М кожа
Ford-S-Max 51000 0 Ford Ford-S-Max минивен 2008 10000 0 2,3 черный А ткань
Ford-Focus 2 37000 0 Ford Ford-Focus 2 хэтчбек 2006 14000 0 1,8 серебро М ткань
Ford-Focus 2 42000 0 Ford Ford-Focus 2 хэтчбек 2007 65000 1,6 черный М ткань
Ford-Focus 2 41500 0 Ford Ford-Focus 2 купе 2007 10100 0 2,0 черный А ткань
Ford-Focus 2 35000 0 Ford Ford-Focus 2 седан 2007 10000 0 1,6 серебро А ткань
Ford-Focus 2 39500 0 Ford Ford-Focus 2 седан 2008 90000 2,0 серебро А ткань
Ford-Focus 2 44000 0 Ford Ford-Focus 2 седан 2008 55000 1,6 серебро М ткань
Ford-Focus 2 48500 0 Ford Ford-Focus 2 седан 2008 57000 2,0 черный М ткань
Ford-Focus 2 39500 0 Ford Ford-Focus 2 седан 2008 90000 2,0 серебристый А ткань
Ford-Focus 2 57000 0 Ford Ford-Focus 2 хэтчбек 2010 20000 2,0 черный М ткань
rd-Focus2 51500 0 Ford Ford-Focus 2 хэтчбек 2010 50000 1,6 черный М ткань
Ford-Focus 2 63000 0 Ford Ford-Focus 2 седан 2011 18000 2,0 черный А ткань
Ford-Focus 2 70000 0 Ford Ford-Focus 2 седан 2012 6400 2,0 серо-голубой А ткань
Ford-Fusion 31500 0 Ford Ford-Fusion универс ал 2008 49500 1,6 серебристый М ткань
Ford-Galaxy 51500 0 Ford Ford-Galaxy универс ал 2006 16600 0 2,0 сереб-голубой М ткань
Ford-Mondeo 51500 0 Ford Ford-Mondeo седан 2008 13000 0 2,0 черный М ткань
Ford-Mondeo 60000 0 Ford Ford-Mondeo седан 2010 53000 2,3 черный А ткань
Ford-Escape XTL 60000 0 Ford Ford-Escape XTL джип 2008 84000 2,3 серебро А кожа
Ford-Expedition 90000 0 Ford Ford-Expedition джип 2004 14000 0 5,4 черный А кожа
Honda-Accord 93000 0 Honda Honda-Accord седан 2008 40000 2,4 серый А комбинированный
Honda-Civic 51500 0 Honda Honda-Civic хэтчбек 2008 56000 1,8 бежевый М ткань
Honda-Civic Hybrid 51500 0 Honda Honda-Civic Hybrid седан 2009 60000 1,3 черный А ткань
Honda-CR-V 62000 0 Honda Honda-CR-V джип 2005 10500 0 2,0 золотистый М ткань
Honda-CR-V 72000 0 Honda Honda-CR-V джип 2008 10600 0 2,0 синий М ткань
Hyundai-Getz 28500 0 Hyundai Hyundai-Getz купе 2007 23000 1,1 черный М ткань
Hyundai-Getz 31500 0 Hyundai Hyundai-Getz хэтчбек 2007 53000 1,4 темно-серый А ткань
Hyundai-IX35 67000 0 Hyundai Hyundai-IX35 джип 2010 13400 0 2,0 черный М ткань
Hyundai-Solaris 49500 0 Hyundai Hyundai-Solaris седан 2011 26000 1,4 серебро М ткань
Hyundai-Sonata 75500 0 Hyundai Hyundai-Sonata седан 2011 62000 2,0 черный А ткань
Hyundai-Santa Fe 62000 0 Hyundai Hyundai-Santa Fe джип 2006 75000 2,7 черный А ткань
Hyundai-Santa Fe 11300 00 Hyundai Hyundai-Santa Fe джип 2011 54000 2,2 белый А ткань
Hyundai-Tucson 55000 0 Hyundai Hyundai-Tucson джип 2006 77000 2,0 серый А комбинированный
Infinity- FX35 13000 00 Infinity lnfinity-FX35 джип 2007 13500 0 3,5 черный А кожа
Infinity- FX35 17000 00 Infinity lnfinity-FX35 джип 2009 50000 3,5 черный А кожа
lnfinity-FX37s 20600 00 Infinity lnfinity-FX37s джип 2010 17000 3,7 черный А кожа
lnfinity-FX37s 19500 00 Infinity lnfinity-FX37s джип 2011 38000 3,7 черный А кожа
Jaguar-XF 93000 0 Jaguar Jaguar-XF седан 2009 93000 3,0 черный А кожа
Kia-Rio 30000 0 Kia Kia-Rio седан 2004 60000 1,5 фиолетовый М ткань
Kia-Rio 57000 0 Kia Kia-Rio седан 2011 33000 1,6 черный М ткань
Kia-Rio 51500 0 Kia Kia-Rio седан 2013 7000 1,6 белый М ткань
Kia-Ceed 47500 0 Kia Kia-Ceed универс ал 2008 82000 1,6 бежевый металлик М ткань
Kia-Cerato 41500 0 Kia Kia-Cerato седан 2007 50000 1,6 голубой металлик М ткань
Kia-Camival 63000 0 Kia Kia-Carnival минивен 2007 96000 2,9 серебро А ткань
Kia-Sorento 64000 0 Kia Kia-Sorento джип 2007 10900 0 3,3 серый А кожа
Kia-Sportage 63000 0 Kia Kia-Sportage джип 2008 11700 0 2,0 черный М ткань
Kia-Sportage 66500 0 Kia Kia-Sportage джип 2009 70000 2,0 белый А ткань
Kia-Sportage 85000 0 Kia Kia-Sportage джип 2012 13500 2,0 белый М ткань
Range Rover-Sport 21700 00 Range Rover Range Rover-Sport джип 2008 47000 3,6 белый А кожа
Range Rover-Sport 16500 00 Range Rover Range Rover-Sport джип 2008 50000 3,6 черный А кожа
Range Rover-Evoque 10500 00 Range Rover Range Rover-Evoque джип 2007 16500 0 3,6 черный А кожа
Lifan -Smily 25000 0 Lifan Lifan -Smily хэтч 2011 5200 1,3 серый М ткань
Lexus-IS 250 95000 0 Lexus Lexus-IS 250 седан 2007 90045 2,5 белый А кожа
Lexus-IS 250 65000 0 Lexus Lexus-IS 250 седан 2007 92000 2,5 черный А ткань
Lexus-IS 250 88500 0 Lexus Lexus-IS 250 седан 2008 40000 2,5 оливковый А ткань
Lexus-IS 250 82500 0 Lexus Lexus-IS 250 седан 2008 70000 2,5 черный А ткань
Lexus-IS 250 93000 0 Lexus Lexus-IS 250 седан 2008 11300 0 2,5 белый А велюр
Lexus-SC 430 17500 00 Lexus Lexus-SC 430 кабриол ет 2008 19000 4,3 красный А кожа
Lexus-GS 300 81000 0 Lexus Lexus-GS 300 седан 2006 96000 3,0 серебро А кожа
Lexus-GS 300 10300 00 Lexus Lexus-GS 300 седан 2006 15000 0 3,0 черный А кожа
Lexus-GS 300 10300 00 Lexus Lexus-GS 300 седан 2007 15000 0 3,0 серо-голубой А кожа
Lexus-GS 300 11000 00 Lexus Lexus-GS 300 седан 2007 61000 3,0 черный А кожа
Lexus-GS 300 13000 00 Lexus Lexus-GS 300 седан 2007 75000 3,0 серебро А кожа
Lexus-GS 350 19990 00 Lexus Lexus-GS 350 седан 2012 20000 3,5 серебро А кожа
Lexus-GS 450H 10300 00 Lexus Lexus-GS 450H седан 2007 15000 0 3,5 серебро А кожа
Lexus-GS 450H 13000 00 Lexus Lexus-GS 450H седан 2008 61000 3,5 красный А кожа
Lexus-GX460 26500 00 Lexus Lexus-GX460 джип 2011 70000 4,6 черный А кожа
Lexus-RX 350 10800 00 Lexus Lexus-RX 350 джип 2006 13500 0 3,5 бежевый А кожа
Lexus-RX 350 88000 0 Lexus Lexus-RX 350 джип 2007 20000 0 3,5 серебро А кожа
Lexus-RX 350 12500 00 Lexus Lexus-RX 350 джип 2007 10600 0 3,5 бежевый А кожа
Lexus-RX 350 95000 0 Lexus Lexus-RX 350 джип 2007 12400 0 3,5 серебро А кожа
Lexus-RX 350 10300 00 Lexus Lexus-RX 350 джип 2007 11000 0 3,5 черный А кожа
Lexus-RX 350 10700 00 Lexus Lexus-RX 350 джип 2007 90000 3,5 черный А кожа
Lexus-RX 350 22650 00 Lexus Lexus-RX 350 джип 2010 16000 3,5 золотистый А кожа
Lexus-RX 350 23600 00 Lexus Lexus-RX 350 джип 2011 25500 3,5 черный А кожа
Lexus-RX 400H 98000 0 Lexus Lexus-RX 400H джип 2005 95000 3,3 черный А кожа
Lexus-RX 400H 12400 00 Lexus Lexus-RX 400H джип 2007 11000 0 3,3 серебро А кожа
Lexus-RX 400H 12400 00 Lexus Lexus-RX 400H джип 2008 14200 0 3,3 серебро А кожа
Lexus-RX 450H 16000 00 Lexus Lexus-RX 450H джип 2009 12000 0 3,5 белый А кожа
Lexus-LX 570 29500 00 Lexus Lexus-LX 570 джип 2010 68000 5,7 белый А кожа
Lexus-LX 570 36000 00 Lexus Lexus-LX 570 джип 2011 38000 5,7 белый А кожа
Mazda-3 38000 0 Mazda Mazda-3 седан 2006 80300 1,6 светло-голубой М ткань
Mazda-3 44000 0 Mazda Mazda-3 седан 2007 12000 0 2,0 темно-красный М ткань
Mazda-3 41500 0 Mazda Mazda-3 седан 2006 13300 0 1,8 т.красый М ткань
Mazda-3 62500 0 Mazda Mazda-3 седан 2011 41000 1,6 белый М ткань
Mazda-3 64500 0 Mazda Mazda-3 седан 2011 30000 1,6 синий А ткань
Mazda-6 85000 0 Mazda Mazda-6 седан 2011 25000 2,0 белый А ткань
Mazda-6 10700 00 Mazda Mazda-6 седан 2013 0 2,0 серый А ткань
Mazda-CX5 11300 00 Mazda Mazda-CX5 джип 2012 20000 2,0 белый А ткань
Mazda-CX7 89000 0 Mazda Mazda-CX7 джип 2008 70000 2,3 темно-вишневый А ткань
Mazda-CX7 77500 0 Mazda Mazda-CX7 джип 2008 15000 0 2,3 серебро А кожа
Mercedes-C180 67500 0 Mercedes Mercedes-C180 универс ал 2004 26500 0 1,8 серебристый М комбинированный
Mercedes-E200 12500 00 Mercedes Mercedes-E200 седан 2010 37000 1,8 черный А ткань
Mercedes-E320 69500 0 Mercedes Mercedes-E320 седан 2004 13000 0 5,0 черный А кожа
Mercedes-E500 80000 0 Mercedes Mercedes-E500 седан 2004 14500 0 5,0 черный А кожа
Mercedes-GLK220 15000 00 Mercedes Mercedes-GLK220 универс ал 2010 70000 2,2 черный А кожа
Mercedes-ML350 14250 00 Mercedes Mercedes-ML350 НЛО 2010 95000 3,5 черный А кожа
Mercedes-S320 18500 00 Mercedes Mercedes-S320 НЛО 2008 75000 3,2 черный А кожа
Mitsubishi-Galant 51500 0 Mitsubishi Mitsubishi-Galant седан 2007 11000 0 2,4 серый А ткань
Mazda-3 46000 0 Mazda Mazda-3 седан 2006 10500 0 1,6 серый А ткань
Mazda-3 46500 0 Mazda Mazda-3 седан 2008 75000 1,6 красный А ткань
Mazda-CX7 62000 0 Mazda Mazda-CX7 джип 2008 10000 0 2,3 красный А кожа
Mitsubishi-Lancer 36500 0 Mitsubishi Mitsubishi-Lancer седан 2006 94000 1,6 серо-зеленый М ткань
Mitsubishi-Lancer 40500 0 Mitsubishi Mitsubishi-Lancer седан 2007 13000 0 1,5 серый М ткань
Mitsubishi-Lancer 59000 0 Mitsubishi Mitsubishi-Lancer седан 2008 22000 2,0 черный Вар ткань
Mitsubishi-Lancer 70000 0 Mitsubishi Mitsubishi-Lancer седан 2012 5000 1,6 белый А ткань
Mitsubishi-Outlander 78500 0 Mitsubishi Mitsubishi-Outlander джип 2010 68000 2,4 серый А ткань
Mitsubishi-Outlander 12000 00 Mitsubishi Mitsubishi-Outlander джип 2011 27000 2,4 черный Вар кожа
Mitsubishi-Padero Sport 72500 0 Mitsubishi Mitsubishi-Padero Sport джип 2007 18000 0 3,0 черный А комбинированный
Mitsubishi-Pajero 43500 0 Mitsubishi Mitsubishi-Pajero джип 2001 15600 0 3,5 серебро А ткань
Mitsubishi-Pajero IV 10500 00 Mitsubishi Mitsubishi-Pajero IV джип 2008 95000 3,8 серебро А кожа
Mitsubishi-Pajero IV 12500 00 Mitsubishi Mitsubishi-Pajero IV джип 2008 85000 3,2 черный А кожа
Mitsubishi-Pajero IV 18500 00 Mitsubishi Mitsubishi-Pajero IV джип 2011 2000 3,2 черный А кожа
Nissan-Note 36500 0 Nissan Nissan-Note универс ал 2008 87000 1,6 серый М ткань
Nissan-Note 41500 0 Nissan Nissan-Note хэтчбек 2008 40000 1,4 серебро М ткань
Nissan-Tiida 42500 0 Nissan Nissan-Tiida хэтчбек 2007 65000 1,6 зеленый А ткань
Nissan-Tiida 41500 0 Nissan Nissan-Tiida хэтчбек 2008 34000 1,6 серый А кожа
Nissan-Tiida 56500 0 Nissan Nissan-Tiida седан 2011 17000 1,6 серебро М ткань
Nissan-Teana 75000 0 Nissan Nissan-Teana седан 2008 13000 0 2,5 черный А кожа
Nissan-Teana 10300 00 Nissan Nissan-Teana седан 2010 10000 2,5 серо-зеленый А кожа
Nissan-Qashqai 62000 0 Nissan Nissan-Qashqai джип 2008 61000 1,6 т.синий М ткань
Nissan-Qashqai 64500 0 Nissan Nissan-Qashqai джип 2008 11000 0 2,0 серый М кожа
Nissan-X-Trail 67000 0 Nissan Nissan-X-Trail джип 2007 78000 2,0 т.серый М ткань
Nissan-X-Trail 82500 0 Nissan Nissan-X-Trail джип 2008 12200 0 2,1 черный А ткань
Nissan-X-Trail 77500 0 Nissan Nissan-X-Trail джип 2008 60000 2,0 белый В ткань
Nissan-X-Trail 65000 0 Nissan Nissan-X-Trail джип 2008 14000 0 2,0 серебро В ткань
Nissan-X-Trail 77000 0 Nissan Nissan-X-Trail джип 2008 10000 0 2,0 черный А кожа
Nissan-X-Trail 11300 00 Nissan Nissan-X-Trail джип 2011 14000 2,0 серебро В ткань
Nissan-X-Trail 11000 00 Nissan Nissan-X-Trail джип 2012 46000 2,0 черный В кожа
Nissan-Murano 55000 0 Nissan Nissan-Murano джип 2003 77000 3,5 черный А кожа
Nissan-Murano 85000 0 Nissan Nissan-Murano джип 2007 35000 3,5 черный А кожа
Nissan-Murano 12500 00 Nissan Nissan-Murano джип 2010 15000 3,5 белый А кожа
Nissan-Pathfiender 12400 00 Nissan Nissan-Pathfiender джип 2009 51000 2,5 черный А кожа
Nissan-Patrol 10300 00 Nissan Nissan-Patrol джип 2005 10500 0 3,0 серый А ткань
Opel-Antara 62000 0 Opel Opel-Antara джип 2007 41000 2,4 синий М ткань
Opel-Astra 46500 0 Opel Opel-Astra хэтчбек 2007 69000 1,6 красный роб от ткань
Opel-Astra 43000 0 Opel Opel-Astra хэтчбек 2008 10000 0 1,3 черный М ткань
Opel-Astra 52000 0 Opel Opel-Astra седан 2009 54000 1,6 черный роб от ткань
Opel-Vektra 36500 0 Opel Opel-Vektra седан 2003 14500 0 1,8 серебристый М ткань
Opel-Vektra 48500 0 Opel Opel-Vektra седан 2007 65000 1,8 серебристый роб от ткань
Opel-Corsa 36500 0 Opel Opel-Corsa хэтчбек 2007 65000 1,2 голубой роб от ткань
Opel-Corsa 33500 0 Opel Opel-Corsa хэтчбек 2008 38000 1,0 голубой М ткань
Opel-Corsa 42000 0 Opel Opel-Corsa хэтчбек 2008 46000 1,2 черный М ткань
Opel-Corsa 50500 0 Opel Opel-Corsa хэтчбек 2012 7300 1,2 бежевый М ткань
Opel-lnsignia 11500 00 Opel Opel-lnsignia седан 2008 30000 2,8 серый А кожа
Opel-lnsignia 79900 0 Opel Opel-lnsignia универс ал 2010 37000 1,8 серый М кожа
Opel-lnsignia 93000 0 Opel Opel-lnsignia седан 2010 50000 2,0 серый А кожа
Opel-lnsignia 11300 00 Opel Opel-lnsignia седан 2012 5500 2,0 черно-синий А кожа
Peugeot-308 37000 0 Peugeot Peugeot-308 хэтчбек 2008 13000 0 1,6 красный М ткань
Peugeot-308 46500 0 Peugeot Peugeot-308 хэтчбек 2010 52000 1,6 серый М ткань
Peugeot-308 44500 0 Peugeot Peugeot-308 хэтчбек 2010 65000 1,6 белый М ткань
Peugeot-308 51500 0 Peugeot Peugeot-308 хэтчбек 2011 37000 1,6 черный А ткань
Peugeot-308 55000 0 Peugeot Peugeot-308 хэтчбек 2011 18000 1,6 белый А ткань
Porshe -Boxter 97000 0 Porshe Porshe -Boxter кабриол ет 2003 10000 0 2,7 серебро А кожа
Porshe -Cayne GTS 16450 00 Porshe Porshe -Cayne GTS джип 2008 13000 0 4,8 вишневый А кожа
Porshe -Cayne GTS 20000 00 Porshe Porshe -Cayne GTS джип 2008 80000 4,8 оранжевый А кожа
Porshe -Panamera 46000 00 Porshe Porshe -Panamera седан 2010 56000 4,8 черный А кожа
Renault-Clio 42000 0 Renault Renault-Clio купе 2009 77000 1,6 бежевый А ткань
Renault-Duster 69900 0 Renault Renault-Duster джип 2012 16000 2,0 серебро М ткань
Renault-Duster 72200 0 Renault Renault-Duster джип 2012 26000 2,0 св.серый М ткань
Renault-Fluence 51500 0 Renault Renault-Fluence седан 2012 32000 1,6 бежевый М ткань
Renault-Sandero 50000 0 Renault Renault-Sandero хэтчбек 2011 13200 1,6 черный М ткань
Renault-Simbol 21500 0 Renault Renault-Simbol седан 2005 11100 0 1,4 зеленый М ткань
Renault-Simbol 26500 0 Renault Renault-Simbol седан 2006 57000 1,4 серебристый М ткань
Renault-Simbol 31500 0 Renault Renault-Simbol седан 2006 60000 1,4 серый М ткань
Renault-Simbol 26500 0 Renault Renault-Simbol седан 2008 80000 1,4 зеленый М ткань
Renault-Koleos 75000 0 Renault Renault-Koleos джип 2008 74000 2,5 серый А кожа
Renault-Logan 25500 0 Renault Renault-Logan седан 2007 12000 0 1,4 синий М ткань
Renault-Logan 23500 0 Renault Renault-Logan седан 2008 88000 1,4 т.серый М ткань
Renault-Logan 29500 0 Renault Renault-Logan седан 2009 58000 1,4 светло-серый М ткань
Renault-Logan 41500 0 Renault Renault-Logan седан 2012 13787 1,4 красный М ткань
Renault-Megane 2 28000 0 Renault Renault-Megane 2 седан 2004 16000 0 1,6 серебро М ткань
Renault-Megane 2 33500 0 Renault Renault-Megane 2 седан 2006 75000 2,0 серебро М комбинированный
Renault-Megane 2 41500 0 Renault Renault-Megane 2 седан 2007 14000 0 1,6 бежевый М ткань
Renault-Megane 2 41500 0 Renault Renault-Megane 2 седан 2007 10000 0 1,6 черный М ткань
Renault-Megane 2 32500 0 Renault Renault-Megane 2 седан 2007 14000 0 1,6 серебро А ткань
Renault-Megane 2 35000 0 Renault Renault-Megane 2 седан 2008 10000 0 1,6 бордовый М ткань
Renault-Megane 2 41500 0 Renault Renault-Megane 2 седан 2008 20000 0 1,6 черный М ткань
Renault-Scenic 26000 0 Renault Renault-Scenic минивен 2003 11500 0 1,6 красный М ткань
Land Rover-Discavery 3 12300 00 Land Rover Land Rover-Discavery 3 джип 2008 70000 4,4 т.синий А кожа
Land Rover-Discavery 3 13300 00 Land Rover Land Rover-Discavery 3 джип 2008 10000 0 2,7 черный А кожа
Land Rover-Range Rover 26500 0 Land Rover Land Rover-Range Rover джип 1996 13000 0 4,6 серебристый А кожа
Range Rover-Sport 18000 00 Range Rover Range Rover-Sport джип 2008 80000 3,6 белый А кожа
Skoda-Fabia 31500 0 Skoda Skoda-Fabia хэтчбек 2007 56000 1,2 серо-голубой М ткань
Skoda-Oktavia 51000 0 Skoda Skoda-Oktavia седан 2007 80000 1,6 бежевый М ткань
Ssang Yong-Action 62500 0 Ssang Yong Ssang Yong-Action джип 2011 80000 2,0 серебро М ткань
Ssang Yong-Rexton 62000 0 Ssang Yong Ssang Yong-Rexton джип 2008 83000 2,0 серо-синий М комбинированный
Subaru -Impreza 41500 0 Subaru Subaru -Impreza седан 2007 58000 1,5 голубой М ткань
Subaru -Impreza 46500 0 Subaru Subaru -Impreza хэтчбек 2008 68000 1,5 серебро А ткань
Subaru -Impreza 46500 0 Subaru Subaru -Impreza хэтчбек 2008 84000 1,5 серый А ткань
Subaru -Impreza XV 82500 0 Subaru Subaru -Impreza XV хэтчбек 2011 53000 2,0 серый А ткань
Subaru -Outback 65000 0 Subaru Subaru -Outback универс ал 2005 10100 0 2,5 серебристый М ткань
Subaru -Forester 62000 0 Subaru Subaru -Forester универс ал 2007 88000 2,0 графит М ткань
Subaru -Forester 95000 0 Subaru Subaru -Forester универс ал 2009 10500 0 2,5 серый А кожа
Subaru -Forester 82500 0 Subaru Subaru -Forester универс ал 2008 10000 0 2,5 темно-серый А кожа
Suzuki-Gr.Vitara 49500 0 Suzuki Suzuki-Gr.Vitara джип 2007 14000 0 1,6 красный М ткань
Suzuki-Gr.Vitara 67500 0 Suzuki Suzuki-Gr.Vitara джип 2007 10600 0 2,0 т.синий М ткань
Suzuki-Gr.Vitara 75000 0 Suzuki Suzuki-Gr.Vitara джип 2010 11000 0 2,4 серый А ткань
Suzuki-Gr.Vitara 77500 0 Suzuki Suzuki-Gr.Vitara джип 2010 65000 2,4 черный М ткань
Toyota-Avalon 93000 0 Toyota Toyota-Avalon седан 2007 18000 3,5 черный А кожа
Toyota-Allion 39500 0 Toyota Toyota-Allion седан 2003 92000 1,5 серый А ткань
Toyota-Auris 45000 0 Toyota Toyota-Auris хэтчбек 2007 47000 1,6 светло-голубой роб от ткань
Toyota-Auris 51500 0 Toyota Toyota-Auris хэтчбек 2007 17500 1,6 светло-голубой роб от ткань
Toyota-Auris 43500 0 Toyota Toyota-Auris хэтчбек 2007 72000 1,6 серый роб от ткань
Toyota-Auris 43000 0 Toyota Toyota-Auris хэтчбек 2008 10000 0 1,6 серебро роб от ткань
Toyota-Auris 44500 0 Toyota Toyota-Auris хэтчбек 2008 44000 1,6 белый М ткань
Toyota-Auris 53500 0 Toyota Toyota-Auris хэтчбек 2008 70000 1,6 черный М ткань
Toyota-Auris 51500 0 Toyota Toyota-Auris хэтчбек 2008 55000 1,6 черный М ткань
Toyota-Auris 49000 0 Toyota Toyota-Auris хэтчбек 2008 74000 1,6 красный М ткань
Toyota-Auris 46000 0 Toyota Toyota-Auris хэтчбек 2008 96000 1,6 серебро роб от ткань
Toyota-Avensis 47500 0 Toyota Toyota-Avensis седан 2004 17000 0 1,8 серебро М ткань
Toyota-Avensis 50000 0 Toyota Toyota-Avensis седан 2005 11700 0 2,4 черный А кожа
Toyota-Avensis 51500 0 Toyota Toyota-Avensis седан 2006 12000 0 2,0 серебро А ткань
Toyota-Avensis 57000 0 Toyota Toyota-Avensis седан 2006 77000 1,8 оливковый М ткань
Toyota-Avensis 65000 0 Toyota Toyota-Avensis седан 2006 13000 0 1,8 черный М ткань
Toyota-Avensis 56500 0 Toyota Toyota-Avensis седан 2006 11100 0 2,0 т.серый А кожа
Toyota-Avensis 51500 0 Toyota Toyota-Avensis седан 2006 14000 0 1,8 св.оливковый м ткань
Toyota-Avensis 55500 0 Toyota Toyota-Avensis седан 2007 13000 0 1,8 оливковый А ткань
Toyota-Avensis 56000 0 Toyota Toyota-Avensis седан 2007 70000 1,8 синий м ткань
Toyota-Avensis 62000 0 Toyota Toyota-Avensis седан 2007 60000 1,8 черный м ткань
Toyota-Avensis 51500 0 Toyota Toyota-Avensis седан 2007 14000 0 1,8 черный м ткань
Toyota-Avensis 57500 0 Toyota Toyota-Avensis седан 2007 86000 2,0 т.серый А ткань
Toyota-Avensis 62000 0 Toyota Toyota-Avensis седан 2007 88000 2,0 оливковый А кожа
Toyota-Avensis 62000 0 Toyota Toyota-Avensis седан 2007 10000 0 2,0 серебро А ткань
Toyota-Avensis 64000 0 Toyota Toyota-Avensis седан 2007 14100 0 1,8 серебро А ткань
Toyota-Avensis 46500 0 Toyota Toyota-Avensis седан 2008 10300 0 1,8 черный м ткань
Toyota-Avensis 57000 0 Toyota Toyota-Avensis седан 2008 10300 0 1,8 черный м ткань
Toyota-Avensis 62000 0 Toyota Toyota-Avensis седан 2008 11700 0 1,8 серебро м ткань
Toyota-Avensis New 79500 0 Toyota Toyota-Avensis New седан 2009 50000 1,8 серебристый А ткань
Toyota-Avensis New 87000 0 Toyota Toyota-Avensis New седан 2010 18000 1,8 темно-себристый А ткань
Toyota-Camry 57000 0 Toyota Toyota-Camry седан 2005 12200 0 2,4 серый А ткань
Toyota-Camry 72100 0 Toyota Toyota-Camry седан 2006 57000 2,4 черный А кожа
Toyota-Camry 72100 0 Toyota Toyota-Camry седан 2007 12000 0 2,4 темно-серый А кожа
Toyota-Camry 67500 0 Toyota Toyota-Camry седан 2007 91000 3,5 черный А кожа
Toyota-Camry 66000 0 Toyota Toyota-Camry седан 2007 13500 0 2,4 серебро А кожа
Toyota-Camry 68000 0 Toyota Toyota-Camry седан 2007 51000 2,4 темно-серый А кожа
Toyota-Camry 73000 0 Toyota Toyota-Camry седан 2007 46000 2,4 бирюзовый А кожа
Toyota-Camry 64000 0 Toyota Toyota-Camry седан 2008 91000 2,4 серый М ткань
Toyota-Camry 65000 0 Toyota Toyota-Camry седан 2008 17000 0 2,4 черный А кожа
Toyota-Camry 73000 0 Toyota Toyota-Camry седан 2008 78000 2,4 бирюзовый А кожа
Toyota-Camry 72500 0 Toyota Toyota-Camry седан 2008 95000 2,4 темно-серый А ткань
Toyota-Camry 77500 0 Toyota Toyota-Camry седан 2008 10600 0 2,4 темно-серый А кожа
Toyota-Camry 82500 0 Toyota Toyota-Camry седан 2009 65000 2,4 серебро А кожа
Toyota-Camry 87000 0 Toyota Toyota-Camry седан 2009 60000 2,4 черный А кожа
Toyota-Camry 87500 0 Toyota Toyota-Camry седан 2009 62000 2,4 черный А велюр
Toyota-Camry 88000 0 Toyota Toyota-Camry седан 2010 70000 2,4 белый А велюр
Toyota-Camry 13000 00 Toyota Toyota-Camry седан 2011 28000 3,5 черный А кожа
Toyota-Camry 10300 00 Toyota Toyota-Camry седан 2012 21000 2,5 черный А кожа
Toyota-Camry 94000 0 Toyota Toyota-Camry седан 2013 9800 2,0 т.серый А кожа
Toyota-Corolla 33500 0 Toyota Toyota-Corolla хэтчбек 2005 45000 1,4 красный М ткань
Toyota-Corolla 39000 0 Toyota Toyota-Corolla хэтчбек 2005 15000 0 1,6 серебро М ткань
Toyota-Corolla 43500 0 Toyota Toyota-Corolla хэтчбек 2005 63000 1,6 красный А ткань
Toyota-Corolla 39500 0 Toyota Toyota-Corolla хэтчбек 2006 12800 0 1,6 т.серый М ткань
Toyota-Corolla 41500 0 Toyota Toyota-Corolla седан 2007 13000 0 1,6 серебро роб от ткань
Toyota-Corolla 41500 0 Toyota Toyota-Corolla седан 2007 13000 0 1,6 серебро М ткань
Toyota-Corolla 46500 0 Toyota Toyota-Corolla хэтчбек 2006 11300 0 1,6 светло-синий А ткань
Toyota-Corolla 43000 0 Toyota Toyota-Corolla седан 2007 11400 0 1,6 серебро роб от ткань
Toyota-Corolla 42000 0 Toyota Toyota-Corolla седан 2007 14000 0 1,6 черный роб от ткань
Toyota-Corolla 43500 0 Toyota Toyota-Corolla седан 2007 14700 0 1,6 серебро роб от ткань
Toyota-Corolla 44500 0 Toyota Toyota-Corolla седан 2007 71000 1,6 серебро м ткань
Toyota-Corolla 43500 0 Toyota Toyota-Corolla седан 2007 61000 1,6 т.серый роб от ткань
Toyota-Corolla 48500 0 Toyota Toyota-Corolla седан 2007 75000 1,6 светло-голубой роб от ткань
Toyota-Corolla 44500 0 Toyota Toyota-Corolla седан 2007 90000 1,6 серебро роб от ткань
Toyota-Corolla 50000 0 Toyota Toyota-Corolla седан 2007 75000 1,6 серебро м ткань
Toyota-Corolla 45000 0 Toyota Toyota-Corolla седан 2008 10100 0 1,4 светло-голубой м ткань
Toyota-Corolla 45000 0 Toyota Toyota-Corolla седан 2008 75000 1,6 серебро м ткань
Toyota-Corolla 46500 0 Toyota Toyota-Corolla седан 2008 64000 1,6 красный роб от ткань
Toyota-Corolla 46500 0 Toyota Toyota-Corolla седан 2008 71000 1,6 серебро роб от ткань
Toyota-Corolla 46500 0 Toyota Toyota-Corolla седан 2008 13500 0 1,6 серебро роб от ткань
Toyota-Corolla 49500 0 Toyota Toyota-Corolla седан 2008 14000 0 1,6 т.серый роб от ткань
Toyota-Corolla 50500 0 Toyota Toyota-Corolla седан 2008 12700 0 1,6 черный роб от ткань
Toyota-Corolla 50500 0 Toyota Toyota-Corolla седан 2008 13000 0 1,6 красный роб от ткань
Toyota-Corolla 46500 0 Toyota Toyota-Corolla седан 2008 85000 1,6 белый роб от ткань
Toyota-Corolla 51500 0 Toyota Toyota-Corolla седан 2008 95000 1,6 серебро роб от ткань
Toyota-Corolla 52500 0 Toyota Toyota-Corolla седан 2008 71000 1,6 т.серый роб от ткань
Toyota-Corolla 53500 0 Toyota Toyota-Corolla седан 2008 40000 1,6 серебро м ткань
Toyota-Corolla 48000 0 Toyota Toyota-Corolla седан 2008 64000 1,6 красный роб от ткань
Toyota-Corolla 54000 0 Toyota Toyota-Corolla седан 2008 8000 1,6 серебристый м ткань
Toyota-Corolla 60000 0 Toyota Toyota-Corolla седан 2008 30000 1,6 темно-серый роб от ткань
Toyota-Corolla 62000 0 Toyota Toyota-Corolla седан 2010 47000 1,6 черный м ткань
Toyota-Corolla 62000 0 Toyota Toyota-Corolla седан 2010 67000 1,6 белый А ткань
Toyota-Corolla 67000 0 Toyota Toyota-Corolla седан 2010 50000 1,6 серебро А ткань
Toyota-Corolla 74500 0 Toyota Toyota-Corolla седан 2010 65000 1,6 серебристый А ткань
Toyota-Corolla 67000 0 Toyota Toyota-Corolla седан 2010 50000 1,6 серебристый А ткань
Toyota-Corolla 65000 0 Toyota Toyota-Corolla седан 2011 40000 1,6 белый А ткань
Toyota-Corolla 67000 0 Toyota Toyota-Corolla седан 2011 36000 1,6 черный А ткань
Toyota-Corolla 69000 0 Toyota Toyota-Corolla седан 2011 48000 1,6 серебристый А ткань
Toyota-Corolla 68000 0 Toyota Toyota-Corolla седан 2011 24000 1,6 серебро А ткань
Toyota-Corolla 75500 0 Toyota Toyota-Corolla седан 2011 20000 1,6 черный А ткань
Toyota-Corolla 70000 0 Toyota Toyota-Corolla седан 2012 23000 1,6 серый А ткань
Toyota-Corolla Verso 51500 0 Toyota Toyota-Corolla Verso минивен 2006 11600 0 1,8 т.синий роб от ткань
Toyota-Corolla Verso 72500 0 Toyota Toyota-Corolla Verso минивен 2008 70500 1,8 серебристый роб от ткань
Toyota-Highlander 14700 00 Toyota Toyota-Highlander джип 2011 85000 3,5 черный А кожа
Toyota-Highlander 16500 00 Toyota Toyota-Highlander джип 2011 35000 3,5 черный А кожа
Toyota-Highlander 16500 00 Toyota Toyota-Highlander джип 2011 50000 3,5 белый А кожа
Toyota-Highlander 16500 00 Toyota Toyota-Highlander джип 2011 60000 3,5 черный А кожа
Toyota-Hilux 14000 00 Toyota Toyota-Hilux пикап 2012 20000 3,0 белый А велюр
Toyota-LC 80 62000 0 Toyota Toyota-LC 80 джип 1997 25600 0 4,5 т.зеленый А кожа
Toyota-LC 100 10500 00 Toyota Toyota-LC 100 джип 2000 36000 0 4,2 серебро А кожа
Toyota-LC 100 11500 00 Toyota Toyota-LC 100 джип 2004 14700 0 4,7 серебро А кожа
Toyota-LC 100 12990 00 Toyota Toyota-LC 100 джип 2006 29000 0 4,7 черный А кожа
Toyota-LC 100 13500 00 Toyota Toyota-LC 100 джип 2006 90000 4,2 черный м ткань
Toyota-LC 200 17600 00 Toyota Toyota-LC 200 джип 2007 15000 0 4,7 серый А кожа
Toyota-LC 200 17000 00 Toyota Toyota-LC 200 джип 2007 22000 0 4,7 черный А кожа
Toyota-LC 200 20600 00 Toyota Toyota-LC 200 джип 2008 70000 4,7 темно-серый А кожа
Toyota-LC 200 19000 00 Toyota Toyota-LC 200 джип 2008 82000 4,7 черный А кожа
Toyota-LC 200 18500 00 Toyota Toyota-LC 200 джип 2008 15600 0 4,7 серебро А кожа
Toyota-LC 200 20600 00 Toyota Toyota-LC 200 джип 2008 15000 0 4,7 черный А кожа
Toyota-LC Prado 120 10500 00 Toyota Toyota-LC Prado 120 джип 2004 17000 0 4,0 темно-синий А кожа
Toyota-LC Prado 120 11300 00 Toyota Toyota-LC Prado 120 джип 2006 13000 0 4,0 бежевый А кожа
Toyota-LC Prado 120 11400 00 Toyota Toyota-LC Prado 120 джип 2006 14500 0 4,0 черный А кожа
Toyota-LC Prado 120 11000 00 Toyota Toyota-LC Prado 120 джип 2006 17100 0 4,0 бежевый А кожа
Toyota-LC Prado 120 13100 00 Toyota Toyota-LC Prado 120 джип 2007 90000 4,0 серебро А кожа
Toyota-LC Prado 120 12600 00 Toyota Toyota-LC Prado 120 джип 2007 80000 4,0 серебро А ткань
Toyota-LC Prado 120 13400 00 Toyota Toyota-LC Prado 120 джип 2008 19000 0 4,0 серебро А кожа
Toyota-LC Prado 120 14500 00 Toyota Toyota-LC Prado 120 джип 2008 67000 4,0 черный А кожа
Toyota-LC Prado 120 15000 00 Toyota Toyota-LC Prado 120 джип 2008 10500 0 4,0 черный А кожа
Toyota-LC Prado 150 21600 00 Toyota Toyota-LC Prado 150 джип 2009 50000 4,0 черный А кожа
Toyota-LC Prado 150 16950 00 Toyota Toyota-LC Prado 150 джип 2009 92000 4,0 черный А кожа
Toyota-LC Prado 150 21600 00 Toyota Toyota-LC Prado 150 джип 2009 70000 4,0 темно-серый А кожа
Toyota-LC Prado 150 20600 00 Toyota Toyota-LC Prado 150 джип 2010 47000 4,0 серебро А кожа
Toyota-LC Prado 150 20600 00 Toyota Toyota-LC Prado 150 джип 2010 43000 3,0 черный А кожа
Toyota-LC Prado 150 18900 00 Toyota Toyota-LC Prado 150 джип 2010 40000 3,0 серый А кожа
Toyota-LC Prado 150 20600 00 Toyota Toyota-LC Prado 150 джип 2010 40000 3,0 графит А кожа
Toyota-LC Prado 150 17500 00 Toyota Toyota-LC Prado 150 джип 2011 50000 3,0 черный А ткань
Toyota-LC Prado 150 18000 00 Toyota Toyota-LC Prado 150 джип 2011 43000 3,0 белый А кожа
Toyota-LC Prado 150 16500 00 Toyota Toyota-LC Prado 150 джип 2012 35000 2,7 серебро А ткань
Toyota-LC Prado 150 19500 00 Toyota Toyota-LC Prado 150 джип 2012 30000 3,0 серый А ткань
Toyota-Prius 51500 0 Toyota Toyota-Prius лифт 2008 70000 1,5 бежевый А кожа
Toyota-Rav 4 42500 0 Toyota Toyota-Rav 4 джип 2001 14400 0 2,0 серебристый М кожа
Toyota-Rav 4 45000 0 Toyota Toyota-Rav 4 джип 2002 46000 0 2,0 серебро А ткань
Toyota-Rav 4 Long 83000 0 Toyota Toyota-Rav 4 Long джип 2005 20000 2,4 серебристый А кожа
Toyota-Rav 4 70000 0 Toyota Toyota-Rav 4 джип 2006 95000 2,0 черный А кожа
Toyota-Rav 4 62000 0 Toyota Toyota-Rav 4 джип 2006 50000 2,0 черный А ткань
Toyota-Rav 4 82500 0 Toyota Toyota-Rav 4 джип 2007 70000 2,0 красный А кожа
Toyota-Rav 4 75500 0 Toyota Toyota-Rav 4 джип 2008 70000 2,0 черный А кожа
Toyota-Rav 4 77500 0 Toyota Toyota-Rav 4 джип 2008 93000 2,0 черный А кожа
Toyota-Rav 4 80000 0 Toyota Toyota-Rav 4 джип 2008 63000 2,0 черный А кожа
Toyota-Rav 4 87500 0 Toyota Toyota-Rav 4 джип 2008 10000 0 2,0 серебро А кожа
Toyota-Rav 4 82500 0 Toyota Toyota-Rav 4 джип 2008 42000 2,0 черный А кожа
Toyota-Rav 4 82500 0 Toyota Toyota-Rav 4 джип 2008 81000 2,0 джинс А ткань
Toyota-Rav 4 82500 0 Toyota Toyota-Rav 4 джип 2008 14400 0 2,0 черный А кожа
Toyota-Rav 4 87000 0 Toyota Toyota-Rav 4 джип 2008 64000 2,0 джинс А ткань
Toyota-Rav 4 85000 0 Toyota Toyota-Rav 4 джип 2010 47000 2,0 серебро А ткань
Toyota-Rav 4 98000 0 Toyota Toyota-Rav 4 джип 2010 56000 2,0 т.серый(титан) в кожа
Toyota-Rav 4 99900 0 Toyota Toyota-Rav 4 джип 2010 25000 2,0 красный в кожа
Toyota-Rav 4 11000 00 Toyota Toyota-Rav 4 джип 2010 72000 2,0 белый в кожа
Toyota-Rav 4 10800 00 Toyota Toyota-Rav 4 джип 2010 69000 2,4 черный А кожа
Toyota-Rav 4 94000 0 Toyota Toyota-Rav 4 джип 2011 40000 2,0 т.серый А ткань
Toyota-Rav 4 10000 00 Toyota Toyota-Rav 4 джип 2011 15000 2,0 черный В ткань
Toyota-Rav 4 10300 00 Toyota Toyota-Rav 4 джип 2011 47000 2,0 черный А кожа
Toyota-Rav 4 11330 00 Toyota Toyota-Rav 4 джип 2012 10000 2,0 серебро В ткань
Toyota-Rav 4 13400 00 Toyota Toyota-Rav 4 джип 2012 6000 2,0 бел.перламутр А кожа
Toyota-Rav 4 11800 00 Toyota Toyota-Rav 4 джип 2013 1800 2,0 серебро М ткань
Volkswagen-Caddy 60000 0 Volkswagen Volkswagen-Caddy НЛО 2010 81000 1,6 черный М ткань
Volkswagen-Caddy 70000 0 Volkswagen Volkswagen-Caddy НЛО 2011 12000 1,2 красный М ткань
Volkswagen-Golf 24500 0 Volkswagen Volkswagen-Golf хэтчбек 1999 20000 0 1,4 серебристый М ткань
Volkswagen-Golf 58500 0 Volkswagen Volkswagen-Golf хэтчбек 2010 84000 1,6 черный М ткань
Volkswagen-Jetta 64000 0 Volkswagen Volkswagen-Jetta седан 2012 18000 1,6 белый М ткань
Volkswagen-Passat 99000 0 Volkswagen Volkswagen-Passat седан 2010 41000 1,8 белый А кожа
Volkswagen-Passat 10800 00 Volkswagen Volkswagen-Passat седан 2011 53000 1,8 черный А комбинированный
Volkswagen-Passat Variant 11000 00 Volkswagen Volkswagen-Passat Variant универс ал 2011 28000 1,8 черный А ткань
Volkswagen-Touareg 82000 0 Volkswagen Volkswagen-Touareg джип 2005 20600 0 3,2 черный А кожа
Volkswagen-Touareg 11500 00 Volkswagen Volkswagen-Touareg джип 2006 65000 3,2 черный А ткань
Volkswagen-Touareg 10300 00 Volkswagen Volkswagen-Touareg джип 2008 96000 3,6 черный А кожа
Volkswagen-Touareg 12300 00 Volkswagen Volkswagen-Touareg джип 2008 12000 0 3,0 черный А кожа
Volkswagen-Touareg 13500 00 Volkswagen Volkswagen-Touareg джип 2008 85000 3,0 бежевый А ткань
Volkswagen-Touareg 13500 00 Volkswagen Volkswagen-Touareg джип 2008 90000 3,0 черный А ткань
Volkswagen-Touareg 13000 00 Volkswagen Volkswagen-Touareg джип 2008 91000 2,5 черный А ткань
Volkswagen-Touareg 21000 00 Volkswagen Volkswagen-Touareg джип 2011 48000 3,6 бежевый А кожа
Volkswagen-Touareg 23000 00 Volkswagen Volkswagen-Touareg джип 2011 11000 3,6 серебро А кожа
Volvo-S80 72500 0 Volvo Volvo-S80 седан 2007 60000 2,5 черный А кожа
Volvo-XC90 52000 0 Volvo Volvo-XC90 джип 2003 88000 2,9 серебро А кожа
Volvo-XC90 62000 0 Volvo Volvo-XC90 джип 2005 14700 0 2,9 белый А кожа
Volvo-XC90 82500 0 Volvo Volvo-XC90 джип 2007 14000 0 2,4 черный А кожа
Примечание: В столбце: «Объем двигателя» были убраны латинские буквы в некоторых строках,
обозначающие, «Турбо», «Дизель», «Турбо дизель» и т.п. Это было сделано с той целью, чтобы все значения в этом столбце были числовыми. Также числовой тип присвоен столбцу «Год».
Каждый аналог или объект обучающей выборки описан в таблице 1 как своими признаками, так и ценой. Подобное описание называется онтологией или когнитивной
структурой и, по сути, является определением этого конкретного объекта путем подведения его под более общее понятие, в качестве которого в нашей задаче выступает цена, и указания его признаков, среди которых есть и общие с другими объектами, и специфические.
Первой задачей интеллектуальной системы является создание модели, содержащей обобщение этих конкретных определений и формирование обобщенных образов ценовых классов и их опрделение, в которых для каждого значения показателя будет в количественной форме указано, как это значение влияет на цену.
Второй задачей является использование этой модели для количественного сравнения оцениваемого объекта, описанного определенным набором значений показателей, с обобщенными ценовыми образами аналогов, т.е. с ценовыми классами, т.е. собственно его оценка.
Из таблицы 1 видно, что аналоги в ней описаны с помощью номинальных (текстовых) и числовых измерительных шкал, градации которых измеряются в различных единицах измерения. Теоретическое обоснование возможности корректной совместной сопоставимой обработки подобных данных дано в работах автора [7] и других. Основной принцип, на основе которого это становится возможным, состоит в том, что все показатели описывающие объекты рассматриваются только с точки зрения того, какое количество информации содержится в них о принадлежности объекта к определенным классам, в данном случае к ценовым категориям.
3. Этапы системно-когнитивного анализа и преобразование данных в информацию, а ее в знания в системе «Эйдос»
Системно-когнитивный анализ включает следующие этапы [5], которые полностью автоматизированы в системе «Эйдос», за исключением первого (рисунок 2):
1. Когнитивная структуризация предметной области.
2. Формализация предметной области:
2.1. Разработка классификационных и описательных шкал и градаций.
2.2. Разработка обучающей выборки, т.е. описание исходных данных с помощью кодов градаций классификационных и описательных шкал.
3. Синтез и верификация моделей.
4. Выбор наиболее достоверной модели.
5. Решение задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области с применением наиболее достоверной модели.
шкалы и градации
ОЬі_гад
Заголовки объектов обучаюшрй выборки
Базы
знаний
Выбор одной из моделей баз знаний в качестве текущей
Решение задач поддержки принятия решений
Последовательность обработки данных, информации и знаний в системе ЭИдос-Х++ ^Когнитивная структуризация предметной области)
ОЫ_Кс1
Коды классов объектов обучающей выборки
№1
Количество знаний по А.Харкевичу
Ргс1
Вероятность того, что если у объекта }-го класса обнаружен признак, то это ий признак
АЬэ
Матрица абсолютных частот встреч сочетаний: класс х признак (матрица сопряженности)
Ргс2
Вероятность того, что если предъявлен объект ]-го класса, то у него будет обнаружен ^й признак.
Решение задач идентифкации и прогнозирования
ОЫ_Крг
Коды признаков объектов обучающей выборки
Решение задач исследования предметной области,путем исследования ее модели___________________
■»Г7
Разность условной и безусловной вероятностей
Орів_5с. Ог_ОрБс Описательные
Формализация предметной области
Исходные БД для расчета БЗ
№3
Хи-квадрат: разности между фактическими и теоретически ожидаемыми по критерию
СІа5Б_5с, 6г_С15с Классификационные шкалы и градации
Обучаются
выборка
№4
(*01 - (?е1игп Оп ІпуезЬтіепЛ
1№6
Разность условной и безусловной вероятностей
№2
Количество знаний по А.Харкевичу
1№5
Р*ОІ - ЯеШгп Оп (пуейтеп*
ґ,
Решение задач
Рисунок 2. Последовательность преобразования данных в информацию, а ее в знания в СК-аналше и системе «Эйдос» [9]
Рассмотрим конкретно, как реализуются этапы СК-анализа в системе «Эйдос» при решении поставленной в работе проблемы.
4. Когнитивная структуризация предметной области
Это единственный не автоматизированный этап СК-анализа. На этом этапе решается, что мы хотим определить и на основе чего. В данном случае мы на основе показателей автомобиля с пробегом хотим определить его стоимость. Это решение формализуется в виде справочников классификационных и описательных шкал (см. таблицы 2, 3):
Таблица 2 - СПРАВОЧНИК КЛАССИФИКАЦИОННЫХ ШКАЛ
Ко д Наименование
1 ЦЕНА
Таблица 3 - СПРАВОЧНИК ОПИСАТЕЛЬНЫХ ШКАЛ
Ко Д Наименование
1 МАРКА
2 МАРКА+МОДЕЛЬ
3 КУЗОВ
4 ГОД ВЫПУСКА
5 ПРОБЕГ
6 ОБЬЕМ ДВИГАТЕЛЯ
7 ЦВЕТ
8 КПП
9 ОТДЕЛКА САЛОНА
5. Формализация предметной области
Формализация предметной области включает:
- разработку классификационных и описательных шкал и градаций;
- разработка обучающей выборки, т.е. описание исходных данных с помощью кодов градаций классификационных и описательных шкал.
Эти функции могут выполняться в системе «Эйдос» вручную или автоматически в режиме 2.3.2.2 «Универсальный программный интерфейс импорта данных в систему Эйдос-Х++», экранная форма которого приведена на рисунке 3:
е> 2.3.2.2. Универсальный программный интерфейс импорта данных в систему "ЭИДОС-Х-*-
| | В
Автоматическая формализация предметной области: генерация классификационных и описательных шкал и градаций, а также обучающей и распознаваемой выборки на основе базы исходных данных: "1пр_(1а1а”
Стандарт XLS-файла
Задайте тип файла исходных данных: "lnp_data":
XLS - MS Excel-2003
Г XLSX- M S E xcel-2007(2010) ------------------------
Г DBF - DBASE IV (DBF/NTX) Стандарт DBF-Файла
С CSV - Comma-Separated Values Стандарт CSV-Файла
Задайте диапазон столбцов классификационных шкал: Начальный столбец классификационных шкал: | 2
Конечный столбец классификационных шкал: I 2
Задайте режим:
(* Формализации предметной области (на основе ,,lnp_data") С Генерации распознаваемой выборки (на основе "1пр_га$р")
Задание параметров Формирования сценариев:
Г* Применить сценарный метод прогнозирования СК-анализа?
Ok
Cancel I
Считать нули и пробелы отсутствием данных?
(• Да Нули и пробелы считаются отсутствием данных
С Нет Г* Не знаю
Пояснения по работе конвертера исходных данных
Задайте диапазон столбцов описательных шкал: Начальный столбец описательных шкал: Конечный столбец описательных шкал:
Задайте способ выбора размера интервалов:
(♦ Равные интервалы с разным числом наблюдений С Разные интервалы с равным числом наблюдений
Описание сценарного метода прогнозирования СК-анализа
Рисунок 3. Экранная форма режима 2.3.2.2 «Универсальный программный интерфейс
импорта данных в систему Эйдос-Х++»
Для запуска этого режима необходимо предварительно записать Ехсе1-файл исходных данных, представленный в таблице 1, с именем Inp_data.xls в папку:
c:\Aidos-X\AID_DATA\Inp_data\Inp_data.xls Затем необходимо задать диапазон столбцов с классификационными шкалами и диапазон столбцов с описательными шкалами с остальными параметрами по умолчанию и нажать ОК.
5.1. Разработка классификационных и описательных шкал и градаций Затем система открывает Ехсе1-файл и определяет количество классификационных и описательных шкал и градаций текстового и числового типов при заданных ранее параметрах. Отображается экранная форма встроенного калькулятора, в которой мы видим результаты этого расчета, общую размерность модели, а также можем задать число градаций в числовых классификационных и описательных шкалах, если они есть (рисунок 4):
{♦) 2.3.2.2. Задание размерности модели системы "ЭЙДОС-Х++"
в Г
ЗАДАНИЕ В ДИАЛОГЕ РАЗМЕРНОСТИ МОДЕЛИ
Суммарное количество градаций классификационных и описательных шкал: [10 х 266]
Текстовые
описательных
описательных
на класс, шкалу
10,00
0,00
236
10,00
39,33
ВСЕГО:
10,00
266
29,56
Задайте число интервалов (градаций) в шкале: В классификационных шкалах:
10
В описательных шкалах:
10
Пересчитать шкалы и градации
Выйти на создание модели
Рисунок 4. Экранная форма встроенного калькулятора режима 2.3.2.2.
После задания числа градаций в числовых классификационных и описательных шкалах необходимо пересчитать характеристики модели, и если все устраивает, выйти на ее создание.
При задании количества градаций числовых шкал необходимо исходить из определенных соображений, связанных с теоремой Котельникова об отсчетах [10]. Чем больше мы зададим количество интервалов, тем меньше они будут и тем точнее модель будет давать оценки. Но лишь при том условии, что все интервальные значения будут представлены в эмпирических данных несколькими примерами. Ясно, что чем больше интервалов, тем больше необходимо данных для их заполнения. Получается, что чем мы точнее хотим получить модель, тем больше нам нужно исходных данных. А если у нас нет возможности увеличить объем исходных данных, то приходится выбирать такое количество интервалов, чтобы они все они были представлены несколькими примерами при таком их объеме. Чем меньше исходных данных, тем большего размера необходимо выбирать интервалы, чтобы они были представлены, тем ниже будет точность модели.
В процессе создания модели режим конвертирует его в сЦ^-файл, стандартный для баз данных системы «Эйдос». Стадия выполнения этого процесса отображается в форме Ргс^гезз-Ьаг (рисунок 5).
ф 2.З.2.2. Процесс импорта данных из внешней БД "1пр_(^а" в систему "ЭЙДОС-Х+V [ 1—1 I
-Стадии исполнения процесса
1/3: Формирование классификационных и описательных шкал и градаций на основе БД “1пр_с(а(а'' - Готово 2/3: Генерация обучающей выборки и базы событий "ЕуегйгКО* на основе БД "1пр_с1в1а" - Готово 3/3: Переиндексация всех баз данных нового приложения - Готово
ПРОЦЕСС ФОРМАЛИЗАЦИИ ПРЕДМЕТНОЙ ОБЛАСТИ ЗАВЕРШЕН УСПЕШНО !!!
Прогноз времени исполнения
Начало: 23:48:51 Окончание: 23:48:58
0к
Прошло: 0:00:07 Осталось: 0:00:00
Рисунок 5. Экранная форма, отражающая этапы и стадию исполнения процесса импорта данных
в систему «Эйдос-Х++» ш внешней базы данных
Этот процесс происходит очень быстро: ввод 880000 записей из Ехсеї-файла занимает около 7.5 минут. В результате этого процесса автоматически формируются классификационные и описательные шкалы и градации (таблицы 4, 5):
Таблица 4 - ГРАДАЦИИ КЛАССИФИКАЦИОННЫХ ШКАЛ
Ко Д Наименование
1 ЦЕНА-1 /10-{215000.0000000, 653500.0000000}
2 ЦЕНА-2/104653500.0000000, 1092000.0000000}
3 ЦЕНА-3/1041092000.0000000, 1530500.0000000}
4 ЦЕНА-4/10-{1530500.0000000, 1969000.0000000}
5 ЦЕНА-5/1041969000.0000000, 2407500.0000000}
6 ЦЕНА-6/1042407500.0000000, 2846000.0000000}
7 ЦЕНА-7/1042846000.0000000, 3284500.0000000}
8 ЦЕНА-8/1043284500.0000000, 3723000.0000000}
9 ЦЕНА-9/1043723000.0000000, 4161500.0000000}
10 ЦЕНА-10/1044161500.0000000, 4600000.0000000}
Таблица 5 - ГРАДАЦИИ ОПИСАТЕЛЬНЫХ ШКАЛ
К 0 Д Наименование
1 MAPKA-Audi
2 MAPKA-BMW
3 MAPKA-Chevrolet
4 MAPKA-Chrvsler
5 MAPKA-Citi-оёп
6 MAPKA-Dodqe
7 MAPKA-Ford
8 MAPKA-Honda
9 MAPKA-Hyundai
10 MAPKA-lnfinity
11 MAPKA-Jaquar
12 MAPKA-Kia
13 MAPKA-Land Rover
14 MAPKA-Lexus
15 MAPKA-Lifan
16 MAPKA-Mazda
17 MAPKA-Mercedes
18 MAPKA-Mitsubishi
19 MAPKA-Nissan
20 MAPKA-Opel
21 MAPKA-Peugeot
22 MAPKA-Porshe
23 MAPKA-Ranqe Rover
24 MAPKA-Renault
25 MAPKA-Skoda
26 MAPKA-Ssanq Yonq
27 MAPKA-Subaru
28 MAPKA-Suzuki
29 MAPKA-Tovota
30 МАРКА-Volkswaqen
31 MAPKA-Volvo
32 MAPKA+MOflEJlb-Audi-A4
33 MAPKA+MOflEJlb-Audi-Q7
34 MAPKA+MOflEJlb-Audi-A3
35 MAPKA+MOflEJlb-Audi-A6
36 МАРКА+МОДЕЛЬ-BMW-116
37 МАРКА+МОДЕЛЬ-BMW-118І
38 MAPKA+MOДEЛЬ-BMW-318
39 MAPKA+MOДEЛЬ-BMW-XЗ
40 МАРКА+МОДЕЛЬ-BMW-XS
41 МАРКА+МОДЕЛЬ-ВМ\Л/-Х6
42 МАРКА+МОДЕЛЬ-Chevrolet-Cruze
43 МАРКА+МОДЕЛЬ-Chevrolet-Epica
44 МАРКА+МОДЕЛЬ-Chevrolet-Lacetti
45 MAPKA+MOflE/lb-Chrvsler-Sebrinq
46 MAPKA+MOflEJlb-Citroen-C3 Picasso
47 MAPKA+MOflE/lb-Citroen-C4
48 MAPKA+MOflE/lb-Citroen-C5
49 MAPKA+MOflEJlb-Dodge-Caliber
50 MAPKA+MOflEJlb-Ford-Escape XTL
51 MAPKA+MOflEJlb-Ford-Expedition
52 MAPKA+MOflEJlb-Ford-Focus 2
53 MAPKA+MOflETlb-Ford-Fusion
54 MAPKA+MOflEJlb-Ford-Galaxy
55 MAPKA+MOflEJlb-Ford-Mondeo
56 MAPKA+MOflE/lb-Ford-S-Max
57 MAPKA+MOflEJlb-Honda-Accord
58 MAPKA+MOflEJlb-Honda-Civic
59 MAPKA+MOflEJlb-Honda-Civic Hybrid
60 MAPKA+MOflE/lb-Honda-CR-V
61 MAPKA+MOflEJlb-Hyundai-Getz
62 MAPKA+MOflEJlb-Hyundai-IX35
63 MAPKA+MOflEJlb-Hvundai-Santa Fe
64 MAPKA+MOflEJlb-Hvundai-Solaris
65 MAPKA+MOflEJlb-Hvundai-Sonata
66 MAPKA+MOflEJlb-Hvundai-Tucson
67 MAPKA+MOflEJlb-lnfinity-FX35
68 MAPKA+MOflEJlb-lnfinitv-FX37s
69 M A P K A+M Ofl EJ1 b-J a g u a r-X F
70 MAPKA+MOflEJlb-Kia-Carnival
71 MAPKA+MOflE/lb-Kia-Ceed
72 MAPKA+MOflEJlb-Kia-Cerato
73 MAPKA+MOflEJlb-Kia-Rio
74 MAPKA+MOflEJlb-Kia-Sorento
75 MAPKA+MOflEJlb-Kia-Sportage
76 MAPKA+MOflEJlb-Land Rover-Discaverv 3
77 MAPKA+MOflEJlb-Land Rover-Range Rover
78 MAPKA+MOflE/lb-Lexus-GS 300
79 MAPKA+MOflEJlb-Lexus-GS 350
80 MAPKA+MOflE/lb-Lexus-GS 450H
81 MAPKA+MOflEJlb-Lexus-GX460
82 MAPKA+MOflEJlb-Lexus-IS 250
83 MAPKA+MOflE/lb-Lexus-LX 570
84 MAPKA+MOflE/lb-Lexus-RX 350
85 MAPKA+MOflEJlb-Lexus-RX 400H
86 MAPKA+MOflE/lb-Lexus-RX 450H
87 MAPKA+MOflEJlb-Lexus-SC 430
88 MAPKA+MOflEJlb-Lifan -Smilv
89 MAPKA+MOflEJlb-Mazda-3
90 MAPKA+MOflEJlb-Mazda-6
91 MAP KA+MOflE/l b-Mazda-CX5
92 MAP KA+MOflE/l b-Mazda-CX7
93 MAPKA+MOflE/lb-Mercedes-E200
94 MAPKA+MOflEJlb-Mercedes-E320
95 MAPKA+MOflEJlb-Mercedes-E500
96 MAPKA+MOflEnb-Mercedes-GLK220
97 MAPKA+MOflEJlb-Mercedes-ML350
98 MAPKA+MOflE/lb-Mercedes-S320
99 MAPKA+MOflEJlb-Mercedes-CI80
10 0 MAPKA+MOflEJlb-Mitsubishi-Galant
10 1 MAPKA+MOflEJlb-Mitsubishi-Lancer
10 2 MAPKA+MOflEJlb-Mitsubishi-Outlander
10 3 MAPKA+MOflEJlb-Mitsubishi-Padero Sport
10 4 MAPKA+MOflEJlb-Mitsubishi-Paiero
10 5 MAPKA+MOflEJlb-Mitsubishi-Paiero IV
10 6 MAPKA+MOflEJlb-Nissan-Murano
10 MAPKA+MOflEJlb-Nissan-Note
7
10 8 MAPKA+MOflEJlb-Nissan-Pathfiender
10 9 MAPKA+MOflEJlb-Nissan-Patrol
11 0 MAPKA+MOflEJlb-Nissan-Qashqai
11 1 MAPKA+MOflEJlb-Nissan-Teana
11 2 M A P K A+M Ofl EJ1 b-N i ssa n-Ti i d a
11 3 MAPKA+MOflE/lb-Nissan-X-Trail
11 4 MAPKA+MOflEflb-Opel-Antara
11 5 MAPKA+MOflE/lb-Opel-Astra
11 6 MAPKA+MOflEJlb-Ocel-Corsa
11 7 MAPKA+MOflEJlb-Ocel-lnsignia
11 8 MAPKA+MOflE/lb-Opel-Vektra
11 9 MAPKA+MOflE/lb-Peuqeot-308
12 0 MAPKA+MOflEJlb-Porshe -Boxter
12 1 MAPKA+MOflEJlb-Porshe -Cavne GTS
12 2 MAPKA+MOflEJlb-Porshe -Panamera
12 3 MAPKA+MOflEJlb-Ranqe Rover-Evoque
12 4 MAPKA+MOflEJlb-Ranqe Rover-Sport
12 5 MAPKA+MOflE/lb-Renault-Clio
12 6 MAPKA+MOflEJlb-Renault-Duster
12 7 MAPKA+MOflEJlb-Renault-Fluence
12 8 MAPKA+MOflEJlb-Renault-Koleos
12 9 MAPKA+MOflEJlb-Renault-Loqan
13 0 MAPKA+MOflEJlb-Renault-Meqane 2
13 1 MAPKA+MOflEJlb-Renault-Sandero
13 2 MAPKA+MOflEJlb-Renault-Scenic
13 3 MAPKA+MOflEJlb-Renault-Simbol
13 4 MAPKA+MOflEJlb-Skoda-Fabia
13 5 MAPKA+MOflEJlb-Skoda-Oktavia
13 6 MAPKA+MOflEflb-Ssang Yonq-Action
13 7 MAPKA+MOflEJlb-Ssanq Yonq-Rexton
13 8 MAPKA+MOflEJlb-Subaru -Forester
13 9 MAPKA+MOflEJlb-Subaru -Impreza
14 0 MAPKA+MOflEJlb-Subaru -Impreza XV
14 1 MAPKA+MOflEJlb-Subaru -Outback
14 2 MAPKA+MOflEJlb-Suzuki-Gr.Vitara
14 M AP KA+MOflEJl b-To vota-AI 1 io n
3
14 4 MAPKA+MOflEJlb-Tovota-Auris
14 5 MAPKA+MOflEJlb-Tovota-Avalon
14 6 MAPKA+MOflEJlb-Tovota-Avensis
14 7 MAPKA+MOflETlb-Tovota-Avensis New
14 8 МАРКА+МОДЕЛЬ-Tovota-Camrv
14 9 МАРКА+МОДЕЛЬ-Tovota-Corolla
15 0 МАРКА+МОДЕЛЬ-Tovota-Corolla Verso
15 1 МАРКА+МОДЕЛЬ-Toyota-Highlander
15 2 MAP КА+МОДЕЛЬ-Т ovota-Hilux
15 3 МАРКА+МОДЕЛЬ-Tovota-LC 100
15 4 МАРКА+МОДЕЛЬ-Tovota-LC 200
15 5 МАРКА+МОДЕЛЬ-Tovota-LC 80
15 6 МАРКА+МОДЕЛЬ-Tovota-LC Prado 120
15 7 МАРКА+МОДЕЛЬ-Tovota-LC Prado 150
15 8 MAP КА+МОДЕЛЬ-Tovota-Prius
15 9 МАРКА+МОДЕЛЬ-Tovota-Rav 4
16 0 МАРКА+МОДЕЛЬ-Tovota-Rav 4 Long
16 1 МАРКА+МОДЕЛЬ-Volksw agen-Caddy
16 2 МАРКА+МОДЕЛЬ-Volksw agen-Golf
16 3 МАРКА+МОДЕЛЬ-Volksw agen-Jetta
16 4 МАРКА+МОДЕЛЬ-Volksw agen-Passat
16 5 МАРКА+МОДЕЛЬ-Volksw agen-Passat Variant
16 6 МАРКА+МОДЕЛЬ-Volksw agen-Touareg
16 7 МАРКА+МОДЕЛЬ-Volvo-SSO
16 8 МАРКА+МОДЕЛЬЛ/о1уо-ХСЭО
16 9 КУЗОВ-джип
17 0 КУЗОВ-кабриолет
17 1 КУЗОВ-купе
17 2 КУЗОВ-лифт
17 3 КУЗОВ-лифтбек
17 4 КУЗОВ-минивен
17 5 КУЗОВ-НЛО
17 6 КУЗОВ-пикап
17 7 КУЗОВ-седан
17 8 КУЗОВ-унив
17 КУЗОВ-универсал
9
18 0 КУЗОВ-хэтч
18 1 КУЗОВ-хэтчб
18 2 КУЗОВ-хэтчбек
18 3 ГОД ВЫПУСКА-1/10-11996.0000000, 1997.7000000}
18 4 ГОД ВЫПУСКА-2/1041997.7000000, 1999.4000000}
18 5 ГОД ВЫПУСКА-3/1041999.4000000, 2001.1000000}
18 6 ГОД ВЫПУСКА-4/1042001.1000000, 2002.8000000}
18 7 ГОД ВЫПУСКА-5/1042002.8000000, 2004.5000000}
18 8 ГОД ВЫПУСКА-6/1042004.5000000, 2006.2000000}
18 9 ГОД ВЫПУСКА-7/1042006.2000000, 2007.9000000}
19 0 ГОД ВЫПУСКА-8/1042007.9000000, 2009.6000000}
19 1 ГОД ВЫПУСКА-9/1042009.6000000, 2011.3000000}
19 2 ГОД ВЫПУСКА-10/1042011.3000000, 2013.0000000}
19 3 ПРОБЕГ-1 /1041800.0000000, 47620.0000000}
19 4 ПРОБЕГ-2/10447620.0000000, 93440.0000000}
19 5 ПРОБЕГ-3/10493440.0000000, 139260.0000000}
19 6 ПРОБЕГ-4/104139260.0000000, 185080.0000000}
19 7 ПРОБЕГ-5/104185080.0000000, 230900.0000000}
19 8 ПРОБЕГ-6/104230900.0000000, 276720.0000000}
19 9 ПРОБЕГ-7/104276720.0000000, 322540.0000000}
20 0 ПРОБЕГ-8/104322540.0000000, 368360.0000000}
20 1 ПРОБЕГ-9/104368360.0000000, 414180.0000000}
20 2 ПРОБЕГ-10/104414180.0000000, 460000.0000000}
20 3 ОБЬЕМ ДВИГАТЕЛЯ-1/1041.0000000, 1.4700000}
20 4 ОБЬЕМ ДВИГАТЕЛЯ-2/1041.4700000, 1.9400000}
20 5 ОБЬЕМ ДВИГАТЕЛЯ-3/1041.9400000, 2.4100000}
20 6 ОБЬЕМ ДВИГАТЕЛЯ-4/1042.4100000, 2.8800000}
20 7 ОБЬЕМ ДВИГАТЕЛЯ-5/1042.8800000, 3.3500000}
20 8 ОБЬЕМ ДВИГАТЕЛЯ-6/1043.3500000, 3.8200000}
20 9 ОБЬЕМ ДВИГАТЕЛЯ-7/1043.8200000, 4.2900000}
21 0 ОБЬЕМ ДВИГАТЕЛЯ-8/1044.2900000, 4.7600000}
21 1 ОБЬЕМ ДВИГАТЕЛЯ-9/1044.7600000, 5.2300000}
21 2 ОБЬЕМ ДВИГАТЕЛЯ-10/1045.2300000, 5.7000000}
21 3 ЦВЕТ-серебро
21 4 ЦВЕТ-бежевый
21 ЦВЕТ-бежевый металлик
5
21 6 ЦВЕТ-бел. пе рла мутр
21 7 ЦВЕТ-белый
21 8 ЦВЕТ-бирюзовый
21 9 ЦВЕТ-бордовый
22 0 ЦВЕТ-вишневый
22 1 ЦВЕТ-голубой
22 2 ЦВЕТ-голубой металлик
22 3 ЦВЕТ-графит
22 4 ЦВЕТ-джинс
22 5 ЦВЕТ-зеленый
22 6 ЦВЕТ-золотистый
22 7 ЦВЕТ-золото
22 8 ЦВЕТ-красный
22 9 ЦВЕТ-оливковый
23 0 ЦВЕТ-о ранжевый
23 1 ЦВЕТ-св. оливковый
23 2 ЦВЕТ-св.серый
23 3 ЦВЕТ-светло-голубой
23 4 ЦВЕТ-светло-серый
23 5 ЦВЕТ-светло-синий
23 6 ЦВЕТ-сереб-голубой
23 7 ЦВЕТ-серебристый
23 8 ЦВЕТ-серебро
23 9 ЦВЕТ-серо-голубой
24 0 ЦВЕТ-серо-зеленый
24 1 ЦВЕТ-серо-синий
24 2 ЦВЕТ-серый
24 3 ЦВЕТ-синий
24 4 ЦВЕТ-си реневый
24 5 ЦВЕТ-т.зеленый
24 6 ЦВЕТ-т.красый
24 7 ЦВЕТ-т.серый
24 8 ЦВЕТ-т .серый(титан)
24 9 ЦВЕТ-т.синий
25 0 ЦВЕТ-темно-вишневый
25 ЦВЕТ-темно-красный
1
25 2 ЦВЕТ-темно-себристый
25 3 ЦВЕТ-темно-серый
25 4 ЦВЕТ-темно-синий
25 5 ЦВЕТ-фиолетовый
25 6 ЦВЕТ-черно-синий
25 7 ЦВЕТ-черный
25 8 КПП-А
25 9 КПП-В
26 0 КПП-Вар
26 1 КПП-М
26 2 КПП-робот
26 3 ОТДЕЛКА САЛОНА-велюр
26 4 ОТДЕЛКА САЛОНА-кожа
26 5 ОТДЕЛКА САЛОНА-комбинированный
СО со сч ОТДЕЛКА САЛОНА-ткань
5.2. Разработка обучающей выборки, т.е. описание исходных данных с помощью кодов градаций классификационных и описательных шкал
Затем система кодирует исходные данные, представленные в таблице 1, с использованием справочников классификационных и описательных шкал и градаций (таблицы 4, 5), в результате чего формируется обучающая выборка или база событий (таблица 6):
Таблица 6 - ОБУЧАЮЩ
АЯ ВЫБОРКА (БАЗА СОБЫТИИ)
Наименование Коды Коды признаков
классов 1 2 3 4 5 6 7 8 9
Аисіі-АЗ 2 1 34 182 190 194 203 217 258 265
Аисіі-АЗ 2 1 34 182 191 194 204 217 258 266
Аисіі-А4 1 1 32 177 188 196 205 238 258 266
Аисіі-А6 2 1 35 177 189 195 205 257 258 264
Аисіі-Аб 2 1 35 177 189 195 205 242 258 264
Аисіі-(27 3 1 33 169 188 194 209 238 258 264
Аисіі-(27 3 1 33 169 189 196 207 257 258 264
ВМ\Л/-116 2 2 36 171 191 193 204 217 258 266
ВМ\Л/-118І 2 2 37 182 191 194 204 217 258 266
ВМ\Л/-318 1 2 38 177 187 196 205 249 258 266
ВМ\Л/-318 3 2 38 171 191 193 205 217 258 264
ВМ\Л/-ХЗ 3 2 39 169 191 193 205 242 258 264
ВМ\Л/-Х5 4 2 40 169 190 195 207 257 258 264
ВМ\Л/-Х6 8 2 41 169 191 193 208 217 258 264
СЬіеугоІеІ-Сгиге 1 3 42 177 191 194 204 238 261 266
СЬіеугоІеІ-Еріса 1 3 43 177 192 193 205 257 261 265
СЬіеугоІеМасеШ 1 3 44 181 188 194 204 243 258 266
СЬіеугоІеМасеШ 1 3 44 178 189 195 204 228 261 266
СЬігузІег-ЗеЬгіпд 1 4 45 177 190 194 206 257 258 264
СКгоёп-СЗ Рюаээо 1 5 46 174 191 193 203 242 261 266
СКгоёп-С4 1 5 47 171 189 195 204 228 258 266
СКгоёп-С4 1 5 47 182 190 194 204 217 261 266
СКгоёп-С4 1 5 47 182 191 193 204 228 258 266
СКгоёп-С5 1 5 48 173 187 195 205 244 258 266
СКгоёп-С5 1 5 48 173 188 196 205 257 258 266
йосіде-СаІІЬег 1 6 49 182 190 194 204 254 261 266
Рогсі-Б-Мах 1 7 56 174 188 195 205 227 261 264
Ford-S-Max 1 7 56 174 190 195 205 257 258 266
Ford-Focus 2 1 7 52 182 188 196 204 238 261 266
Ford-Focus 2 1 7 52 182 189 194 204 257 261 266
Ford-Focus 2 1 7 52 171 189 195 205 257 258 266
Ford-Focus 2 1 7 52 177 189 195 204 238 258 266
Ford-Focus 2 1 7 52 177 190 194 205 238 258 266
Ford-Focus 2 1 7 52 177 190 194 204 238 261 266
Ford-Focus 2 1 7 52 177 190 194 205 257 261 266
Ford-Focus 2 1 7 52 177 190 194 205 237 258 266
Ford-Focus 2 1 7 52 182 191 193 205 257 261 266
Ford-Focus 2 1 7 52 182 191 194 204 257 261 266
Ford-Focus 2 1 7 52 177 191 193 205 257 258 266
Ford-Focus 2 7 52 177 192 193 205 239 258 266
Ford-Fusion 1 7 53 179 190 194 204 237 261 266
Ford-Galaxy 1 7 54 179 188 196 205 236 261 266
Ford-Mondeo 1 7 55 177 190 195 205 257 261 266
Ford-Mondeo 1 7 55 177 191 194 205 257 258 266
Ford-Escape XTL 1 7 50 169 190 194 205 238 258 264
Ford-Expedition 7 51 169 187 196 212 257 258 264
Honda-Accord 8 57 177 190 193 205 242 258 265
Honda-Civic 1 8 58 182 190 194 204 214 261 266
Honda-Civic Hybrid 1 8 59 177 190 194 203 257 258 266
Honda-CR-V 1 8 60 169 188 195 205 226 261 266
Honda-CR-V 8 60 169 190 195 205 243 261 266
Hyundai-Getz 1 9 61 171 189 193 203 257 261 266
Hyundai-Getz 1 9 61 182 189 194 203 253 258 266
Hyundai-IX35 9 62 169 191 195 205 257 261 266
Hyundai-Solaris 1 9 64 177 191 193 203 238 261 266
Hyundai-Sonata 9 65 177 191 194 205 257 258 266
Hyundai-Santa Fe 1 9 63 169 188 194 206 257 258 266
Hyundai-Santa Fe 9 63 169 191 194 205 217 258 266
Hyundai-Tucson 1 9 66 169 188 194 205 242 258 265
lnfinity-FX35 3 10 67 169 189 195 208 257 258 264
lnfinity-FX35 4 10 67 169 190 194 208 257 258 264
lnfinity-FX37s 5 10 68 169 191 193 208 257 258 264
lnfinity-FX37s 4 10 68 169 191 193 208 257 258 264
Jaguar-XF 2 11 69 177 190 194 207 257 258 264
Kia-Rio 1 12 73 177 187 194 204 255 261 266
Kia-Rio 1 12 73 177 191 193 204 257 261 266
Kia-Rio 1 12 73 177 192 193 204 217 261 266
Kia-Ceed 1 12 71 179 190 194 204 215 261 266
Kia-Cerato 1 12 72 177 189 194 204 222 261 266
Kia-Carnivai 1 12 70 174 189 195 207 238 258 266
Kia-Sorento 1 12 74 169 189 195 207 242 258 264
Kia-Sportage 1 12 75 169 190 195 205 257 261 266
Kia-Sportage 2 12 75 169 190 194 205 217 258 266
Kia-Sportage 2 12 75 169 192 193 205 217 261 266
Range Rover-Sport 5 23 124 169 190 193 208 217 258 264
Range Rover-Sport 4 23 124 169 190 194 208 257 258 264
Range Rover-Evoque 2 23 123 169 189 196 208 257 258 264
Lifan -Smily 1 15 88 180 191 193 203 242 261 266
Lexus-IS 250 2 14 82 177 189 194 206 217 258 264
Lexus-IS 250 1 14 82 177 189 194 206 257 258 266
Lexus-IS 250 2 14 82 177 190 193 206 229 258 266
Lexus-IS 250 2 14 82 177 190 194 206 257 258 266
Lexus-IS 250 2 14 82 177 190 195 206 217 258 263
Lexus-SC 430 4 14 87 170 190 193 210 228 258 264
Lexus-GS 300 2 14 78 177 188 195 207 238 258 264
Lexus-GS 300 2 14 78 177 188 196 207 257 258 264
Lexus-GS 300 2 14 78 177 189 196 207 239 258 264
Lexus-GS 300 3 14 78 177 189 194 207 257 258 264
Lexus-GS 300 3 14 78 177 189 194 207 213 258 264
Lexus-GS 350 5 14 79 177 192 193 208 238 258 264
Lexus-GS 450H 2 14 80 177 189 196 208 238 258 264
Lexus-GS 450H 3 14 80 177 190 194 208 228 258 264
Lexus-GX460 6 14 81 169 191 194 210 257 258 264
Lexus-RX 350 2 14 84 169 188 195 208 214 258 264
Lexus-RX 350 2 14 84 169 189 197 208 238 258 264
Lexus-RX 350 3 14 84 169 189 195 208 214 258 264
Lexus-RX 350 2 14 84 169 189 195 208 238 258 264
Lexus-RX 350 2 14 84 169 189 195 208 257 258 264
Lexus-RX 350 2 14 84 169 189 194 208 257 258 264
Lexus-RX 350 5 14 84 169 191 193 208 226 258 264
Lexus-RX 350 5 14 84 169 191 193 208 257 258 264
Lexus-RX 400H 2 14 85 169 188 195 207 257 258 264
Lexus-RX 400H 3 14 85 169 189 195 207 238 258 264
Lexus-RX 400H 3 14 85 169 190 196 207 238 258 264
Lexus-RX 450H 4 14 86 169 190 195 208 217 258 264
Lexus-LX 570 7 14 83 169 191 194 212 217 258 264
Lexus-LX 570 8 14 83 169 191 193 212 217 258 264
Mazda-3 1 16 89 177 188 194 204 233 261 266
Mazda-3 1 16 89 177 189 195 205 251 261 266
Mazda-3 1 16 89 177 188 195 204 246 261 266
Mazda-3 1 16 89 177 191 193 204 217 261 266
Mazda-3 1 16 89 177 191 193 204 243 258 266
Mazda-6 2 16 90 177 191 193 205 217 258 266
Mazda-6 2 16 90 177 192 205 242 258 266
Mazda-CX5 3 16 91 169 192 193 205 217 258 266
Mazda-CX7 2 16 92 169 190 194 205 250 258 266
Mazda-CX7 2 16 92 169 190 196 205 238 258 264
Mercedes-C180 2 17 99 179 187 198 204 237 261 265
Mercedes-E200 3 17 93 177 191 193 204 257 258 266
Mercedes-E320 2 17 94 177 187 195 211 257 258 264
Mercedes-E500 2 17 95 177 187 196 211 257 258 264
Mercedes-GLK220 3 17 96 179 191 194 205 257 258 264
Mercedes-ML350 3 17 97 175 191 195 208 257 258 264
Mercedes-S320 4 17 98 175 190 194 207 257 258 264
Mitsubishi-Galant 1 18 100 177 189 195 205 242 258 266
Mazda-3 1 16 89 177 188 195 204 242 258 266
Mazda-3 1 16 89 177 190 194 204 228 258 266
Mazda-CX7 1 16 92 169 190 195 205 228 258 264
Mitsubishi-Lancer 1 18 101 177 188 195 204 240 261 266
Mitsubishi-Lancer 1 18 101 177 189 195 204 242 261 266
Mitsubishi-Lancer 1 18 101 177 190 193 205 257 260 266
Mitsubishi-Lancer 2 18 101 177 192 193 204 217 258 266
Mitsubishi-Outiander 2 18 102 169 191 194 205 242 258 266
Mitsubishi-Outlander 3 18 102 169 191 193 205 257 260 264
Mitsubishi-Padero Sport 2 18 103 169 189 196 207 257 258 265
Mitsubishi-Pajero 1 18 104 169 185 196 208 238 258 266
Mitsubishi-Paiero IV 2 18 105 169 190 195 208 238 258 264
Mitsubishi-Pajero IV 3 18 105 169 190 194 207 257 258 264
Mitsubishi-Pajero IV 4 18 105 169 191 193 207 257 258 264
Nissan-Note 1 19 107 179 190 194 204 242 261 266
Nissan-Note 1 19 107 182 190 193 203 238 261 266
Nissan-Tiida 1 19 112 182 189 194 204 225 258 266
Nissan-Tiida 1 19 112 182 190 193 204 242 258 264
Nissan-Tiida 1 19 112 177 191 193 204 238 261 266
Nissan-Teana 2 19 111 177 190 195 206 257 258 264
Nissan-Teana 2 19 111 177 191 193 206 240 258 264
Nissan-Qashqai 1 19 110 169 190 194 204 249 261 266
Nissan-Qashqai 1 19 110 169 190 195 205 242 261 264
Nissan-X-Trail 2 19 113 169 189 194 205 247 261 266
Nissan-X-Trail 2 19 113 169 190 195 205 257 258 266
Nissan-X-Trail 2 19 113 169 190 194 205 217 259 266
Nissan-X-Trail 1 19 113 169 190 196 205 238 259 266
Nissan-X-Trail 2 19 113 169 190 195 205 257 258 264
Nissan-X-Trail 3 19 113 169 191 193 205 238 259 266
Nissan-X-Trail 3 19 113 169 192 193 205 257 259 264
Nissan-Murano 1 19 106 169 187 194 208 257 258 264
Nissan-Murano 2 19 106 169 189 193 208 257 258 264
Nissan-Murano 3 19 106 169 191 193 208 217 258 264
Nissan-Pathfiender 3 19 108 169 190 194 206 257 258 264
Nissan-Patrol 2 19 109 169 188 195 207 242 258 266
Opel-Antara 1 20 114 169 189 193 205 243 261 266
Opel-Astra 1 20 115 182 189 194 204 228 262 266
Opel-Astra 1 20 115 182 190 195 203 257 261 266
Opel-Astra 1 20 115 177 190 194 204 257 262 266
Opel-Vektra 1 20 118 177 187 196 204 237 261 266
Opel-Vektra 1 20 118 177 189 194 204 237 262 266
Opel-Corsa 1 20 116 182 189 194 203 221 262 266
Opel-Corsa 1 20 116 182 190 193 203 221 261 266
Opel-Corsa 1 20 116 182 190 193 203 257 261 266
Opel-Corsa 1 20 116 182 192 193 203 214 261 266
Opel-lnsignia 3 20 117 177 190 193 206 242 258 264
Opel-lnsignia 2 20 117 179 191 193 204 242 261 264
Opel-lnsignia 2 20 117 177 191 194 205 242 258 264
Opel-lnsignia 3 20 117 177 192 193 205 256 258 264
Peugeot-308 1 21 119 182 190 195 204 228 261 266
Peugeot-308 1 21 119 182 191 194 204 242 261 266
Peugeot-308 1 21 119 182 191 194 204 217 261 266
Peugeot-308 1 21 119 182 191 193 204 257 258 266
Peugeot-308 1 21 119 182 191 193 204 217 258 266
Porshe -Boxter 2 22 120 170 187 195 206 238 258 264
Porshe -Cayne GTS 4 22 121 169 190 195 211 220 258 264
Porshe -Cayne GTS 5 22 121 169 190 194 211 230 258 264
Porshe -Panamera 10 22 122 177 191 194 211 257 258 264
Renault-Clio 1 24 125 171 190 194 204 214 258 266
Renault-Duster 2 24 126 169 192 193 205 238 261 266
Renault-Duster 2 24 126 169 192 193 205 232 261 266
Renault-Fluence 1 24 127 177 192 193 204 214 261 266
Renault-Sandero 1 24 131 182 191 193 204 257 261 266
Renault-Simbol 1 24 133 177 188 195 203 225 261 266
Renault-Simbol 1 24 133 177 188 194 203 237 261 266
Renault-Simbol 1 24 133 177 188 194 203 242 261 266
Renault-Simbol 1 24 133 177 190 194 203 225 261 266
Renault-Koleos 24 128 169 190 194 206 242 258 264
Renault-Logan 1 24 129 177 189 195 203 243 261 266
Renault-Logan 1 24 129 177 190 194 203 247 261 266
Renault-Logan 1 24 129 177 190 194 203 234 261 266
Renault-Logan 1 24 129 177 192 193 203 228 261 266
Renault-Megane 2 1 24 130 177 187 196 204 238 261 266
Renault-Megane 2 1 24 130 177 188 194 205 238 261 265
Renault-Megane 2 1 24 130 177 189 196 204 214 261 266
Renault-Megane 2 1 24 130 177 189 195 204 257 261 266
Renault-Megane 2 1 24 130 177 189 196 204 238 258 266
Renault-Megane 2 1 24 130 177 190 195 204 219 261 266
Renault-Megane 2 1 24 130 177 190 197 204 257 261 266
Renault-Scenic 1 24 132 174 187 195 204 228 261 266
Land Rover-Discavery 3 13 76 169 190 194 210 249 258 264
Land Rover-Discavery 3 13 76 169 190 195 206 257 258 264
Land Rover-Range Rover 1 13 77 169 183 195 210 237 258 264
Range Rover-Sport 4 23 124 169 190 194 208 217 258 264
Skoda-Fabia 1 25 134 182 189 194 203 239 261 266
Skoda-Oktavia 1 25 135 177 189 194 204 214 261 266
Ssang Yong-Action 1 26 136 169 191 194 205 238 261 266
Ssang Yong-Rexton 1 26 137 169 190 194 205 241 261 265
Subaru -Impreza 1 27 139 177 189 194 204 221 261 266
Subaru -Impreza 1 27 139 182 190 194 204 238 258 266
Subaru -Impreza 1 27 139 182 190 194 204 242 258 266
Subaru -Impreza XV 27 140 182 191 194 205 242 258 266
Subaru -Outback 1 27 141 179 188 195 206 237 261 266
Subaru -Forester 1 27 138 179 189 194 205 223 261 266
Subaru -Forester 2 27 138 179 190 195 206 242 258 264
Subaru -Forester 2 27 138 179 190 195 206 253 258 264
Suzuki-Gr.Vitara 1 28 142 169 189 196 204 228 261 266
Suzuki-Gr.Vitara 2 28 142 169 189 195 205 249 261 266
Suzuki-Gr.Vitara 2 28 142 169 191 195 205 242 258 266
Suzuki-Gr.Vitara 2 28 142 169 191 194 205 257 261 266
Toyota-Avalon 2 29 145 177 189 193 208 257 258 264
Toyota-Allion 1 29 143 177 187 194 204 242 258 266
Toyota-Auris 1 29 144 182 189 193 204 233 262 266
Toyota-Auris 1 29 144 182 189 193 204 233 262 266
Toyota-Auris 1 29 144 182 189 194 204 242 262 266
Toyota-Auris 1 29 144 182 190 195 204 238 262 266
Toyota-Auris 1 29 144 182 190 193 204 217 261 266
Toyota-Auris 1 29 144 182 190 194 204 257 261 266
Toyota-Auris 1 29 144 182 190 194 204 257 261 266
Toyota-Auris 1 29 144 182 190 194 204 228 261 266
Toyota-Auris 1 29 144 182 190 195 204 238 262 266
Toyota-Avensis 1 29 146 177 187 196 204 238 261 266
Toyota-Avensis 1 29 146 177 188 195 205 257 258 264
Toyota-Avensis 1 29 146 177 188 195 205 238 258 266
Toyota-Avensis 1 29 146 177 188 194 204 229 261 266
Toyota-Avensis 1 29 146 177 188 195 204 257 261 266
Toyota-Avensis 1 29 146 177 188 195 205 247 258 264
Toyota-Avensis 1 29 146 177 188 196 204 231 261 266
Toyota-Avensis 1 29 146 177 189 195 204 229 258 266
Toyota-Avensis 1 29 146 177 189 194 204 243 261 266
Toyota-Avensis 1 29 146 177 189 194 204 257 261 266
Toyota-Avensis 1 29 146 177 189 196 204 257 261 266
Toyota-Avensis 1 29 146 177 189 194 205 247 258 266
Toyota-Avensis 1 29 146 177 189 194 205 229 258 264
Toyota-Avensis 1 29 146 177 189 195 205 238 258 266
Toyota-Avensis 1 29 146 177 189 196 204 238 258 266
Toyota-Avensis 1 29 146 177 190 195 204 257 261 266
Toyota-Avensis 1 29 146 177 190 195 204 257 261 266
Toyota-Avensis 1 29 146 177 190 195 204 238 261 266
Toyota-Avensis New 2 29 147 177 190 194 204 237 258 266
Toyota-Avensis New 2 29 147 177 191 193 204 252 258 266
Toyota-Camry 1 29 148 177 188 195 205 242 258 266
Toyota-Camry 2 29 148 177 188 194 205 257 258 264
Toyota-Camry 2 29 148 177 189 195 205 253 258 264
Toyota-Camry 2 29 148 177 189 194 208 257 258 264
Toyota-Camry 2 29 148 177 189 195 205 238 258 264
Toyota-Camry 2 29 148 177 189 194 205 253 258 264
Toyota-Camry 2 29 148 177 189 193 205 218 258 264
Toyota-Camry 1 29 148 177 190 194 205 242 261 266
Toyota-Camry 1 29 148 177 190 196 205 257 258 264
Toyota-Camry 2 29 148 177 190 194 205 218 258 264
Toyota-Camry 2 29 148 177 190 195 205 253 258 266
Toyota-Camry 2 29 148 177 190 195 205 253 258 264
Toyota-Camry 2 29 148 177 190 194 205 238 258 264
Toyota-Camry 2 29 148 177 190 194 205 257 258 264
Toyota-Camry 2 29 148 177 190 194 205 257 258 263
Toyota-Camry 2 29 148 177 191 194 205 217 258 263
Toyota-Camry 3 29 148 177 191 193 208 257 258 264
Toyota-Camry 2 29 148 177 192 193 206 257 258 264
Toyota-Camry 2 29 148 177 192 193 205 247 258 264
Toyota-Corolla 1 29 149 182 188 193 203 228 261 266
Toyota-Corolla 1 29 149 182 188 196 204 238 261 266
Toyota-Corolla 1 29 149 182 188 194 204 228 258 266
Toyota-Corolla 1 29 149 182 188 195 204 247 261 266
Toyota-Corolla 1 29 149 177 189 195 204 238 262 266
Toyota-Corolla 1 29 149 177 189 195 204 238 261 266
Toyota-Corolla 1 29 149 182 188 195 204 235 258 266
Toyota-Corolla 1 29 149 177 189 195 204 238 262 266
Toyota-Corolla 1 29 149 177 189 196 204 257 262 266
Toyota-Corolla 1 29 149 177 189 196 204 238 262 266
Toyota-Corolla 1 29 149 177 189 194 204 238 261 266
Toyota-Corolla 1 29 149 177 189 194 204 247 262 266
Toyota-Corolla 1 29 149 177 189 194 204 233 262 266
Toyota-Corolla 1 29 149 177 189 194 204 238 262 266
Toyota-Corolla 1 29 149 177 189 194 204 238 261 266
Toyota-Corolla 1 29 149 177 190 195 203 233 261 266
Toyota-Corolla 1 29 149 177 190 194 204 238 261 266
Toyota-Corolla 1 29 149 177 190 194 204 228 262 266
Toyota-Corolla 1 29 149 177 190 194 204 238 262 266
Toyota-Corolla 1 29 149 177 190 195 204 238 262 266
Toyota-Corolla 1 29 149 177 190 196 204 247 262 266
Toyota-Corolla 1 29 149 177 190 195 204 257 262 266
Toyota-Corolla 1 29 149 177 190 195 204 228 262 266
Toyota-Corolla 1 29 149 177 190 194 204 217 262 266
Toyota-Corolla 1 29 149 177 190 195 204 238 262 266
Toyota-Corolla 1 29 149 177 190 194 204 247 262 266
Toyota-Corolla 1 29 149 177 190 193 204 238 261 266
Toyota-Corolla 1 29 149 177 190 194 204 228 262 266
Toyota-Corolla 1 29 149 177 190 193 204 237 261 266
Toyota-Corolla 1 29 149 177 190 193 204 253 262 266
Toyota-Corolla 1 29 149 177 191 193 204 257 261 266
Toyota-Corolla 1 29 149 177 191 194 204 217 258 266
Toyota-Corolla 2 29 149 177 191 194 204 238 258 266
Toyota-Corolla 2 29 149 177 191 194 204 237 258 266
Toyota-Corolla 2 29 149 177 191 194 204 237 258 266
Toyota-Corolla 1 29 149 177 191 193 204 217 258 266
Toyota-Corolla 2 29 149 177 191 193 204 257 258 266
Toyota-Corolla 2 29 149 177 191 194 204 237 258 266
Toyota-Corolla 2 29 149 177 191 193 204 238 258 266
Toyota-Corolla 2 29 149 177 191 193 204 257 258 266
Toyota-Corolla 2 29 149 177 192 193 204 242 258 266
Toyota-Corolla Verso 1 29 150 174 188 195 204 249 262 266
Toyota-Corolla Verso 2 29 150 174 190 194 204 237 262 266
Toyota-Highlander 3 29 151 169 191 194 208 257 258 264
Toyota-Highlander 4 29 151 169 191 193 208 257 258 264
Toyota-Highlander 4 29 151 169 191 194 208 217 258 264
Toyota-Highlander 4 29 151 169 191 194 208 257 258 264
Toyota-Hilux 3 29 152 176 192 193 207 217 258 263
Toyota-LC 80 1 29 155 169 183 198 210 245 258 264
Toyota-LC 100 2 29 153 169 185 200 209 238 258 264
Toyota-LC 100 3 29 153 169 187 196 210 238 258 264
Toyota-LC 100 3 29 153 169 188 199 210 257 258 264
Toyota-LC 100 3 29 153 169 188 194 209 257 261 266
Toyota-LC 200 4 29 154 169 189 196 210 242 258 264
Toyota-LC 200 4 29 154 169 189 197 210 257 258 264
Toyota-LC 200 5 29 154 169 190 194 210 253 258 264
Toyota-LC 200 4 29 154 169 190 194 210 257 258 264
Toyota-LC 200 4 29 154 169 190 196 210 238 258 264
Toyota-LC 200 5 29 154 169 190 196 210 257 258 264
Toyota-LC Prado 120 2 29 156 169 187 196 209 254 258 264
Toyota-LC Prado 120 3 29 156 169 188 195 209 214 258 264
Toyota-LC Prado 120 3 29 156 169 188 196 209 257 258 264
Toyota-LC Prado 120 3 29 156 169 188 196 209 214 258 264
Toyota-LC Prado 120 3 29 156 169 189 194 209 238 258 264
Toyota-LC Prado 120 3 29 156 169 189 194 209 238 258 266
Toyota-LC Prado 120 3 29 156 169 190 197 209 238 258 264
Toyota-LC Prado 120 3 29 156 169 190 194 209 257 258 264
Toyota-LC Prado 120 3 29 156 169 190 195 209 257 258 264
Toyota-LC Prado 150 5 29 157 169 190 194 209 257 258 264
Toyota-LC Prado 150 4 29 157 169 190 194 209 257 258 264
Toyota-LC Prado 150 5 29 157 169 190 194 209 253 258 264
Toyota-LC Prado 150 5 29 157 169 191 193 209 238 258 264
Toyota-LC Prado 150 5 29 157 169 191 193 207 257 258 264
Toyota-LC Prado 150 4 29 157 169 191 193 207 242 258 264
Toyota-LC Prado 150 5 29 157 169 191 193 207 223 258 264
Toyota-LC Prado 150 4 29 157 169 191 194 207 257 258 266
Toyota-LC Prado 150 4 29 157 169 191 193 207 217 258 264
Toyota-LC Prado 150 4 29 157 169 192 193 206 238 258 266
Toyota-LC Prado 150 4 29 157 169 192 193 207 242 258 266
Toyota-Prius 1 29 158 172 190 194 204 214 258 264
Toyota-Rav 4 1 29 159 169 185 196 205 237 261 264
Toyota-Rav 4 1 29 159 169 186 202 205 238 258 266
Toyota-Rav 4 Long 2 29 160 169 188 193 205 237 258 264
Toyota-Rav 4 2 29 159 169 188 195 205 257 258 264
Toyota-Rav 4 1 29 159 169 188 194 205 257 258 266
Toyota-Rav 4 2 29 159 169 189 194 205 228 258 264
Toyota-Rav 4 2 29 159 169 190 194 205 257 258 264
Toyota-Rav 4 2 29 159 169 190 194 205 257 258 264
Toyota-Rav 4 2 29 159 169 190 194 205 257 258 264
Toyota-Rav 4 2 29 159 169 190 195 205 238 258 264
Toyota-Rav 4 2 29 159 169 190 193 205 257 258 264
Toyota-Rav 4 2 29 159 169 190 194 205 224 258 266
Toyota-Rav 4 2 29 159 169 190 196 205 257 258 264
Toyota-Rav 4 2 29 159 169 190 194 205 224 258 266
Toyota-Rav 4 2 29 159 169 191 193 205 238 258 266
Toyota-Rav 4 2 29 159 169 191 194 205 248 259 264
Toyota-Rav 4 2 29 159 169 191 193 205 228 259 264
Toyota-Rav 4 3 29 159 169 191 194 205 217 259 264
Toyota-Rav 4 2 29 159 169 191 194 205 257 258 264
Toyota-Rav 4 2 29 159 169 191 193 205 247 258 266
Toyota-Rav 4 2 29 159 169 191 193 205 257 259 266
Toyota-Rav 4 2 29 159 169 191 193 205 257 258 264
Toyota-Rav 4 3 29 159 169 192 193 205 238 259 266
Toyota-Rav 4 3 29 159 169 192 193 205 216 258 264
Toyota-Rav 4 3 29 159 169 192 193 205 238 261 266
Volkswagen-Caddy 1 30 161 175 191 194 204 257 261 266
Volkswagen-Caddy 2 30 161 175 191 193 203 228 261 266
Volkswagen-Golf 1 30 162 182 184 197 203 237 261 266
Volkswagen-Golf 1 30 162 182 191 194 204 257 261 266
Volkswagen-Jetta 1 30 163 177 192 193 204 217 261 266
Volkswagen-Passat 2 30 164 177 191 193 204 217 258 264
Volkswagen-Passat 2 30 164 177 191 194 204 257 258 265
Volksw agen-Passat Variant 3 30 165 179 191 193 204 257 258 266
Volkswagen-Touareg 2 30 166 169 188 197 207 257 258 264
Volkswagen-Touareg 3 30 166 169 188 194 207 257 258 266
Volkswagen-Touareg 2 30 166 169 190 195 208 257 258 264
Volkswagen-Touareg 3 30 166 169 190 195 207 257 258 264
Volkswagen-Touareg 3 30 166 169 190 194 207 214 258 266
Volkswagen-Touareg 3 30 166 169 190 194 207 257 258 266
Volkswagen-Touareg 3 30 166 169 190 194 206 257 258 266
Volkswagen-Touareg 5 30 166 169 191 194 208 214 258 264
Volkswagen-Touareg 5 30 166 169 191 193 208 238 258 264
Volvo-S80 2 31 167 177 189 194 206 257 258 264
Volvo-XC90 1 31 168 169 187 194 207 238 258 264
Volvo-XC90 1 31 168 169 188 196 207 217 258 264
Volvo-XC90 2 31 168 169 189 196 205 257 258 264
6. Синтез и верификация моделей
После того как исходные данные представлены в форме событий становится возможным выявлять в них ними причинно-следственные связи, т.е. выявлять их смысл, в результате чего исходные данные преобразуются в информацию. Эта операция осуществляется в режиме 3.5 системы «Эйдос» ():
£) 3.5. Выбор моделей для синтеза и верификации
Задайте стат.мсздели и модели знаний для синтеза и вериФикации-Статистические базы:
F П . ABS - частный критерий: количество встреч сочетаний: "класс-признак" у объектов обуч. выборки W 2. PRC1 ■ частный критерий: уел. вероятность i-ro признака среди признаков объектов j-ro класса |7 3. PRC2 • частный критерий: условная вероятность i-ro признака у объектов j-ro класса Базы знаний:
Р 4. INF1 • частный критерий: количество знаний по А.Харкевичу; вероятности из PRC1
|7 5. INF2 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC2
|7 S. INF3 - частный критерий: Хи-квадрат, разности между Фактическими и ожидаемыми абс. частотами
|7 7. INF4 - частный критерий: ROI (Return On Investment); вероятности из PRC1
W 8. INF5 - частный критерий: ROI (Return On Investment), вероятности из PRC2
|s7 9. INF6 - частный критерий: разн.усл.и безусл.вероягностей; вероятности из PRC1
|7 10.INF7 ■ частный критерий: разн.усл.и безуслвероятностей; вероятности из PRC2
(* Синтез и верификация заданных моделей С Только верификация заданных моделей
Параметры копирования обуч.выборки в распознаваемую: Какие объекты обуч. выборки копировать:
(• Копировать всю обучающую выборку С Копировать только текущий объект С Копировать каждый М-й объект С Копировать N случайных объектов С Копировать все объекты, начиная с М-го
Пояснение по алгоритму верификации |-
- Удалять из обуч выборки скопированные объекты:
<*■ Не удалять С Удалять
Подробнее I -
Измеряется внутренняя достоверн. модели
и к
Cancel
Рисунок 6. Экранная форма задания параметров синтеза и верификации моделей
В этом режиме в соответствии с процедурой преобразования данных в информацию, а ее в знания (рисунок 2) сначала рассчитывается матрица абсолютных частот (таблицы 7, 8), затем на основе нее матрицы условных и безусловных процентных распределений (таблицы 9, 10), а потом на основе них, с использованием семи частных критериев знаний (таблица 11), матрицы знаний (таблицы 12, 13), а затем все модели проверяются на достоверность (рисунок 7):
С) 3.5. Синтез и верификация заданных из 10 моделей [ 1=1 j tsl
Стадии исполнения процесса
Шаг 1 -й из 10: Копирование обучающей выборки в распознаваемую - Готово Шаг 2-й из 10: Синтез стат.модели “ABS" (расчет матрицы абсолютных частот) - Готово Шаг 3-й из 10: Синтез стат.моделей "PRC1" и “PRC2” (усл.безусл.% распр.)- Готово Шаг 4-й из 10: Синтез моделей знаний: INF1-INF7-Готово
НАЧАЛО ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ - ИСПОЛНЕНИЕ:-------------------------------...
Шаг 5-й из 10: Задание модели “INF?" в качестве текущей-Готово Шаг 6-й из 10: Пакетное распознавание в модели ''INF7" - Г отово
Шаг 7-й из 10: Измерение достоверности модели: “Inf7n - Интегральный критерий: "Сумма знаний" - Г отово
КОН ЕЦ ЦИКЛА ПО ЧАСТНЫМ И ИНТЕГРАЛЬНЫМ КРИТЕРИЯМ - ГОТОВО:-----------------------------------...
Шаг 8-й из 10: Объединение БД DostRsp# в БД DostRasp - Готово
Шаг 9-й из 10: Печать сводной формы по результатам верификации моделей. - Готово
Шаг 10-й из 10: Создание формы: “Достоверность идент.классов в различных моделях" - Готово
Синтез и верификация заданных стат.моделей и моделей знаний упешно завершена !!!
Прогноз времени исполнения
Начало: 14:10:46 Окончание: 14:14:11
Qk
100%
Прошло: 0:03:24 Осталось: 0:00:00
Рисунок 7. Экранная форма отображения стадии исполнения режима синтеза и верификации моделей
Таблица 7 - МАТРИЦА АБСОЛЮТНЫХ ЧАСТОТ В АНАЛИТИЧЕСКОМ ПРЕДСТАВЛЕНИИ
Значения будущих параметров Сумма
1 j W
1 Nn Ny, Nw
і N<J Ntw W w,=2X j=і
М Nm NMj N iV MW
Сумма M NJ = ZNU /=1 II
Таблица 8 - МАТРИЦА АБСОЛЮТНЫХ ЧАСТОТ В ЧИСЛОВОМ ПРЕДСТАВЛЕНИИ
Код
1
Наименование
Классы
1 2 3 4 5 6 7 8 9 10
1 4 2
Сумма
2 MAPKA-BMW 1 2 2 1 1 7
3 MAPKA-Chevrolet 4 4
4 MAPKA-Chrvsler 1 1
5 MAPKA-Citroen 6 6
6 MAPKA-Dodqe 1 1
7 MAPKA-Ford 18 2 20
8 MAPKA-Honda 3 2 5
9 MAPKA-Hvundai 5 2 1 8
10 MAPKA-lnfinitv 1 2 1 4
11 MAPKA-Jaquar 1 1
12 MAPKA-Kia 8 2 10
13 MAPKA-Land Rover 1 2 3
14 MAPKA-Lexus 1 14 6 2 3 1 1 1 29
15 MAPKA-Lifan 1 1
16 MAPKA-Mazda 8 4 1 13
17 MAPKA-Mercedes 3 3 1 7
18 MAPKA-Mitsubishi 5 4 2 1 12
19 MAPKA-Nissan 9 8 4 21
20 MAPKA-Opel 10 2 2 14
21 MAPKA-Peuqeot 5 5
22 MAPKA-Porshe 1 1 1 1 4
23 MAPKA-Ranqe Rover 1 2 1 4
24 MAPKA-Renault 19 3 22
25 MAPKA-Skoda 2 2
26 MAPKA-Ssanq Yonq 2 2
27 MAPKA-Subaru 5 3 8
28 MAPKA-Suzuki 1 3 4
29 MAPKA-Toyota 70 47 18 13 7 155
30 MAPKA-Volkswaqen 4 5 6 2 17
31 MAPKA-Volvo 2 2 4
32 MAPKA+MOflEJ1b-Audi-A4 1 1
33 MAPKA+MOflEJ1b-Audi-Q7 2 2
34 MAPKA+MOflEJ1b-Audi-A3 2 2
35 MAPKA+MOflEJ1b-Audi-A6 2 2
36 MAPKA+ МОДЕЛ b-BMW-116 1 1
37 МАРКА+МОДЕЛЬ-BMW-118i 1 1
38 MAPKA+ МОДЕЛ b-BMW-318 1 1 2
39 МАРКА+МОДЕЛЬ-ВМ\Л/-ХЗ 1 1
40 МАРКА+МОДЕЛЬ-ВМ\Л/-Х5 1 1
41 МАРКА+МОДЕЛЬ-ВМ\Л/-Х6 1 1
42 M APKA+ МОДЕЛ b-Chevrolet-Cruze 1 1
43 МАРКА+МОДЕЛЬ-Chevrolet-Epica 1 1
44 МАРКА+МОДЕЛЬ-Chevrolet-Lacetti 2 2
45 МАРКА+МОДЕЛЬ-Chrysler-Sebrinq 1 1
46 МАРКА+МОДЕЛЬ-Сгїгоеп-СЗ Picasso 1 1
47 MAPKA+MOflEJ1b-Citroen-C4 3 3
48 MAPKA+MOflEJ1b-Citroen-C5 2 2
49 МАРКА+МОДЕЛЬ-Dodqe-Caliber 1 1
50 МАРКА+МОДЕЛЬ-Ford-Escape XTL 1 1
51 МАРКА+МОДЕЛЬ-Ford-Expedition 1 1
52 МАРКА+МОДЕЛЬ-Ford-Focus 2 11 1 12
53 МАРКА+МОДЕЛЬ-Ford-Fusion 1 1
54 МАРКА+МОДЕЛЬ-Ford-Galaxy 1 1
55 M APKA+МОДЕЛ b-Ford-Mondeo 2 2
56 МАРКА+МОДЕЛЬ-Ford-S-Max 2 2
57 МАРКА+МОДЕЛЬ-Honda-Accord 1 1
58 МАРКА+МОДЕЛЬ-Honda-Civic 1 1
59 МАРКА+МОДЕЛЬ-Honda-Civic Hybrid 1 1
60 МАРКА+МОДЕЛЬ-Honda-CR-V 1 1 2
61 МАРКА+МОДЕЛЬ-Hyundai-Getz 2 2
62 M APKA+МОДЕЛ b-Hvundai-IX35 1 1
63 МАРКА+МОДЕЛЬ-Hyundai-Santa Fe 1 1 2
64 МАРКА+МОДЕЛЬ-Hyundai-Solaris 1 1
65 МАРКА+МОДЕЛЬ-Hyundai-Sonata 1 1
66 МАРКА+МОДЕЛЬ-Hyundai-Tucson 1 1
67 MAPKA+МОДЕЛЬ-1 nfinity-FX35 1 1 2
68 MAPKA+МОДЕЛЬ-1 nfinitv-FX37s 1 1 2
69 MAPKA+МОДЕЛЬ-Jaquar-XF 1 1
70 МАРКА+МОДЕЛЬ-Kia-Carnival 1 1
71 МАРКА+МОДЕЛЬ-Кіа-Ceed 1 1
72 M A PK A+ M ОДЕЛ Ь- Ki a-Ce rato 1 1
73 MAPKA+МОДЕЛ Ь-Kia-Rio 3 3
74 MAPKA+МОДЕЛ Ь-Kia-Sorento 1 1
75 MAPKA+МОДЕЛ Ь-Kia-Sportaqe 1 2 3
76 МАРКА+МОДЕЛЬ-Land Rover-Discavery 3 2 2
77 МАРКА+МОДЕЛ Ь-Land Rover-Ranqe Rover 1 1
78 МАРКА+МОДЕЛЬ-Lexus-GS 300 3 2 5
79 МАРКА+МОДЕЛЬ-Lexus-GS 350 1 1
80 МАРКА+МОДЕЛЬ-Lexus-GS 450Н 1 1 2
81 MAPKA+МОДЕЛ b-Lexus-GX460 1 1
82 МАРКА+МОДЕЛ Ь-Lexus-IS 250 1 4 5
83 МАРКА+МОДЕЛЬ-Lexus-LX 570 1 1 2
84 МАРКА+ МОДЕЛ b-Lexus-RX 350 5 1 2 8
85 МАРКА+МОДЕЛ Ь-Lexus-RX 400Н 1 2 3
86 МАРКА+МОДЕЛ Ь-Lexus-RX 450Н 1 1
87 МАРКА+МОДЕЛ b-Lexus-SC 430 1 1
88 МАРКА+МОДЕЛЬ-Lifan -Smily 1 1
89 МАРКА+МОДЕЛЬ-Mazda-3 7 7
90 МАРКА+МОДЕЛЬ-Mazda-6 2 2
91 МАРКА+МОДЕЛ b-Mazda-CX5 1 1
92 МАРКА+МОДЕЛ b-Mazda-CX7 1 2 3
93 МАРКА+МОДЕЛ b-Mercedes-E200 1 1
94 МАРКА+МОДЕЛ b-Mercedes-E320 1 1
95 МАРКА+МОДЕЛ b-Mercedes-E500 1 1
96 МАРКА+МОДЕЛ b-Mercedes-GLK220 1 1
97 МАРКА+МОДЕЛ b-Mercedes-ML350 1 1
98 МАРКА+МОДЕЛ b-Mercedes-S320 1 1
99 МАРКА+МОДЕЛ b-Mercedes-C180 1 1
100 МАРКА+МОДЕЛ b-Mitsubishi-Galant 1 1
101 МАРКА+МОДЕЛ b-Mitsubishi-Lancer 3 1 4
102 МАРКА+МОДЕЛ b-Mitsubishi-Outlander 1 1 2
103 МАРКА+МОДЕЛЬ-Mitsubishi-Padero Sport 1 1
104 М А РКА+ М ОДЕЛ Ь- М itsu b і sh і- Ра j е го 1 1
105 МАРКА+МОДЕЛЬ-Mitsubishi-Pajero IV 1 1 1 3
106 МАРКА+МОДЕЛ b-Nissan-Murano 1 1 1 3
107 М А РКА+ М ОДЕЛ Ь- N issa п - N ote 2 2
108 МАРКА+МОДЕЛ b-Nissan-Pathfiender 1 1
109 МАРКА+МОДЕЛ b-Nissan-Patrol 1 1
110 МАРКА+МОДЕЛ b-Nissan-Qashqai 2 2
111 МАРКА+МОДЕЛ b-Nissan-Teana 2 2
112 МАРКА+МОДЕЛ b-Nissan-Tiida 3 3
113 МАРКА+МОДЕЛЬ-Nissan-X-T rail 1 4 2 7
114 МАРКА+МОДЕЛ Ь-Opel-Antara 1 1
115 М А РКА+ М ОДЕЛ Ь- О ре I- Astra 3 3
116 МАРКА+МОДЕЛ b-Opel-Corsa 4 4
117 МАРКА+МОДЕЛ b-Opel-lnsiqnia 2 2 4
118 МАРКА+МОДЕЛ b-Opel-Vektra 2 2
119 МАРКА+МОДЕЛ b-Peuqeot-308 5 5
120 МАРКА+МОДЕЛЬ-Porshe -Boxter 1 1
121 МАРКА+МОДЕЛ Ь-Porshe -Cavne GTS 1 1 2
122 МАРКА+МОДЕЛЬ-Porshe -Panamera 1 1
123 МАРКА+МОДЕЛЬ-Ranqe Rover-Evoque 1 1
124 МАРКА+МОДЕЛЬ-Ranqe Rover-Sport 2 1 3
125 M А РКA+ M ОДЕЛ Ь- Re n a u It-С І і о 1 1
126 MAPKA+ МОДЕЛ Ь-Renault-Duster 2 2
127 MAPKA+МОДЕЛ Ь-Renault-Fluence 1 1
128 MAPKA+МОДЕЛ Ь-Renault-Koleos 1 1
129 МАРКА+МОДЕЛ Ь-Renault-Loqan 4 4
130 МАРКА+МОДЕЛЬ-Renault-Meqane 2 7 7
131 МАРКА+МОДЕЛ Ь-Renault-Sandero 1 1
132 МАРКА+МОДЕЛ b-Renault-Scenic 1 1
133 МАРКА+МОДЕЛ b-Renault-Simbol 4 4
134 МАРКА+ МОДЕЛ b-Skoda-Fabia 1 1
135 МАРКА+ МОДЕЛ b-Skoda-Oktavia 1 1
136 МАРКА+МОДЕЛ Ь-Ssanq Yonq-Action 1 1
137 МАРКА+МОДЕЛЬ-Ssanq Yonq-Rexton 1 1
138 МАРКА+МОДЕЛЬ-Subaru -Forester 1 2 3
139 МАРКА+МОДЕЛЬ-Subaru -Impreza 3 3
140 МАРКА+МОДЕЛЬ-Subaru -Impreza XV 1 1
141 МАРКА+МОДЕЛЬ-Subaru -Outback 1 1
142 МАРКА+МОДЕЛЬ-Suzuki-Gr.Vitara 1 3 4
143 МАРКА+МОДЕЛЬ-Tovota-Allion 1 1
144 M APKA+ МОДЕЛ Ь-Т ovota-Auris 9 9
145 M APKA+ МОДЕЛ Ь-Тovota-Avalon 1 1
146 M APKA+ МОДЕЛ Ь-T oyota-Avensis 18 18
147 МАРКА+МОДЕЛЬ-Toyota-Avensis New 2 2
148 M APKA+ МОДЕЛ b-Toyota-Camry 3 15 1 19
149 МАРКА+МОДЕЛЬ-Toyota-Corolla 33 8 41
150 МАРКА+МОДЕЛЬ-Toyota-Corolla Verso 1 1 2
151 МАРКА+МОДЕЛЬ-Toyota-Hiqhlander 1 3 4
152 МАРКА+МОДЕЛЬ-Toyota-Hilux 1 1
153 МАРКА+МОДЕЛЬ-Toyota-LC 100 1 3 4
154 M APKA+ МОДЕЛ Ь-Тoyota-LC 200 4 2 6
155 M APKA+ МОДЕЛ Ь-Тoyota-LC 80 1 1
156 M APKA+ МОДЕЛ Ь-T oyota-LC Prado 120 1 8 9
157 МАРКА+МОДЕЛЬ-Toyota-LC Prado 150 6 5 11
158 M APKA+ МОДЕЛ Ь-T oyota-Prius 1 1
159 MAPKA+ МОДЕЛ Ь-Toyota-Rav 4 3 17 4 24
160 МАРКА+МОДЕЛЬ-Toyota-Rav 4 Lonq 1 1
161 МАРКА+МОДЕЛЬ-Volkswaqen-Caddy 1 1 2
162 МАРКА+МОДЕЛЬ-Volkswaqen-Golf 2 2
163 МАРКА+МОДЕЛЬ-Volkswaqen-Jetta 1 1
164 МАРКА+МОДЕЛЬ-Volkswaqen-Passat 2 2
165 M APKA+ МОДЕЛ Ь-Volkswaqen-Passat Variant 1 1
166 МАРКА+МОДЕЛЬ-Volkswaqen-Touareq 2 5 2 9
167 МАРКА+МОДЕЛЬ-Volvo-SSO 1 1
168 МАРКА+МОДЕЛЬЛ/оіуо-ХС90 2 1 3
169 КУЗОВ-джип 23 52 38 21 14 1 1 2 152
170 КУЗОВ-кабриолет 1 1 2
171 КУЗОВ-купе 4 1 1 6
172 КУЗОВ-лифт 1 1
173 КУЗОВ-лифтбек 2 2
174 КУЗОВ-минивен 6 1 7
175 КУЗОВ-НЛО 1 1 1 1 4
176 КУЗОВ-пикап 1 1
177 КУЗОВ-седан 104 51 7 1 1 164
178 КУЗОВ-унив 1 1
179 КУ ЗО В- уни версал 6 4 2 12
180 КУЗОВ-хэтч 1 1
181 КУЗОВ-хэтчб 1 1
182 КУЗОВ-хэтчбек 43 4 47
183 ГОД ВЫПУСКА-1/10-{1996.0000000, 1997.7000000} 2 2
184 ГОД ВЫ ПУСКА-2/10-{1997.7000000, 1999.4000000} 1 1
185 ГОД ВЫ ПУСКА-3/10-{1999.4000000, 2001.1000000} 2 1 3
186 ГОД ВЫПУСКА-4/1042001.1000000, 2002.8000000} 1 1
187 ГОД ВЫПУСКА-5/1042002.8000000, 2004.5000000} 10 6 1 17
188 ГОД ВЫПУСКА-6/1042004.5000000, 2006.2000000} 33 9 7 49
189 ГОД ВЫПУСКА-7/1042006.2000000, 2007.9000000} 49 23 8 2 82
190 ГОД ВЫПУСКА-8/1042007.9000000, 2009.6000000} 65 35 14 11 6 131
191 ГОД ВЫПУСКА-9/1042009.6000000, 2011.3000000} 24 32 13 8 8 1 1 2 1 90
192 ГОД ВЫ ПУСКА-10/10-{2011.3000000, 2013.0000000} 6 9 7 2 1 25
193 ПРОБЕГ-1/10-{1800.0000000, 47620.0000000} 35 30 16 8 9 2 100
194 ПРОБЕГ-2/10447620.0000000, 93440.0000000} 79 41 19 9 5 1 1 1 156
195 ПРОБЕГ-3/10493440.0000000, 139260.0000000} 52 28 8 3 91
196 ПРОБЕГ-4/10-{139260.0000000, 185080.0000000} 23 11 5 2 1 42
197 ПРОБЕГ-5/10-{185080.0000000, 230900.0000000} 2 2 1 1 6
198 ПРОБЕГ-6/104230900.0000000, 276720.0000000} 1 1 2
199 ПРОБЕГ-7/104276720.0000000, 322540.0000000} 1 1
200 ПРОБЕГ-8/104322540.0000000, 368360.0000000} 1 1
201 ПРОБЕГ-9/104368360.0000000, 414180.0000000}
202 ПРОБЕГ-10/10-{414180.0000000, 460000.0000000} 1 1
203 ОБЬЕМ ДВИГАТЕЛЯ-1/1041.0000000, 1.4700000} 24 2 26
204 ОБЬЕМ ДВИГАТЕЛЯ-2/1041.4700000, 1.9400000} 114 19 2 135
205 ОБЬЕМ ДВИГАТЕЛЯ-3/10-{1.9400000, 2.4100000} 43 57 13 113
206 ОБЬЕМ ДВИГАТЕЛЯ-4/1042.4100000, 2.8800000} 4 12 4 1 21
207 ОБЬЕМ ДВИГАТЕЛЯ-5/1042.8800000, 3.3500000} 4 8 11 7 2 32
208 ОБЬЕМ ДВИГАТЕЛЯ-6/1043.3500000, 3.8200000} 2 12 7 8 7 1 37
209 ОБЬЕМ ДВИГАТЕЛЯ-7/1043.8200000, 4.2900000} 2 10 1 3 16
210 ОБЬЕМ ДВИГАТЕЛЯ-8/1044.2900000, 4.7600000} 2 3 5 2 1 13
211 ОБЬЕМ ДВИГАТЕЛЯ-9/10-{4.7600000, 5.2300000} 2 1 1 1 5
212 ОБЬЕМ ДВИГАТЕЛЯ-10/1045.2300000, 5.7000000} 1 1 1 3
213 ЦВЕТ-серебро 1 1
214 ЦВЕТ-бежевый 7 1 4 1 13
215 ЦВЕТ-бежевый металлик 1 1
216 ЦВЕТ-бел. перламутр 1 1
217 ЦВЕТ-белый 11 13 6 4 1 1 2 38
218 ЦВЕТ-бирюзовый 2 2
219 ЦВЕТ-бордовый 1 1
220 ЦВЕТ- вишневый 1 1
221 ЦВЕТ-голубой 3 3
222 ЦВЕТ-голубой металлик 1 1
223 ЦВЕТ-графит 1 1 2
224 ЦВЕТ-джинс 2 2
225 ЦВЕТ-зеленый 3 3
226 ЦВЕТ-золотистый 1 1 2
227 ЦВЕТ-золото 1 1
228 ЦВЕТ-красный 16 3 1 1 21
229 ЦВЕТ-оливковый 3 1 4
230 ЦВЕТ-оранжевый 1 1
231 ЦВЕТ-св.оливковый 1 1
232 ЦВЕТ-св.серый 1 1
233 ЦВЕТ-светло-голубой 5 5
234 ЦВЕТ-свегло-серый 1 1
235 ЦВЕТ-светло-синий 1 1
236 ЦВЕТ-сереб- голубой 1 1
237 ЦВЕТ-серебрисгый 10 7 17
238 ЦВЕТ-серебро 40 15 10 2 3 70
239 ЦВЕТ-серо- голубой 1 2 3
240 ЦВЕТ-серо-зеленый 1 1 2
241 ЦВЕТ-серо-синий 1 1
242 ЦВЕТ-серый 17 12 2 3 34
243 ЦВЕТ-синий 5 1 6
244 ЦВЕТ-сиреневый 1 1
245 ЦВЕТ-т.зеленый 1 1
246 ЦВЕТ-т.красый 1 1
247 ЦВЕТ-т.серый 7 3 10
248 ЦВЕТ-т. серый(титан) 1 1
249 ЦВЕТ-т.синий 3 1 1 5
250 ЦВЕТ-темно-вишневый 1 1
251 Ц ВЕТ-те м н о- крас н ы й 1 1
252 ЦВЕТ-темно-себристый 1 1
253 ЦВЕТ-темно-серый 2 5 2 9
254 ЦВЕТ-темно-синий 1 1 2
255 ЦВЕТ-фиолетовый 1 1
256 ЦВЕТ-черно-синий 1 1
257 ЦВЕТ-черный 42 41 23 12 5 1 1 125
258 КПП-А 60 99 43 23 15 1 1 2 1 245
259 КПП-В 1 4 4 9
260 КПП-Вар 1 1 2
261 КПП-М 103 11 2 116
262 КПП-робот 28 1 29
263 ОТДЕЛКА САЛОНА-велюр 3 1 4
264 ОТДЕЛКА САЛОНА-кожа 18 63 36 20 15 1 1 2 1 157
265 ОТДЕЛКА САЛОНА-комбинированный 4 5 9
266 ОТДЕЛКА САЛОНА-ткань 171 44 13 3 231
0 Сумма числа признаков 1737 1034 450 207 135 9 9 18 9 3608
0 Сумма числа объектов обуч.выборки 193 115 50 23 15 1 1 2 1 401
Матрица условных и безусловных процентов распределений (таблицы 9, 10)
рассчитывается непосредственно на основе матрицы абсолютных (таблица 7, 8) частот по формулам [5]:
N„ N. N,.
р —__У_. р — 1 . р —_}_■
11 N, ’ ' N’ J N’
W М W м
где : N1 = JX; N, = IX; * = ZIX
J= 1 '=1 '=1 7=1
Причем N,- может быть либо суммарное количество признаков по j-му классу (PRC 1), либо число объектов обучающей выборки, относящихся к j-му классу (PRC2).
Таблица 9 - МАТРИЦА УСЛОВНЫХ И БЕЗУСЛОВНЫХ ПРОЦЕНТНЫХ РАСПРЕДЕЛЕНИЙ _______________________ В АНАЛИТИЧЕСКОМ ПРЕДСТАВЛЕНИИ__________________________
Значения будущих параметров Безусловная вероятность признака
1 J W
1 Рп Ру, р 1 \W
1 р, 1 р,, Р 1 iW р,
М ^М1 РМ} Р 1 MW
Безусловна я вероятност ь класса р,
Таблица 10 - МАТРИЦА УСЛОВНЫХ И БЕЗУСЛОВНЫХ ПРОЦЕНТНЫХ РАСПРЕДЕЛЕНИЙ ___________________PRC1 В ЧИСЛОВОМ ПРЕДСТАВЛЕНИИ____________________
Код 1 Наименование MAPKA-Audi Классы Безусловная частость 0,2
1 2 3 4 5 6 7 8 9 10
0,1 0,4 0,4
2 MAPKA-BMW 0,1 0,2 0,4 0,5 5,6 0,2
3 MAPKA-Chevrolet 0,2 0,1
4 MAPKA-Chrysler 0,1 0,0
5 MAPKA-Citroen 0,3 0,2
6 MAPKA-Dodge 0,1 0,0
7 MAPKA-Ford 1,0 0,2 0,6
8 MAPKA-Honda 0,2 0,2 0,1
9 MAPKA-Hyundai 0,3 0,2 0,2 0,2
10 MAPKA-lnfinity 0,2 1,0 0,7 0,1
11 МАРКА-Jaguar 0,1 0,0
12 MAPKA-Kia 0,5 0,2 0,3
13 MAPKA-Land Rover 0,1 0,4 0,1
14 MAPKA-Lexus 0,1 1,4 1,3 1,0 2,2 11,1 11,1 5,6 0,8
15 MAPKA-Lifan 0,1 0,0
16 MAPKA-Mazda 0,5 0,4 0,2 0,4
17 MAPKA-Mercedes 0,3 0,7 0,5 0,2
18 MAPKA-Mitsubishi 0,3 0,4 0,4 0,5 0,3
19 МАРКА-Nissan 0,5 0,8 0,9 0,6
20 MAPKA-Opel 0,6 0,2 0,4 0,4
21 MAPKA-Peugeot 0,3 0,1
22 MAPKA-Porshe 0,1 0,5 0,7 11,1 0,1
23 MAPKA-Range Rover 0,1 1,0 0,7 0,1
24 MAPKA-Renault 1,1 0,3 0,6
25 MAPKA-Skoda 0,1 0,1
26 MAPKA-Ssang Yong 0,1 0,1
27 MAPKA-Subaru 0,3 0,3 0,2
28 MAPKA-Suzuki 0,1 0,3 0,1
29 MAPKA-Toyota 4,0 4,5 4,0 6,3 5,2 4,3
30 MAPKA-Volkswaqen 0,2 0,5 1,3 1,5 0,5
31 MAPKA-Volvo 0,1 0,2 0,1
32 МАРКА+МОДЕЛ b-Audi-A4 0,1 0,0
33 МАРКА+МОДЕЛ b-Audi-Q7 0,4 0,1
34 МАРКА+МОДЕЛЬ-Аисіі-АЗ 0,2 0,1
35 МАРКА+МОДЕЛЬ-Аисіі-А6 0,2 0,1
36 МАРКА+МОДЕЛЬ-ВМ\Л/-116 0,1 0,0
37 МАРКА+МОДЕЛЬ-BMW-118і 0,1 0,0
38 МАРКА+МОДЕЛЬ-ВМ\Л/-318 0,1 0,2 0,1
39 МАРКА+МОДЕЛЬ-ВМ\Л/-ХЗ 0,2 0,0
40 МАРКА+МОДЕЛЬ-ВМ\Л/-Х5 0,5 0,0
41 МАРКА+МОДЕЛЬ-ВМ\Л/-Х6 5,6 0,0
42 МАРКА+МОДЕЛЬ-Chevrolet-Cruze 0,1 0,0
43 МАРКА+МОДЕЛЬ-Chevrolet-Epica 0,1 0,0
44 МАРКА+МОДЕЛЬ-Chevrolet-Lacetti 0,1 0,1
45 МАРКА+МОДЕЛЬ-Chrvsler-Sebrinq 0,1 0,0
46 МАРКА+МОДЕЛЬ-Сгїгоеп-СЗ Picasso 0,1 0,0
47 МАРКА+МОДЕЛ b-Citroen-C4 0,2 0,1
48 МАРКА+МОДЕЛ b-Citroen-C5 0,1 0,1
49 МАРКА+МОДЕЛЬ-Dodqe-Caliber 0,1 0,0
50 МАРКА+МОДЕЛЬ-Ford-Escape XTL 0,1 0,0
51 МАРКА+МОДЕЛЬ-Ford-Expedition 0,1 0,0
52 МАРКА+МОДЕЛЬ-Ford-Focus 2 0,6 0,1 0,3
53 МАРКА+МОДЕЛЬ-Ford-Fusion 0,1 0,0
54 МАРКА+МОДЕЛЬ-Ford-Galaxv 0,1 0,0
55 МАРКА+МОДЕЛЬ-Ford-Mondeo 0,1 0,1
56 МАРКА+МОДЕЛЬ-Ford-S-Max 0,1 0,1
57 МАРКА+МОДЕЛЬ-Honda-Accord 0,1 0,0
58 МАРКА+МОДЕЛЬ-Honda-Civic 0,1 0,0
59 МАРКА+МОДЕЛЬ-Honda-Civic Hybrid 0,1 0,0
60 МАРКА+МОДЕЛЬ-Honda-CR-V 0,1 0,1 0,1
61 МАРКА+МОДЕЛЬ-Hvundai-Getz 0,1 0,1
62 МАРКА+МОДЕЛЬ-Нуипгіаі-ІХ35 0,1 0,0
63 МАРКА+МОДЕЛЬ-Hvundai-Santa Fe 0,1 0,2 0,1
64 МАРКА+МОДЕЛЬ-Hvundai-Solaris 0,1 0,0
65 МАРКА+МОДЕЛЬ-Hvundai-Sonata 0,1 0,0
66 МАРКА+МОДЕЛЬ-Hvundai-Tucson 0,1 0,0
67 MAPKA+MOflEnb-lnfinitv-FX35 0,2 0,5 0,1
68 MAPKA+MOflEnb-lnfinitv-FX37s 0,5 0,7 0,1
69 МАРКА+МОДЕЛЬ-Jaquar-XF 0,1 0,0
70 МАРКА+МОДЕЛЬ-Kia-Carnival 0,1 0,0
71 МАРКА+МОДЕЛЬ-Кіа-Ceed 0,1 0,0
72 MAPKA+МОДЕЛЬ-Kia-Cerato 0,1 0,0
73 MAPKA+МОДЕЛЬ-Kia-Rio 0,2 0,1
74 МАРКА+МОДЕЛЬ-Кіа-Sorento 0,1 0,0
75 МАРКА+МОДЕЛЬ-Kia-Sportaqe 0,1 0,2 0,1
76 МАРКА+МОДЕЛЬ-Land Rover-Discaverv 3 0,4 0,1
77 МАРКА+МОДЕЛЬ-Land Rover-Ranqe Rover 0,1 0,0
78 MAPKA+ МОДЕЛ b-Lexus-GS 300 0,3 0,4 0,1
79 MAPKA+ МОДЕЛ b-Lexus-GS 350 0,7 0,0
80 MAPKA+ МОДЕЛЬ-Lexus-GS 450H 0,1 0,2 0,1
81 MAPKA+ МОДЕЛ b-Lexus-GX460 11,1 0,0
82 MAPKA+ МОДЕЛb-Lexus-IS 250 0,1 0,4 0,1
83 MAPKA+ МОДЕЛ b-Lexus-LX 570 11,1 5,6 0,1
84 MAPKA+ МОДЕЛЬ-Lexus-RX 350 0,5 0,2 1,5 0,2
85 МАРКА+МОДЕЛЬ-Lexus-RX 400H 0,1 0,4 0,1
86 MAPKA+МОДЕЛЬ-Lexus-RX 450H 0,5 0,0
87 МАРКА+МОДЕЛЬ-Lexus-SC 430 0,5 0,0
88 МАРКА+МОДЕЛЬ-Lifan -Smilv 0,1 0,0
89 MAPKA+MOflEnb-Mazda-3 0,4 0,2
90 MAPKA+MOflEnb-Mazda-6 0,2 0,1
91 MAPKA+MOflEnb-Mazda-CX5 0,2 0,0
92 MAPKA+MOflEnb-Mazda-CX7 0,1 0,2 0,1
93 MAPKA+MOflEnb-Mercedes-E200 0,2 0,0
94 MAPKA+MOflEnb-Mercedes-E320 0,1 0,0
95 MAPKA+MOflEnb-Mercedes-E500 0,1 0,0
96 MAPKA+MOflEnb-Mercedes-GLK220 0,2 0,0
97 MAPKA+MOflEnb-Mercedes-ML350 0,2 0,0
98 MAPKA+MOflEnb-Mercedes-S320 0,5 0,0
99 MAPKA+ МОДЕЛ b-Mercedes-C180 0,1 0,0
100 МАРКА+МОДЕЛЬ-Mitsubishi-Galant 0,1 0,0
101 MAPKA+ МОДЕЛЬ-Mitsubishi-Lancer 0,2 0,1 0,1
102 МАРКА+МОДЕЛЬ-Mitsubishi-Outlander 0,1 0,2 0,1
103 МАРКА+МОДЕЛЬ-Mitsubishi-Padero Sport 0,1 0,0
104 MAPKA+ МОДЕЛЬ-Mitsubishi-Pajero 0,1 0,0
105 МАРКА+МОДЕЛЬ-Mitsubishi-Paiero IV 0,1 0,2 0,5 0,1
106 МАРКА+МОДЕЛЬ-Nissan-Murano 0,1 0,1 0,2 0,1
107 M АР КA+ M ОДЕЛ Ь- N issa n - N ote 0,1 0,1
108 МАРКА+МОДЕЛЬ-Nissan-Pathfiender 0,2 0,0
109 МАРКА+МОДЕЛЬ-Nissan-Patrol 0,1 0,0
110 МАРКА+МОДЕЛЬ-Nissan-Qashqai 0,1 0,1
111 МАРКА+МОДЕЛЬ-Nissan-Teana 0,2 0,1
112 МАРКА+МОДЕЛЬ-Nissan-Tiida 0,2 0,1
113 МАРКА+МОДЕЛЬ-Nissan-X-T rail 0,1 0,4 0,4 0,2
114 МАРКА+МОДЕЛЬ-ОреІ-Antara 0,1 0,0
115 МАРКД+МОДЕЛЬ-ОреІ-Astra 0,2 0,1
116 МАРКА+МОДЕЛЬ-ОреІ-Corsa 0,2 0,1
117 МАРКА+МОДЕЛЬ-ОреІ-lnsiqnia 0,2 0,4 0,1
118 МАРКА+МОДЕЛЬ-Opel-Vektra 0,1 0,1
119 MAPKA+MOflEnb-Peuqeot-3Q8 0,3 0,1
120 МАРКА+МОДЕЛЬ-Porshe -Boxter 0,1 0,0
121 МАРКА+МОДЕЛ Ь-Porshe -Cavne GTS 0,5 0,7 0,1
122 МАРКА+МОДЕЛЬ-Porshe -Panamera 11,1 0,0
123 МАРКА+МОДЕЛЬ-Ranqe Rover-Evoque 0,1 0,0
124 МАРКА+МОДЕЛЬ-Ranqe Rover-Sport 1,0 0,7 0,1
125 МАРКА+МОДЕЛ Ь-Renault-Clio 0,1 0,0
126 МАРКА+МОДЕЛ Ь-Renault-Duster 0,2 0,1
127 МАРКА+МОДЕЛ b-Renault-Fluence 0,1 0,0
128 МАРКА+МОДЕЛ b-Renault-Koleos 0,1 0,0
129 МАРКА+МОДЕЛ b-Renault-Loqan 0,2 0,1
130 МАРКА+МОДЕЛЬ-Renault-Meqane 2 0,4 0,2
131 МАРКА+МОДЕЛ Ь-Renault-Sandero 0,1 0,0
132 МАРКА+МОДЕЛ b-Renault-Scenic 0,1 0,0
133 МАРКА+МОДЕЛ b-Renault-Simbol 0,2 0,1
134 МАРКА+ МОДЕЛ b-Skoda-Fabia 0,1 0,0
135 МАРКА+ МОДЕЛ b-Skoda-Oktavia 0,1 0,0
136 МАРКА+МОДЕЛЬ-Ssanq Yonq-Action 0,1 0,0
137 МАРКА+МОДЕЛЬ-Ssanq Yonq-Rexton 0,1 0,0
138 МАРКА+МОДЕЛЬ-Subaru -Forester 0,1 0,2 0,1
139 МАРКА+МОДЕЛЬ-Subaru -Impreza 0,2 0,1
140 МАРКА+МОДЕЛЬ-Subaru -ImprezaXV 0,1 0,0
141 МАРКА+МОДЕЛЬ-Subaru -Outback 0,1 0,0
142 МАРКА+МОДЕЛЬ-Suzuki-Gr.Vitara 0,1 0,3 0,1
143 МАРКА+МОДЕЛЬ-Tovota-Allion 0,1 0,0
144 МАРКА+МОДЕЛЬ-Toyota-Auris 0,5 0,2
145 M APKA+ МОДЕЛ Ь-Т ovota-Avalon 0,1 0,0
146 M APKA+ МОДЕЛ Ь-Тoyota-Avensis 1,0 0,5
147 МАРКА+МОДЕЛЬ-Tovota-Avensis New 0,2 0,1
148 M APKA+ МОДЕЛ Ь-Тovota-Camrv 0,2 1,5 0,2 0,5
149 M APKA+ МОДЕЛ Ь-T oyota-Corolla 1,9 0,8 1,1
150 МАРКА+МОДЕЛЬ-Tovota-Corolla Verso 0,1 0,1 0,1
151 МАРКА+МОДЕЛЬ-Tovota-Hiqhlander 0,2 1,4 0,1
152 МАРКА+МОДЕЛЬ-Tovota-Hilux 0,2 0,0
153 МАРКА+МОДЕЛЬ-Tovota-LC 100 0,1 0,7 0,1
154 MAP К A+ M ОДЕЛ Ь -T ovota- LC 200 1,9 1,5 0,2
155 МАРКА+МОДЕЛЬ-Tovota-LC 80 0,1 0,0
156 МАРКА+МОДЕЛЬ-Tovota-LC Prado 120 0,1 1,8 0,2
157 МАРКА+МОДЕЛЬ-Tovota-LC Prado 150 2,9 3,7 0,3
158 M APKA+ МОДЕЛ Ь-Тovota-Prius 0,1 0,0
159 M APKA+ МОДЕЛ Ь-Тovota-Rav 4 0,2 1,6 0,9 0,7
160 МАРКА+МОДЕЛЬ-Tovota-Rav 4 Lonq 0,1 0,0
161 M APKA+ МОДЕЛ b-Volkswaqen-Caddv 0,1 0,1 0,1
162 МАРКА+МОДЕЛЬ-Volkswaqen-Golf 0,1 0,1
163 МАРКА+МОДЕЛЬ-Volkswaqen-Jetta 0,1 0,0
164 МАРКА+МОДЕЛЬ-Volkswaqen-Passat 0,2 0,1
165 МАРКА+МОДЕЛЬ-Volkswaqen-Passat Variant 0,2 0,0
166 МАРКА+МОДЕЛЬ-Volkswaqen-Touareq 0,2 1,1 1,5 0,2
167 МАРКА+МОДЕЛЬ-Volvo-SSO 0,1 0,0
168 МАРКА+МОДЕЛЬЛ/оіуо-ХС90 0,1 0,1 0,1
169 КУЗОВ-джип 1,3 5,0 8,4 10,1 10,4 11,1 11,1 11,1 4,2
170 КУЗОВ-кабриолет 0,1 0,5 0,1
171 КУЗОВ-купе 0,2 0,1 0,2 0,2
172 КУЗОВ-лифт 0,1 0,0
173 КУЗОВ-лифтбек 0,1 0,1
174 КУЗОВ-минивен 0,3 0,1 0,2
175 КУЗОВ-НЛО 0,1 0,1 0,2 0,5 0,1
176 КУЗОВ-пикап 0,2 0,0
177 КУЗОВ-седан 6,0 4,9 1,6 0,7 11,1 4,5
178 КУЗОВ-унив 0,1 0,0
179 КУЗО В- уни версал 0,3 0,4 0,4 0,3
180 КУЗОВ-хэтч 0,1 0,0
181 КУЗОВ-хэтчб 0,1 0,0
182 КУЗОВ-хэтчбек 2,5 0,4 1,3
183 ГОД ВЫ ПУСКА-1/10-{1996.0000000, 1997.7000000} 0,1 0,1
184 ГОД ВЫПУСКА-2/10-{1997.7000000, 1999.4000000} 0,1 0,0
185 ГОД ВЫПУСКА-3/10-{1999.4000000, 2001.1000000} 0,1 0,1 0,1
186 ГОД ВЫПУСКА-4/1042001.1000000, 2002.8000000} 0,1 0,0
187 ГОД ВЫПУСКА-5/1042002.8000000, 2004.5000000} 0,6 0,6 0,2 0,5
188 ГОД ВЫПУСКА-6/1042004.5000000, 2006.2000000} 1,9 0,9 1,6 1,4
189 ГОД ВЫПУСКА-7/1042006.2000000, 2007.9000000} 2,8 2,2 1,8 1,0 2,3
190 ГОД ВЫПУСКА-8/1042007.9000000, 2009.6000000} 3,7 3,4 3,1 5,3 4,4 3,6
191 ГОД ВЫПУСКА-9/1042009.6000000, 2011.3000000} 1,4 3,1 2,9 3,9 5,9 11,1 11,1 11,1 11,1 2,5
192 ГОД ВЫПУСКА-10/1042011.3000000, 2013.0000000} 0,3 0,9 1,6 1,0 0,7 0,7
193 ПРОБЕГ-1/10-{1800.0000000, 47620.0000000} 2,0 2,9 3,6 3,9 6,7 11,1 2,8
194 ПРОБЕГ-2/10-{47620.0000000, 93440.0000000} 4,5 4,0 4,2 4,3 3,7 11,1 11,1 11,1 4,3
195 ПРОБЕГ-3/10-{93440.0000000, 139260.0000000} 3,0 2,7 1,8 1,4 2,5
196 ПРОБЕГ-4/10-{139260.0000000, 185080.0000000} 1,3 1,1 1,1 1,0 0,7 1,2
197 ПРОБЕГ-5/10-{185080.0000000, 230900.0000000} 0,1 0,2 0,2 0,5 0,2
198 ПРОБЕГ-6/104230900.0000000, 276720.0000000} 0,1 0,1 0,1
199 ПРОБЕГ-7/10-{276720.0000000, 322540.0000000} 0,2 0,0
200 ПРОБЕГ-8/10-{322540.0000000, 368360.0000000} 0,1 0,0
201 ПРОБЕГ-9/104368360.0000000, 414180.0000000}
202 ПРОБЕГ-10/10-{414180.0000000, 460000.0000000} 0,1 0,0
203 ОБЬЕМ ДВИГАТЕЛЯ-1/1041.0000000, 1.4700000} 1,4 0,2 0,7
204 ОБЬЕМ ДВИГАТЕЛЯ-2/1041.4700000, 1.9400000} 6,6 1,8 0,4 3,7
205 ОБЬЕМ ДВИГАТЕЛЯ-3/1041.9400000, 2.4100000} 2,5 5,5 2,9 3,1
206 ОБЬЕМ ДВИГАТЕЛЯ-4/1042.4100000, 2.8800000} 0,2 1,2 0,9 0,5 0,6
207 ОБЬЕМ ДВИГАТЕЛЯ-5/1042.8800000, 3.3500000} 0,2 0,8 2,4 3,4 1,5 0,9
208 ОБЬЕМ ДВИГАТЕЛЯ-6/1043.3500000, 3.8200000} 0,1 1,2 1,6 3,9 5,2 5,6 1,0
209 ОБЬЕМ ДВИГАТЕЛЯ-7/1043.8200000, 4.2900000} 0,2 2,2 0,5 2,2 0,4
210 ОБЬЕМ ДВИГАТЕЛЯ-8/10-{4.2900000, 4.7600000} 0,1 0,7 2,4 1,5 11,1 0,4
211 ОБЬЕМ ДВИГАТЕЛЯ-9/1044.7600000, 5.2300000} 0,2 0,5 0,7 11,1 0,1
212 ОБЬЕМ ДВИГАТЕЛЯ-10/1045.2300000, 5.7000000} 0,1 11,1 5,6 0,1
213 ЦВЕТ-серебро 0,2 0,0
214 ЦВЕТ-бежевый 0,4 0,1 0,9 0,7 0,4
215 ЦВЕТ-бежевый металлик 0,1 0,0
216 ЦВЕТ-бел. перламутр 0,2 0,0
217 ЦВЕТ-белый 0,6 1,3 1,3 1,9 0,7 11,1 11,1 1,1
218 ЦВЕТ-бирюзовый 0,2 0,1
219 ЦВЕТ-бордовый 0,1 0,0
220 ЦВЕТ-вишневый 0,5 0,0
221 ЦВЕТ-голубой 0,2 0,1
222 ЦВЕТ-голубой металлик 0,1 0,0
223 ЦВЕТ-графит 0,1 0,7 0,1
224 ЦВЕТ-джинс 0,2 0,1
225 ЦВЕТ-зеленый 0,2 0,1
226 ЦВЕТ-золотистый 0,1 0,7 0,1
227 ЦВЕТ-золото 0,1 0,0
228 ЦВЕТ-красный 0,9 0,3 0,2 0,5 0,6
229 ЦВЕТ-оливковый 0,2 0,1 0,1
230 ЦВЕТ-оранжевый 0,7 0,0
231 ЦВЕТ-св.оливковый 0,1 0,0
232 ЦВЕТ-св.серый 0,1 0,0
233 ЦВЕТ-светло- голубой 0,3 0,1
234 ЦВЕТ-светло-серый 0,1 0,0
235 ЦВЕТ-светло-синий 0,1 0,0
236 ЦВЕТ-сереб- голубой 0,1 0,0
237 ЦВЕТ-серебрисгый 0,6 0,7 0,5
238 ЦВЕТ-серебро 2,3 1,5 2,2 1,0 2,2 1,9
239 ЦВЕТ-серо- голубой 0,1 0,2 0,1
240 ЦВЕТ-серо-зеленый 0,1 0,1 0,1
241 ЦВЕТ-серо-синий 0,1 0,0
242 ЦВЕТ-серый 1,0 1,2 0,4 1,4 0,9
243 ЦВЕТ-синий 0,3 0,1 0,2
244 ЦВЕТ-сиреневый 0,1 0,0
245 ЦВЕТ-т.зеленый 0,1 0,0
246 ЦВЕТ-т.красый 0,1 0,0
247 ЦВЕТ-т.серый 0,4 0,3 0,3
248 ЦВЕТ-т. серый(титан) 0,1 0,0
249 ЦВЕТ-т.синий 0,2 0,1 0,2 0,1
250 ЦВЕТ-темно-вишневый 0,1 0,0
251 ЦВЕТ-темно- красн ы й 0,1 0,0
252 ЦВЕТ-темно-себристый 0,1 0,0
253 ЦВЕТ-темно-серый 0,1 0,5 1,5 0,2
254 ЦВЕТ-темно-синий 0,1 0,1 0,1
255 ЦВЕТ-фиолетовый 0,1 0,0
256 ЦВЕТ-черно-синий 0,2 0,0
257 ЦВЕТ-черный 2,4 4,0 5,1 5,8 3,7 11,1 11,1 3,5
258 КПП-А 3,5 9,6 9,6 11,1 11,1 11,1 11,1 11,1 11,1 6,8
259 КПП-В 0,1 0,4 0,9 0,2
260 КПП-Вар 0,1 0,2 0,1
261 КПП-М 5,9 1,1 0,4 3,2
262 КПП-робот 1,6 0,1 0,8
263 ОТДЕЛКА САЛОНА-велюр 0,3 0,2 0,1
264 ОТДЕЛКА САЛОНА-кожа 1,0 6,1 8,0 9,7 11,1 11,1 11,1 11,1 11,1 4,4
265 ОТДЕЛКА САЛОНА-комбинированный 0,2 0,5 0,2
266 ОТДЕЛКА САЛОНА-ткань 9,8 4,3 2,9 1,4 6,4
Сумма 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 100,0 900,0
Затем с использованием выражений из таблицы 11 матрицы условных и безусловных процентных распределений (таблицы 9, 10) преобразуются в матрицы знаний (таблица 12).
Таблица 11 - ЧАСТНЫЕ КРИТЕРИИ ЗНАНИЙ, ИСПОЛЬЗУЕМЫЕ В НАСТОЯЩЕЕ ВРЕМЯ _________________В СК-АНАЛИЗЕ И СИСТЕМЕ «ЭЙДОС-Х++»____________
Наименование модели знаний и частный критерий Выражение для частного критерия
через относительные частоты через абсолютные частоты
1МР1, частный критерий: количество знаний по А.Харкевичу, 1-й вариант расчета относительных частот: /\/у - суммарное количество признаков поу-му классу. Относительная частота того, что если у объекта ]-го класса обнаружен признак, то это нй признак /,.,. = ^ X 1,о8.2 ^ т — \т/ ^ т У
1 X х 9 4 NN ^ * 3
1ЫР2, частный критерий: количество знаний по А.Харкевичу, 2-й вариант расчета относительных частот: /\/у - суммарное количество объектов по у-му классу. Относительная частота того, что если предъявлен объект ]-го класса, то у него будет обнаружен нй признак. /у т — XV ^ т У
1 „ т х 9 4 NN ^ * 3
INF3, частный критерий: Хи-квадрат: разности между фактическими и теоретически ожидаемыми абсолютными частотами — N,N, I =N ' J N
INF4, частный критерий: R0I - Return On Investment, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков поу-му классу2 и I и J-a | Л N,,N Ju = — 1 N,N;.
INF5, частный критерий: R0I - Return On Investment, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по у-му классу и I и J-a | Л NnN Ju = 1 N,Nf
INF6, частный критерий: разность условной и безусловной относительных частот, 1-й вариант расчета относительных частот: Nj - суммарное количество признаков по у-му классу I II J ’J Nj N
INF7, частный критерий: разность условной и безусловной относительных частот, 2-й вариант расчета относительных частот: Nj - суммарное количество объектов по у-му классу I of и J ,J Nj N
Обозначения:
/ — значение прошлого параметра;
У - значение будущего параметра;
Ыу — количество встреч уго значения будущего параметра при 1-м значении прошлого параметра;
М — суммарное число значений всех прошлых параметров;
IV - суммарное число значений всех будущих параметров.
Ы) — количество встреч 1-м значения прошлого параметра по всей выборке;
Ы,- — количество встреч у'-го значения будущего параметра по всей выборке;
N — количество встреч /-го значения будущего параметра при 1-м значении прошлого параметра по всей выборке.
/,; — частный критерий знаний: количество знаний в факте наблюдения /-го значения прошлого параметра о том, что объект перейдет в состояние, соответствующее уму значению будущего параметра;
¥ — нормировочный коэффициент (Е.В.Луценко, 1981), преобразующий количество информации в формуле АХаркевича в биты и обеспечивающий для нее соблюдение принципа соответствия с формулой Р.Хартли;
Р) — безусловная относительная частота встречи /-го значения прошлого параметра в обучающей выборке;
Р у— условная относительная частота встречи /-го значения прошлого параметра при ум значении будущего параметра.
Таблица 12 - МАТРИЦА ЗНАНИЙ ШИ НА ОСНОВЕ МЕРЫ А.ХАРКЕВИЧА ____________В АНАЛИТИЧЕСКОМ ПРЕДСТАВЛЕНИИ____________
Значения будущих параметров Ценность значения прошлого параметра для прогнозирования
1 j w
i In ly hw ^■1 1 у(/ -l)
1 In I., 1 w < \ Y г 7)
w-\p}iJ i}
2 Применение предложено JI.O. Макаревич
http://ej.kubagro.ru/2013/10/pdf/36.pdf
М ^М1 ^MW ^ 1 lv 1 - \ w_l Sfcs hi)
Степень сформиро-ванно сти значения будущего параметра <31 <Jw 1 1 w м і \ н = 1 ТУ г I)
I
t - среднее количество знаний в і-м значении прошлого параметра:
W
Л W
і =— У/..
7 1J ГГ 7=1
Таблица 13 - МАТРИЦА ЗНАНИЙ INF1 НА ОСНОВЕ МЕРЫ А.ХАРКЕВИЧА
Код 1 Наименование MAPKA-Audi Классы Ценность 219
1 2 3 4 5 6 7 8 9 10
-493 280 336
2 MAPKA-BMW -493 -1 336 370 1361 483
3 M A PKA-C hev ro let 296 94
4 MAPKA-Chrysler 296 94
5 МАРКА-Сйгоёп 296 94
6 MAPKA-Dod.qe 296 94
7 МАРКА-Ford 254 -42 7 165
8 MAPKA-Honda 89 135 49
9 MAPKA-Hyundai 106 -55 1 39
10 MAPKA-lnfinity 282 878 770 345
11 MAPKA-Jaguar 507 160
12 МАРКА-Kia 206 -14 6 84
13 MAPKA-Land Rover -149 680 225
14 MAPKA-Lexus -1069 211 205 75 412 1065 1065 784 627
15 MAPKA-Lifan 296 94
16 MAPKA-Mazda 100 29 -19 6 74
17 MAPKA-Mercedes 163 501 370 185
18 MAPKA-Mitsubishi -59 61 118 151 64
19 MAPKA-Nissan -47 115 172 66
20 MAPKA-Opel 160 -28 2 55 109
21 МАРКА-Peugeot 296 94
22 MAPKA-Porshe -55 597 770 1869 618
23 MAPKA-Range Rover -55 878 770 352
24 MAPKA-Renault 237 -ЗО 1 128
25 MAPKA-Skoda 296 94
26 MAPKA-Ssang Yong 296 94
27 MAPKA-Subaru 106 109 45
28 MAPKA-Suzuki -266 390 157
29 MAPKA-Toyota -26 23 -29 154 76 55
ЗО M A P KA-Vol kswag e n -290 11 422 465 221
31 MAPKA-Volvo 15 226 71
32 MAPKA+MOflEJ1b-Audi-A4 296 94
33 MAPKA+MOflEJ1b-Audi-Q7 844 267
34 MAPKA+MOflEJ1b-Audi-A3 507 160
35 MAPKA+MOflEJ1b-Audi-A6 507 160
36 MAPKA+MOflEJ1b-BMW-116 507 160
37 MAPKA+ МОДЕЛ b-BMW-118i 507 160
38 MAPKA+MOfl^b-BMW-318 15 563 178
39 МАРКА+МОДЕЛЬ-В M W-X3 844 267
40 MAPKA+ МОДЕЛЬ-BMW-X5 1159 367
41 MAPKA+ МОДЕЛ b-BMW-X6 2150 680
42 M A PKA+ M ОД ЕЛ Ь-C h ev ro let-C ruze 296 94
43 M APKA+ МОДЕЛ Ь-C hev rolet-E pica 296 94
44 M A PKA+ M ОД ЕЛ Ь-C h ev ro let- Lacetti 296 94
45 МАРКА+МОДЕПЬ-Chrysler-Sebring 296 94
46 MAP KA+ MOflEnb-Citroen-C3Pi casso 296 94
47 МАРКА+МОДЕЛЬ-Сііго#п-С4 296 94
48 МАРКА+МОДЕЛ b-Citroen-C5 296 94
49 МАРКА+ МОДЕЛ b-Dodqe-Caliber 296 94
50 МАРКА+ МОДЕЛ Ь-Ford-Escape XTL 296 94
51 М А РКА+ М ОД ETlb-Ford-Expedition 507 160
52 МАРКА+МОДЕЛ b-Ford-Focus 2 261 -50 1 187
53 МАРКА+МОДЕЛ b-Ford-Fusion 296 94
54 МАРКА+ МОДЕЛ b-Ford-Galaxy 296 94
55 МАРКА+МОДЕЛ b-Ford-Mondeo 296 94
56 МАРКА+МОДЕЛ b-Ford-S-Max 296 94
57 МАРКА+МОДЕЛ b-Honda-Accord 507 160
58 МАРКА+МОДЕЛ b-Honda-Civic 296 94
59 МАРКА+МОДЕЛ Ь-Honda-Civic Hybrid 296 94
60 МАРКА+МОДЕП Ь-Honda-CR-V 15 226 71
61 МАРКА+ МОДЕЛ b-Hyundai-Getz 296 94
62 МАРКА+МОДЕЛ b-Hyundai-IX35 507 160
63 МАРКА+МОДЕПb-Hyundai-Santa Fe 15 563 178
64 МАРКА+МОДЕП b-Hyundai-Solaris 296 94
65 М АРКА+ МОДЕЛ b-Hyundai-Sonata 507 160
66 М АРКА+ МОДЕЛ b-Hyundai-T ucson 296 94
67 М АРКА+МОДЕЛ b-lnfinity-FX35 563 878 313
68 МАРКА+ МОДЕЛ b-l nfinity-FX37s 878 1051 409
69 МАРКА+МОДЕЛ b-Jaguar-XF 507 160
70 МАРКА+ МОДЕЛ b-Kia-Carn ival 296 94
71 МАРКА+М ОДЕЛ b-Kia-Ceed 296 94
72 М АР КА+МОДЕЛ b-Kia-Cerato 296 94
73 МАРКА+МОДЕЛ b-Kia-Rio 296 94
74 МАРКА+МОДЕЛ b-Kia-Sorento 296 94
75 МАРКА+МОДЕЛ b-Kia-Sportage -149 342 123
76 МАРКА+МОДЕЛ Ь-Land Rover-Discavery 3 844 267
77 МАРКА+ МОДЕЛ Ь-Land Rover-Range Rover 296 94
78 MAPKA+МОДЕП Ь-Lexus-GS 300 300 473 168
79 MAPKA+ МОДЕЛ Ь-Lexus-GS 350 1333 421
80 МАРКА+МОДЕЛ b-Lexus-GS 450Н 226 563 184
81 МАРКА+МОДЕЛ b-Lexus-GX460 2431 769
82 МАРКА+МОДЕЛ b-Lexus-IS 250 -356 416 183
83 МАРКА+МОДЕЛ b-Lexus-LX 570 2150 1869 850
84 МАРКА+МОДЕЛ b-Lexus-RX 350 316 1 770 253
85 МАРКА+ МОДЕЛ b-Lexus-RX 400Н 61 680 214
86 МАРКА+МОДЕЛ b-Lexus-RX 450Н 1159 367
87 МАРКА+МОДЕЛ b-Lexus-SC 430 1159 367
88 МАРКА+МОДЕЛ Ь-Lifan -Smily 296 94
89 МАРКА+МОДЕЛ b-Mazda-3 296 94
90 МАРКА+МОДЕЛ b-Mazda-6 507 160
91 МАРКА+МОДЕЛ b-Mazda-CX5 844 267
92 МАРКА+МОДЕЛ b-Mazda-CX7 -149 342 123
93 М АРКА+ МОДЕЛ Ь- Me rcedes- Е200 844 267
94 М АРКА+ МОДЕЛ Ь- Me rcedes- Е320 507 160
95 М АРКА+ МОДЕЛ Ь- Me rcedes- Е500 507 160
96 М АРКА+ МОДЕЛ Ь- Me rcedes-G L К220 844 267
97 МАРКА+МОДЕЛ b-Mercedes-ML350 844 267
98 МАРКА+ МОДЕЛ b-Mercedes-S320 1159 367
99 MAPKA+MOflEnb-Mercedes-C180 507 160
100 МАРКА+МОДЕЛ b-Mitsubishi-Galant 296 94
101 МАРКА+ МОДЕЛ b-Mitsubishi-Lancer 180 -55 61
102 МАРКА+МОДЕЛ Ь-Mitsubishi-Outlander 226 563 184
103 М А РКА+ М ОД ЕПЬ-Mitsubishi-PaderoSport 507 160
104 МАРКА+МОДЕЛ b-Mitsubishi-Pajero 296 94
105 МАРКА+МОДЕЛb-Mitsubishi-Pajero IV 61 399 714 244
106 МАРКА+МОДЕЛ b-Nissan-Murano -149 61 399 140
107 МАРКА+МОДЕЛ b-Nissan-Note 296 94
108 М А РКА+ М ОД ЕПЬ-Nissan-Pathfiender 844 267
109 МАРКА+МОДЕЛ b-Nissan-Patrol 507 160
110 М АРКА+ МОДЕЛ b-Nissan-Qashqai 296 94
111 МАРКА+МОДЕПЬ-Ni ssa n -Tea па 507 160
112 MAPKA+МОДЕП Ь-Nissan-Tiida 296 94
113 МАРКА+ МОДЕЛ Ь-Nissan-X-T rail -493 280 336 219
114 МАРКА+ МОДЕЛ b-Opel-Antara 296 94
115 М АР КА+МОДЕЛ b-Opel-Astra 296 94
116 МАРКА+МОДЕПЬ-Opel-Corsa 296 94
117 МАРКА+МОДЕЛ b-Opel-lnsignia 226 563 184
118 МАРКА+ МОДЕЛ b-Opel-Vektra 296 94
119 МАРКА+МОДЕЛ b-Peugeot-308 296 94
120 М А РКА+ М ОД ЕЛ Ь- Ро rsh е - Boxter 507 160
121 МАРКА+МОДЕЛ Ь-Porshe -Саупе GTS 878 1051 409
122 М А РКА+ М ОД ЕЛ Ь- Ро rsh е - Ра па тега 2431 769
123 МАРКА+МОДЕЛЬ-Range Rover-Evoque 507 160
124 М А РКА+ М ОД ЕПЬ-RangeRover-Sport 995 887 398
125 МАРКА+МОДЕЛ b-Renault-Clio 296 94
126 МАРКА+МОДЕПЬ-Renault-Duster 507 160
127 МАРКА+МОДЕЛ b-Renault-Fluence 296 94
128 МАРКА+МОДЕЛ Ь-Renault-Koleos 507 160
129 М АРКА+ МОД ЕЛ Ь-Renault- Logan 296 94
130 МАРКА+МОДЕПЬ-Renault-Megane 2 296 94
131 М АРКА+ МОДЕП Ь-Renault- Sand его 296 94
132 М А РКА+ М ОД ЕПЬ-Renault-Scenic 296 94
133 М АРКА+ МОДЕЛ b-Renault-Simbol 296 94
134 МАРКА+МОДЕЛЬ-Skoda-Fabia 296 94
135 МАРКА+ МОДЕЛ b-Skoda-Oktavia 296 94
136 МАРКА+МОДЕЛЬ-Ssang Yong-Action 296 94
137 М А РКА+ М ОД ЕЛ Ь-Ssa n g Yo n g- Rexton 296 94
138 MAPKA+МОДЕЛЬ-Subaru -Forester -149 342 123
139 МАРКА+МОДЕЛЬ-Subaru -Impreza 296 94
140 MAPKA+ МОДЕПЬ-Subaru -Impreza XV 507 160
141 МАРКА+МОДЕПЬ-Subaru -Outback 296 94
142 МАРКА+МОДЕЛ b-Suzu ki-G r. Vitara -266 390 157
143 M APKA+ МОДЕЛ b-Toyota-Allion 296 94
144 M A PKA+ M ОД ЕЛ Ь-Toy ota-Au ris 296 94
145 M APKA+ МОДЕЛ b-T oyota-Avalon 507 160
146 МАРКА+МОДЕПЬ-Т oyota- Aven sis 296 94
147 MAPKA+MOflETlb-Toyota-Avensis New 507 160
148 M A P KA+ M ОДЕЛ b-T oyota-Cam ry -452 411 -35 0 231
149 M APKA+ МОДЕЛ b-T oyota-Corolla 208 -15 6 87
150 M A PKA+ M ОД ЕП b-Toyota-Corol la Ve rso 15 226 71
151 МАРКА+МОДЕЛ Ь-Toyota-Highlander 282 1043 332
152 MAPKA+ МОДЕП b-Toyota-Hilux 844 267
153 МАРКА+МОДЕЛ b-Toyota-LC 100 -55 728 233
154 МАРКА+МОДЕЛb-Toyota-LC 200 995 887 398
155 МАРКА+МОДЕЛ b-Toyota-LC 80 296 94
156 МАРКА+МОДЕЛ b-Toyota-LC Prado 120 -38 4 796 292
157 МАРКА+МОДЕЛ b-Toyota-LC Prado 150 913 1013 407
158 M APKA+ МОДЕЛ Ь-T oyota-Pri us 296 94
159 МАРКА+МОДЕЛb-Toyota-Rav 4 -547 367 118 223
160 МАРКА+МОДЕЛb-Toyota-Rav 4 Long 507 160
161 M APKA+ МОДЕП b-Volkswagen-Caddy 15 226 71
162 MAPKA+МОДЕЛЬ-Volkswagen-Golf 296 94
163 M APKA+ МОДЕП b-Volkswagen-Jetta 296 94
164 M APKA+ МОДЕП Ь-Vo I kswagen-Passat 507 160
165 M APKA+ МО ДЕЛ Ь-Vo I kswagen-Passat Variant 844 267
166 M APKA+ МОДЕЛ Ь-Volkswagen-T ouareg -10 3 606 723 289
167 MAPKA+ МОДЕП b-Volvo-S80 507 160
168 МАРКА+МОДЕЛ b-Volvo-XC90 132 61 44
169 КУЗОВ-джип -469 72 282 356 365 393 393 393 281
170 КУЗОВ- кабриолет 226 878 279
171 КУЗОВ-купе 132 -22 0 118 94
172 КУЗОВ-лифт 296 94
173 КУЗО В-л и фтб е к 296 94
174 КУЗОВ-минивен 234 -28 2 122
175 КУЗОВ-НЛО -266 -55 282 597 231
176 КУЗОВ-пикап 844 267
177 КУЗОВ-седан 112 33 -43 5 -736 362 304
178 КУЗОВ-унив 296 94
179 КУЗОВ-униве реал 15 61 118 40
180 КУЗОВ-хэтч 296 94
181 КУЗОВ-хэтчб 296 94
182 КУЗОВ-хэтчбек 260 -49 2 184
183 ГОД ВЫПУСКА-1/10-{1996.0000000, 1997.7000000} 296 94
184 ГОД ВЫ ПУСКА-2/1041997.7000000, 1999.4000000} 296 94
185 ГОД ВЫПУСКА-3/1041999.4000000, 2001.1000000} 132 61 44
186 ГОД ВЫПУСКА-4/1042001.1000000, 2002.8000000} 296 94
187 ГОД ВЫПУСКА-5/1042002.8000000, 2004.5000000} 81 84 -30 5 108
188 ГОД ВЫПУСКА-6/1042004.5000000, 2006.2000000} 136 -18 0 55 78
189 ГОД ВЫПУСКА-7/1042006.2000000, 2007.9000000} 88 -9 -10 0 -347 118
190 ГОД ВЫПУСКА-8/1042007.9000000, 2009.6000000} 12 -28 -63 154 82 61
191 ГОД ВЫПУСКА-9/1042009.6000000, 2011.3000000} -240 87 60 178 351 606 606 606 606 312
192 ГОД ВЫПУСКА-10/10-{2011.3000000, 2013.0000000} -282 92 328 135 27 151
193 ПРОБЕГ-1/10-{1800.0000000, 47620.0000000} -129 19 101 135 356 563 206
194 ПРОБЕГ-2/10447620.0000000, 93440.0000000} 21 -35 -10 2 -63 383 383 383 192
195 ПРОБЕГ-3/10493440.0000000, 139260.0000000} 70 29 -14 2 -225 88
196 ПРОБЕГ-4/104139260.0000000, 185080.0000000} 52 -37 -19 -76 -183 64
197 ПРОБЕГ-5/10-{185080.0000000, 230900.0000000} -149 61 118 433 151
198 ПРОБЕГ-6/104230900.0000000, 276720.0000000} 15 226 71
199 ПРОБЕГ-7/104276720.0000000, 322540.0000000} 844 267
200 ПРОБЕГ-8/104322540.0000000, 368360.0000000} 507 160
201 ПРОБЕГ-9/104368360.0000000, 414180.0000000}
202 ПРОБЕГ-10/10-{414180.0000000, 460000.0000000} 296 94
203 ОБЬЕМ ДВИГАТЕЛЯ-1/1041.0000000, 1.4700000} 264 -53 3 196
204 ОБЬЕМ ДВИГАТЕЛЯ-2/10-{1.4700000, 1.9400000} 228 -28 8 -86 4 297
205 ОБЬЕМ ДВИГАТЕЛЯ-3/1041.9400000, 2.4100000} -95 229 -33 83
206 ОБЬЕМ ДВИГАТЕЛЯ-4/1042.4100000, 2.8800000} -376 280 172 -76 168
207 ОБЬЕМ ДВИГАТЕЛЯ-5/1042.8800000, 3.3500000} -547 -55 411 543 208 294
208 ОБЬЕМ ДВИГАТЕЛЯ-6/1043.3500000, 3.8200000} -887 50 169 538 657 685 455
209 ОБЬЕМ ДВИГАТЕЛЯ-7/1043.8200000, 4.2900000} -33 7 654 35 654 311
210 ОБЬЕМ ДВИГАТЕЛЯ-8/1044.2900000, 4.7600000} -463 250 772 573 1391 527
211 ОБЬЕМ ДВИГАТЕЛЯ-9/1044.7600000, 5.2300000} 135 506 680 1778 571
212 ОБЬЕМ ДВИГАТЕЛЯ-10/1045.2300000, 5.7000000} 61 1985 1704 778
213 ЦВЕТ-серебро 844 267
214 ЦВЕТ-бежевый 45 -53 3 366 292 236
215 ЦВЕТ-бежевый металлик 296 94
216 ЦВЕТ-бел. перламутр 844 267
217 ЦВЕТ-белый -206 72 96 246 -143 956 956 418
218 ЦВЕТ-бирюзовый 507 160
219 ЦВЕТ-бордовый 296 94
220 ЦВЕТ-вишневый 1159 367
221 ЦВЕТ-голубой 296 94
222 ЦВЕТ-голубой металлик 296 94
223 ЦВЕТ-графит 15 1051 332
224 ЦВЕТ-джинс 507 160
225 ЦВЕТ-зеленый 296 94
226 ЦВЕТ -золотистый 15 1051 332
227 ЦВЕТ-золото 296 94
228 ЦВЕТ-красный 186 -28 2 -39 1 -76 164
229 ЦВЕТ-оливковый 180 -55 61
230 ЦВЕТ -оранжевый 1333 421
231 ЦВЕТ-св.оливковый 296 94
232 ЦВЕТ-св.серый 507 160
233 ЦВЕТ -светло-голубой 296 94
234 ЦВЕТ -светло-серый 296 94
235 ЦВЕТ -светло-синий 296 94
236 ЦВЕТ - се реб- голубой 296 94
237 ЦВЕТ-серебристый 81 147 51
238 ЦВЕТ-серебро 70 -11 8 55 -283 55 105
239 Ц В ЕТ - серо- голубой -149 342 123
240 ЦВЕТ-серо-зеленый 15 226 71
241 ЦВЕТ-серо-синий 296 94
242 ЦВЕТ-серый 15 84 -30 5 175 120
243 ЦВЕТ-синий 223 -22 0 104
244 ЦВЕТ-си реневый 296 94
245 ЦВЕТ-т.зеленый 296 94
246 ЦВЕТ-т.красый 296 94
247 ЦВЕТ-т.серый 152 19 48
248 ЦВЕТ-т.серый(титан) 507 160
249 ЦВЕТ-т.синий 89 -14 6 192 84
250 ЦВЕТ-темно-вишневый 507 160
251 Ц В ЕТ -те м н о- красн ы й 296 94
252 ЦВЕТ-темно-себристый 507 160
253 ЦВЕТ-темно-серый -314 268 723 268
254 ЦВЕТ-темно-синий 15 226 71
255 ЦВЕТ-фиолетовый 296 94
256 ЦВЕТ-черно-синий 844 267
257 ЦВЕТ-черный -146 55 158 209 27 473 473 207
258 КПП-А -274 139 139 200 200 200 200 200 200 152
259 КПП-В -595 178 515 269
260 КПП-Вар 15 563 178
261 КПП-М 248 -44 9 -80 3 299
262 КПП-робот 282 -85 9 295
263 ОТДЕЛКА САЛОНА-велюр 390 282 144
264 ОТДЕЛКА С АЛ О НА-кожа -582 137 247 324 380 380 380 380 380 305
265 ОТДЕЛКА САЛОНА-комбинированный -32 268 87
266 ОТДЕЛКА САЛОНА-ткань 174 -16 6 -32 3 -603 221
Созданы аналогичные модели с применением других частных критериев (таблица 9) преобразования матрицы абсолютных частот и матриц условных и безусловных процентных распределений в матрицы знаний, которые здесь не приводятся из-за ограниченного объема статьи.
При появлении новых данных и старении ранее использованных осуществляется
пересинтез моделей на новых актуальных данных, что занимает несколько минут. Это обеспечивает эксплуатацию методики в адаптивном режиме. При необходимости она без труда может быть локализована для других фирм на их данных.
7. Выбор наиболее достоверной модели
В простейшем случае измерение достоверности моделей осуществляется путем решения задачи идентификации объектов обучающей выборки с использованием этих моделей. При этом объект считается относящимся к тому классу, о принадлежности к которому в его системе признаков содержится наиболее суммарное количество информации (это соответствует лемме Неймана-Пирсона). Количественно в СК-анализе и системе «Эйдос» эта степень сходства конкретного объекта с обобщенным образом класса рассчитывается с использованием двух интегральных критериев:
Интегральный критерий «Семантический резонанс знаний» представляет собой суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев знаний, представленных в help режима 3.3:
В выражении круглыми скобками обозначено скалярное произведение. В координатной форме это выражение имеет вид:
М
7 = 1
5
где: М - количество градаций описательных шкал (признаков);
X, = {I,,}
J J - вектор состояния j-ro класса;
' - вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
1, если i - й фактор действует, Lt =<п, где: п > 0, если i - и фактор действует с истинностью и;
0, если i - й фактор не действует.
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или п, если он присутствует у объекта с интенсивностью п, т.е. представлен п раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Интегральный критерий «Семантический резонанс знаний» представляет собой нормированное суммарное количество знаний, содержащееся в системе факторов различной природы, характеризующих сам объект управления, управляющие факторы и окружающую среду, о переходе объекта в будущие целевые или нежелательные состояния.
Интегральный критерий представляет собой аддитивную функцию от частных критериев
знаний, представленных в help режима 3.3 и имеет вид:
ар, А ,=1
где:
М - количество градаций описательных шкал (признаков);
- средняя информативность по вектору класса;
- среднее по вектору объекта;
- среднеквадратичное отклонение частных критериев знаний вектора класса;
- среднеквадратичное отклонение по вектору распознаваемого объекта.
Ї,, = {і,,}
-1 -1 - вектор состояния го класса;
' - вектор состояния распознаваемого объекта, включающий все виды факторов, характеризующих сам объект, управляющие воздействия и окружающую среду (массив-локатор), т.е.:
1, если і - и фактор действует,
п, где \п> 0, если і - й фактор действует с истинностью и; 0, если і - й фактор не действует.
4 =
В текущей версии системы «Эйдос-Х++» значения координат вектора состояния распознаваемого объекта принимались равными либо 0, если признака нет, или п, если он присутствует у объекта с интенсивностью п, т.е. представлен п раз (например, буква «о» в слове «молоко» представлена 3 раза, а буква «м» - один раз).
Приведенное выражение для интегрального критерия «Семантический резонанс знаний» получается непосредственно из выражения для критерия «Сумма знаний» после замены координат перемножаемых векторов их стандартизированными значениями:
а] <51
Свое наименование интегральный критерий сходства «Семантический резонанс знаний» получил потому, что по своей математической форме является корреляцией двух векторов: состояния ]—го класса и состояния распознаваемого объекта.
Результаты измерения достоверности всех созданных моделей, и статистических, и когнитивных, представляются в соответствующей экранной форме (рисунок 8):
fj) 4.1.З.6. Обобщ.форма по достов.моделей при разн.инт.крит„ Текущая модель: 1NF1"
Наименование модели и частного критерия Интегральный критерий Вероятность правильной иденгифка... Вероятность правильной не иаентиф.. Средняя вероятно... правильн... результата Дата получения результата Время получения результ...
100.000 0.562 50.281 13.12.2013 20:47:45
1 ABS - частный критерий: количество встреч сочетаний: "клас... Сумма абс.частот по признак.. 100.000 0.237 50.119 13.12.2013 20:47:45
2 PRC1 - частный критерий: уел. вероятность ко признака сред... Корреляция уелотн.частот со... 100.000 0.562 50.281 13.12.2013 20:48:00
2 PRC1 • частный критерий: уел. вероятность i-ro признака сред... Сумма уел.отн.частот по приз... 100.000 0.237 50.119 13.12.2013 20:48:00
3 PRC2 • частный критерий: условная вероятность i-ro признака... Корреляция уел отн. частот со... 100.000 0.562 50.281 13.12.2013 20:48:17
3 PRC2 - частный критерий: условная вероятность i-ro признака... Сумма уел.отн.частот по приз... 100.000 0.237 50.119 13.12.2013 20:48:17
4. INF1 - частный критерий: количество знаний по АХаркевичу; в.. Семантический резонанс зна.. 70.823 91.462 81.143 13.12.2013 20:48:33
4 INF1 - частный критерий: количество знаний по АХаркевичу; в.. Сумма знаний Є7.531 75.663 81.597 13.12.2013 20:48:33
5 INF2 - частный критерий: количество знаний по АХаркевичу; в.. Семантический резонанс зна.. 70.823 91.462 81.143 13.12.2013 20:48:49
5 INF2 - частный критерий: количество знаний по АХаркевичу; в.. Сумма знаний Є7.531 75.663 81.597 13.12.2013 20:48:49
6 INF3 - частный критерий: Хи-квадрат, разности между Фактич... Семантический резонанс зна.. 87.032 69.168 78.100 13.12.2013 20:49:04
6 INF3 - частный критерий: Хи-квадрат, разности между Фактич... Сумма знаний 87.032 69.168 78.100 13.12.2013 о СП т* о
7 INF4 - частный критерий: RQI (Return On Investment); вероятно... Семантический резонанс зна.. 57.107 97.894 77.501 13.12.2013 20:49:19
7 INF4 - частный критерий: R0I (Return On Investment); вероятно... Сумма знаний 94.514 66.855 80.684 13.12.2013 20:49:19
8 INF5 - частный критерий: R0I (Return On Investment); вероятно... Семантический резонанс зна.. 57.107 97.894 77.501 13.12.2013 20:49:35
8 INF5 - частный критерий: R0I (Return On Investment); вероятно... Сумма знаний 94.514 66.840 80.677 13.12.2013 20:49:35
8 INF6 - частный критерий: разн.усл.и безусл.вероятностей; вер... Семантический резонанс зна.. 85.786 67.021 76.403 13.12.2013 20:49:50
Э INF6 - частный критерий: разн.усл.и безусл.вероятностей; вер... Сумма знаний 87.032 66.158 76.595 13.12.2013 20:49:51
10.INF7 - частный критерий: разн.усл.и безусл.вероятностей; ве... Семантический резонанс зна.. 85.736 67.021 76.403 13.12.2013 20:50:07
10.INF7 - частный критерий: разн.усл.и безусл.вероятностей; ве... Сумма знаний 87.032 66.158 76.595 13.12.2013 о (Л о о
Рисунок 8. Экранная форма с результатами измерения достоверности моделей путем распознавания обучающей выборки
Как в СК-анализе и системе «Эйдос» измеряется достоверность модели? Чтобы ответить на этот вопрос необходимо рассмотреть различные виды верных и неверных прогнозов того, что осуществится и того, что не осуществится.
Рассмотрим, на примере с шестигранным игральным кубиком, различные виды прогнозов: положительный и отрицательный псевдопрогнозы, идеальный и реальный прогнозы.
Положительный псевдопрогноз.
Предположим, модель дает такой прогноз: выпадет 1, 2, 3, 4, 5 или 6. В этом случае у нее будет 100% достоверность идентификации, т.е. не будет ни одного объекта, не отнесенного к тому классу, к которому он действительно относится, но при этом будет очень большая ошибка ложной идентификации, т.к. огромное количество объектов будет отнесено к классам, к которым они не относятся (и именно за счет этого у модели и будет очень высокая достоверность идентификации). Ясно, что такой прогноз бесполезен, поэтому он и назван мной псевдопрогнозом.
Отрицательный псевдопрогноз.
Представим себе, что мы выбрасываем кубик с 6 гранями, и модель предсказывает, что не выпадет: 1, 2, 3, 4, 5 и 6, а что-то из этого естественно выпало. Конечно, модель дает ошибку в прогнозе в том плане, что не предсказала, что выпадет, зато она очень хорошо угадала, что не выпадет. Но ясно, что выпадет что-то одно, а не все, что предсказано, поэтому такого рода предсказания хорошо оправдываются в том, что не произошло и плохо в том, что произошло, т.е. в этом случае у модели будет 100% достоверность не идентификации, но очень низкая достоверность идентификации.
Идеальный прогноз.
Если в случае с кубиком мы прогнозируем, что выпадет, например 1, и соответственно прогнозируем, что не выпадет 2, 3, 4, 5, и 6, то это идеальный прогноз, имеющий, если он осуществляется, 100% достоверность идентификации и не идентификации. Идеальный прогноз,
который полностью снимает неопределенность о будущем состоянии объекта прогнозирования, на практике удается получить крайне редко и обычно мы имеем дело с реальным прогнозом.
Реальный прогноз.
На практике мы чаще всего сталкиваемся именно с этим видом прогноза. Реальный прогноз в уменьшает неопределенность о будущем состоянии объекта прогнозирования, но не полностью, как идеальный прогноз, а оставляет некоторую неопределенность не снятой. Например, для игрального кубика делается такой прогноз: выпадет 1 или 2, и, соответственно, не выпадет 3, 4, 5 или 6. Понятно, что полностью на практике такой прогноз не может осуществиться, т.к. варианты выпадения кубика альтернативны, т.е. не может выпасть одновременно и 1, и 2. Поэтому у реального прогноза всегда будет определенная ошибка идентификации. Соответственно, если не осуществится один или несколько из прогнозируемых вариантов, то возникнет и ошибка не идентификации, т.к. это не прогнозировалось моделью.
Теперь представите себе, что у Вас не 1 кубик и прогноз его поведения, а тысячи. Тогда можно посчитать средневзвешенные характеристики всех этих видов прогнозов.
Таким образом, если просуммировать проценты верной идентификации и не идентификации и вычесть проценты ложной идентификации и ложной не идентификации, то это и будет критерий качества модели, учитывающий как ее способность верно относить объекты к классам, которым они относятся, так и ее способность верно не относить объекты к тем классам, к которым они не относятся.
В системе «Эйдос» достоверность идентификации «к-й» категории (класса) Л/; равна [12]:
+ тЛ-вр1к-•:100%
N ;=1
N - количество объектов в распознаваемой выборке;
ВТ%— уровень сходства «ьго» объекта с «к-й» категорией, к которой он был правильно отнесен системой;
/)/_- - уровень сходства «ьго» объекта с «к-й» категорией, к которой он был правильно не отнесен системой;
ВР\к - уровень сходства «ьго» объекта с «к-й» категорией, к которой он был ошибочно отнесен системой;
- уровень сходства «ьго» объекта с «к-й» категорией, к которой он был ошибочно не отнесен системой.
В системе есть выходные формы, в которых для расчета достоверности приметается данное выражение, но здесь мы их не приводим, т.к. это не входит в задачи данной статьи. Это и есть «золотая середина». Надо искать модель, наилучшую по этому критерию, а не такую, которая дает наивысшую достоверность идентификации саму по себе, т.к. в этом случае мы от модели отрицательного псевдопрогноза кинемся в другую крайность и придем к модели положительного псевдопрогноза. Этот критерий просчитывается в системе Эйдос в ряде выходных форм анализа результатов верификации модели (4.1.3.6 и т.д.).
Затем в соответствии с порядком преобразования данных в информацию, а ее в знания в СК-анализе и системе «Эйдос», представленным на рисунке 2, необходимо выбрать текущей моделью наиболее достоверную из них, с тем, чтобы затем решать в ней задачи идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области. В нашем случае наиболее достоверной оказалась модель ШБ1, основанная на семантической мере информации А.Харкевича3. Экранные формы режима присвоения наиболее достоверной или иной
3 Необходимо отметить, что в других случаях, т.е. при моделировании различных объектов, наиболее достоверными могут оказаться модели, основанные на других частных критериях знаний, приведенных в таблице 9.
модели статуса текущей представлены на рисунке 9:
€> 5,6. в ыбрать модель и сделать ее текущей
■ЕМ
Задайте текущую стат. модель или модель знаний-Стагистические базы:
С П . ABS - мастный критерий: количество встреч сочетаний: "класс-признак" у объектов обуч.выборкЦ С 2. PRC1 - частный критерий: уел. вероятность i-ro признака среди признаков объектов j-ro класса С 3. PRC2 • частный критерий: условная вероятность i-ro признака у объектов j-ro класса Базы знаний:
(* 4. INF1 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC1
С 5. INF2 - частный критерий: количество знаний по А.Харкевичу; вероятности из PRC2
С G. INF3 - частный критерий: Хи-квадрат, разности между Фактическими и ожидаемыми абс.частотами С 7. INF4 - частный критерий: ROI (Return On Investment); вероятности из PRC1
С 8. INF5 - частный критерий: ROI (Return On Investment); вероятности из PRC2
С 9. INF6 - частный критерий: разн.усл.и безусл.вероятностей; вероятности из PRC1 С 10.INF7 ■ частный критерий: разн.усл.и безусл.вероягностей; вероятности из PRC2
- Как задавать параметры синтеза моделей
В качестве текущей можно задать любую из ранее расчитанных в режимах 3.1, 3.2, 3.3 или 3.4 стат. моделей и моделей знаний, но до исследования достоверности моделей в режиме 3.5 рекомендуется выбрать в качестве текущей базу знаний 1ЫР1. Смысл моделей знаний, применяемых в системе ’Эйдос-Х++" раскрыт в публикациях, размещенных по адресам: http://lc.kubagro.ru/aidos/index.htm, http://www.twirpx.com/file/793311 /
Ok
Cancei
jj) 5.6. Выбрать модель и сделать ее текущей
| В
-Стадии исполнения процесса
ОП ЕРАЦИЯ: ПРИСВОЕНИЕ МОДЕЛИ "INF1" СТАТУСА ТЕКУЩЕЙ МОДЕЛИ:
1/7: Копирование в массивы итоговых строк и столбцов текущей модели - Готово
2/7: Перенос информации из текущей модели в базы классов: Classes и Gr_CISc - Г отово
3/7: Перенос информации из текущей модели в базы признаков: Attributes и Gr_0pSc-Готово
4/7: Расчет значимости класс.и опис шкап - Сброс сумматоров - Г отово
5/7: Расчет значимости класс.и опис.шкал - Накопление данных-Готово
6/7: Расчет значимости класс.и опис.шкая - Дорасчет - Г отово
7/7: Запись информации о текущей модели - Г отово
Выбор модели знаний "1МП" в качестве текущей прошел успешно!!!
Прогноз времени исполнения
Начало: 22:15:54
Окончание: 22:16:08
100% 0к |
Прошло: 0:00:13 Осталось: 0:00:00
Рисунок 9. Экранные формы режима присвоения наиболее достоверной (или иной) модели статуса текущей
8. Решение задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области с применением наиболее достоверной модели
8.1. Задача идентификации и прогнозирования
После того, как наиболее достоверной модели присвоен статус текущей, необходимо
выполнить в ней распознавание обучающей выборки, чтобы увидеть формы результатов идентификации в наиболее достоверной модели. Экранная форма отображения процесса исполнения режима пакетного распознавания приведена на рисунке 10а. В данной статье мы не будем приводить все выходные формы, перечисленные в экранной форме на рисунке 10а, а приведем пример лишь одной из них (рисунок 106):
с) 4.1.2. Пакетное распознавание. Текущая модель: 1^1"
Стадии исполнения процесса
ОПЕРАЦИЯ: ПАКЕТНОЕ РАСПОЗНАВАНИЕ В ТЕКУЩЕЙ МОДЕЛИ "№1 1/11: Распознавание (идентификация) 401 -го объекта обучающей выборки из 401 - Г отово 2/11: Исследование распределений уровней сходства верно и ошиб.идент.объектов- Готово 3/11: Создание сжатых полных форм результатов распознавания по 2-му интегр.крит. - Готово 4/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-корреляция - Г отово 5/11: Создание подробной наглядной формы: "Объект-классы". Инт.крит.-сумма инф. - Г отово 6/11: Создание итоговой наглядной формы: "Объект-класс". Инт.крит.-корреляция-Готово 7/11: Создание итоговой наглядной формы: "Объект-класс". Инт.крит.-сумма инф. - Г отово 8/11: Создание подробной наглядной формы: "Класс-объекты". Инт.крит.-корреляция - Г отово 9/11: Создание подробной наглядной формы: "Класообъекты". Инт.крит.-сумма инф. - Г отово 10/11: Создание итоговой наглядной формы: "Класс-объекты". Инт.крит.-корреляция - Готово 11/11: Создание итоговой наглядной формы: "Класообъекты". Инт.крит.-сумма инф. - Готово
ПАКЕТНОЕ РАСПОЗНАВАНИЕ ОБЪЕКТОВ РАСПОЗНАВАЕМОЙ ВЫБОРКИ ЗАВЕРШЕНО УСПЕШНО !
—Прогноз времени исполнения Начало: 22:34:01 Окончание: 22:41:27
100%
Прошло: 0:06:47 Осталось: 0:00:39
0к
а)
4.1.3,1. Визуализация результатов распознавания а отношении: Объект-классы . Теїсущая модель: "ІМРІ"
ы 11- | -I
“П
Распознаваемые объекты Интегральный критерий сходства: "Семантический резонанс знаний"
| Код Наим.объекта F : Кея Наименование класса Сходство ф.. Сходство _1
1 Audi-A3 і ЦЕНА-ЗЛ 0-{1092000.0000000,1530500.0000000} 17.36... V IIIIIIIIIIIIIIIII
2 Audi-A3 6 ЦЕНА-В/10-12407500.0000000,2846000.0000000} 15,07... ІНШІЇ
3 Audi-A4 7 ЦЕНА-7Л 0-{2В46000.0000000,32В4500.0000000} 13.7В... lllllllllllll
4 Audi-AB 5 ЦЕНА-5/10-{1869000.0000000.2407500.0000000} 10,15... llllllllll
5 Audi-AG 10 ЦЕНА-10Л 0-{41 Б1500.0000000,4600000 0000000} 7,89В... 111
т Audi-07 9 ЦЕНА-8Л 0-13284500.0000000.3723000.0000000} 6,304... ніш
7 Audi-G! 7 4 ЦЕНА-4Л 0-{1530500.0000000,1ЭВ9000.0000000} -0,875...
8 BMW-11B 2 ЦЕНА-2Л 0-!653500.0000000,1082000.0000000} •8,652... ІНШІЇ
Э BMW-11 Si 1 ЦЕНА-1 Л 0-{215000.0000000. 653500.0000000} -27.13... iiiiniiiiiiiiiiiiiiiiiiiii 4
10 BMW-318 <1
11 BMW-313 Интегральный критерий сходства: "Сумма знаний
12 BMW-X3 | Код Наименование класса Сходство *1 Сходство
13 BMW-X5 і ЦЕНА-ЗЛ 0-{1092000.0000000,1530500.0000000} 30.68... llllllllllllllllllllllllllllll
14 BMW-X6 5 ЦЕНА-5Л 0-{1869000.0000000,2407500.0000000} 18,76... illllliil
15 Cheviolet-Cruze В ЦЕНА-ВЛ 0-{2407500.0000000,2846000.0000000} 15.9В... lllllllllllllll
16 Chevrolet-Epica 7 ЦЕНА-7Л 0-{2846000.0000000,3284500.0000000} 15,98... illllliil
17 Cheviolet-Lacelti 8 ЦЕНА-ВЛ 0-{3284500.0000000,3723000.0000000} 11.47... lllllllllll
1S Chevrolet-Laoetti 10 ЦЕНА-10Л 0-{4161500.0000000,4800000.0000000} 11,35... lllllllllll
19 Chrysler-S ebiing 4 ЦЕНА-4Л 0-{1530500.0000000,1969000.0000000} 7,473... llll
20 Citroen-C3 Picasso 2 ЦЕНА-2Л 0-{653500.0000000,1092000.0000000} -0,498...
21 Citroen-C4 ! 1 ЦЕНА-1 Л 0-{215000.0000000, 653500.0000000} -18,77... llllllllllllllllll -
, г -I rz
.
Помощь | Э классов 1 Классы о MaxMin УрСх | Э классов с МанМіп УрСх | ВСЕ классы | В КЛ. фильтр по к ласо, шкале | ВЫКЛ.фильтр по класс.шкале | Граф.диаграмма |
I I
б)
Рисунок 10. Экранные формы отображения процесса исполнения режима пакетного распознавания и отображения результатов идентификации
Птичкой: V отмечены результаты идентификации, соответствующие факту.
8.2. Задача принятия решений
Задача принятия решений является обратной по отношению к задаче идентификации: при идентификации по признакам конкретного объекта устанавливается его принадлежность к определенному обобщенному классу, а при принятии решений наоборот, по заданному классу выводится информация о наиболее характерных для него признаках. По сути это информационный портрет класса, содержащий информацию о том, какие признаки наиболее характерны и какие наиболее нехарактерны для данного класса (таблица 14, рисунок 11):
Таблица 14 - ИНФОРМАЦИОННЫЙ ПОРТРЕТ МИНИМАЛЬНОЙ ЦЕНОВОЙ КАТЕГОРИИ
N° Код Наименование Количество информации в битах
1 3 MAPKA-Chevrolet 0,2964642
2 116 МАРКА+МОДЕЛЬ-ОреІ-Corsa 0,2964642
3 129 МАРКА+МОДЕЛЬ-Renault-Logan 0,2964642
4 133 МАРКА+МОДЕЛЬ-Renault-Simbol 0,2964642
5 21 MAPKA-Peugeot 0,2964641
6 89 МАРКА+МОДЕЛЬ-МагсІа-З 0,2964641
7 119 МАРКА+МОД ЕЛ Ь-Ре ugeot-308 0,2964641
8 130 МАРКА+МОДЕЛЬ-Renault-Megane 2 0,2964641
9 233 ЦВЕТ-светло-голубой 0,2964641
10 5 MAPKA-Citroen 0,2964640
11 144 МАРКА+МОДЕЛЬ-Toyota-Auris 0,2964640
12 146 МАРКА+ МОД ЕЛ Ь-Т оу ota-Ave nsis 0,2964640
13 47 МАРКА+МОДЕЛЬ-СІ1тоеп-С4 0,2964639
14 73 МАРКА+МОДЕЛЬ-Кіа-Rio 0,2964639
15 112 МАРКА+МОДЕЛЬ-Nissan-Tiida 0,2964639
16 115 МАРКА+МОДЕЛЬ-Ореі-Аєіта 0,2964639
17 139 МАРКА+ МОДЕЛЬ-Subaru -Impreza 0,2964639
18 221 ЦВЕТ-голубой 0,2964639
19 225 ЦВЕТ-зеленый 0,2964639
20 4 MAPKA-Chrysler 0,2964637
21 6 MAPKA-Dodge 0,2964637
22 15 MAPKA-Lifan 0,2964637
23 25 MAPKA-Skoda 0,2964637
24 26 MAPKA-Ssang Yong 0,2964637
25 32 МАРКА+МОДЕЛЬ-Аі^і-А4 0,2964637
26 42 МАРКА+МОДЕЛЬ-Chevrolet-Cruze 0,2964637
27 43 MAPKA+ МОД ЕЛ Ь-С hev rol et-E pi ca 0,2964637
28 44 МАРКА+МОДЕЛЬ-Chevrolet-Lacetti 0,2964637
29 45 МАРКА+МОДЕЛЬ-Chrysler-Sebring 0,2964637
30 46 МАРКА+МОДЕЛЬ-Сгїгоеп-СЗ Picasso 0,2964637
31 48 МАРКА+МОДЕЛЬ-СІ1тоеп-С5 0,2964637
32 49 МАРКА+МОДЕЛЬ-Dodge-Caliber 0,2964637
33 50 МАРКА+МОДЕЛЬ-Ford-Escape XTL 0,2964637
34 53 МАРКА+МОДЕЛЬ-Ford-Fusion 0,2964637
35 54 МАРКА+МОДЕЛЬ-Ford-Galaxy 0,2964637
36 55 МАРКА+МОДЕЛЬ-Ford-Mondeo 0,2964637
37 56 МАРКА+МОДЕЛЬ-Ford-S-Max 0,2964637
38 58 МАРКА+МОДЕЛЬ-Honda-Civic 0,2964637
39 59 МАРКА+МОДЕЛЬ-Honda-Civic Hybrid 0,2964637
40 61 МАРКА+МОДЕЛЬ-Hyundai-Getz 0,2964637
41 64 МАРКА+МОДЕЛЬ-Hyundai-Solaris 0,2964637
42 66 МАРКА+МОДЕЛЬ-Hyundai-Tucson 0,2964637
43 70 МАРКА+МОДЕЛЬ-Kia-Carnival 0,2964637
44 71 МАРКА+МОДЕЛЬ-Кіа-Ceed 0,2964637
45 72 МАРКА+МОДЕЛЬ-Kia-Cerato 0,2964637
46 74 МАРКА+МОДЕЛЬ-Кіа-Sorento 0,2964637
47 77 МАРКА+МОДЕЛЬ-Land Rover-Range Rover 0,2964637
48 88 МАРКА+МОДЕЛЬ-Lifan -Smily 0,2964637
49 100 МАРКА+МОДЕЛЬ-Mitsubishi-Galant 0,2964637
50 104 МАРКА+МОДЕЛЬ-Mitsubishi-Pajero 0,2964637
51 107 МАРКА+МОДЕЛЬ-Nissan-Note 0,2964637
52 110 МАРКА+МОДЕЛЬ-Nissan-Qashqai 0,2964637
53 114 МАРКА+ МОД ЕЛ Ь-0 pel-Anta га 0,2964637
54 118 МАРКА+МОДЕЛЬ-Opel-Vektra 0,2964637
55 125 МАРКА+МОДЕЛЬ-Renault-Clio 0,2964637
56 127 МАРКА+МОДЕЛЬ-Renault-FI uence 0,2964637
57 131 МАРКА+МОДЕЛЬ-Renault-Sandero 0,2964637
58 132 МАРКА+МОДЕЛЬ-Renault-Scenic 0,2964637
59 134 МАРКА+МОДЕЛЬ-Skoda-Fabia 0,2964637
60 135 МАРКА+МОДЕЛЬ-Skoda-Oktavia 0,2964637
61 136 МАРКА+МОДЕЛЬ-Ssang Yong-Action 0,2964637
62 137 МАРКА+МОДЕЛЬ-Ssang Yong-Rexton 0,2964637
63 141 МАРКА+МОДЕЛЬ-Subaru -Outback 0,2964637
64 143 M APKA+ M ОДЕЛ Ь-Тоу ota-AI lion 0,2964637
65 155 МАРКА+МОДЕЛЬ-Toyota-LC 80 0,2964637
66 158 МАРКА+МОДЕЛЬ-Toyota-Prius 0,2964637
67 162 МАРКА+МОДЕЛ b-Volkswagen-Golf 0,2964637
68 163 МАРКА+МОДЕЛ b-Volkswagen-Jetta 0,2964637
69 172 КУЗОВ-лифт 0,2964637
70 173 КУЗОВ-лифтбек 0,2964637
71 178 КУЗОВ-унив 0,2964637
72 180 КУЗОВ-хэтч 0,2964637
73 181 КУЗОВ-хэтчб 0,2964637
74 183 ГОД ВЫПУСКА-1/1041996.0000000, 1997.7000000} 0,2964637
75 184 ГОД ВЫПУСКА-2/10-{1997.7000000, 1999.4000000} 0,2964637
76 186 ГОД ВЫПУСКА-4/10-{2001.1000000, 2002.8000000} 0,2964637
77 202 ПРОБЕГ-10/10-{414180.0000000, 460000.0000000} 0,2964637
78 215 ЦВЕТ-бежевый металлик 0,2964637
79 219 ЦВЕТ-бордовый 0,2964637
80 222 ЦВЕТ-голубой металлик 0,2964637
81 227 ЦВЕТ-золото 0,2964637
82 231 ЦВЕТ-св.оливковый 0,2964637
83 234 ЦВЕТ-светло-серы й 0,2964637
84 235 ЦВЕТ-светло-си н и й 0,2964637
85 236 ЦВЕТ-сереб-голубой 0,2964637
86 241 ЦВЕТ-серо-синий 0,2964637
87 244 ЦВЕТ-сиреневый 0,2964637
88 245 ЦВЕТ-т.зеленый 0,2964637
89 246 ЦВЕТ-т.красый 0,2964637
90 251 ЦВЕТ-темно-красный 0,2964637
91 255 ЦВЕТ-фиолетовый 0,2964637
92 262 КПП-робот 0,2822323
93 203 ОБЬЕМ ДВИГАТЕЛЯ-1/10-{1.0000000, 1.4700000} 0,2640017
94 52 МАРКА+МОДЕЛb-Ford-Focus 2 0,2611755
95 182 КУЗОВ-хэтчбек 0,2603902
96 7 MAPKA-Ford 0,2537337
97 261 КПП-М 0,2482584
98 24 MAPKA-Renault 0,2370071
99 174 КУЗОВ-минивен 0,2339462
10 0 204 ОБЬЕМ ДВИГАТЕЛЯ-2/10-{1.4700000, 1.9400000} 0,2278930
10 1 243 ЦВЕТ-синий 0,2225212
10 2 149 МАРКА+МОДЕЛЬ-Т oyota-Corolla 0,2084308
10 3 12 MAPKA-Kia 0,2059653
10 4 228 ЦВЕТ-красный 0,1861778
10 5 101 МАРКА+МОДЕЛЬ-Mitsubishi-Lancer 0,1797911
10 229 ЦВЕТ-оливковый 0,1797911
6
10 7 266 ОТДЕЛКА САЛОНА-ткань 0,1744893
10 8 20 MAPKA-Opel 0,1600034
10 9 247 ЦВЕТ-т.серый 0,1518099
11 0 188 ГОД ВЫПУСКА-6/1042004.5000000, 2006.2000000} 0,1361399
11 1 171 КУЗОВ-купе 0,1320225
11 2 168 МАРКА+МОДЕЛЬ-Уо1уо-ХСЭО 0,1320221
11 3 185 ГОД ВЫПУСКА-3/10-{1999.4000000, 2001.1000000} 0,1320221
11 4 177 КУЗОВ-седан 0,1117401
11 5 9 MAPKA-Hyundai 0,1058480
11 6 27 MAPKA-Subaru 0,1058480
11 7 16 MAPKA-Mazda 0,0995601
11 8 8 MAPKA-Honda 0,0892923
11 9 249 ЦВЕТ-т.синий 0,0892923
12 0 189 ГОД ВЫПУСКА-7/10-{2006.2000000, 2007.9000000} 0,0876402
12 1 187 ГОД ВЫПУСКА-5/10-{2002.8000000, 2004.5000000} 0,0812609
12 2 237 ЦВЕТ-серебристый 0,0812609
12 3 195 ПРОБЕГ-3/10-{93440.0000000, 139260.0000000} 0,0695047
12 4 238 ЦВЕТ-се ребро 0,0695047
12 5 196 ПРОБЕГ-4/10-{139260.0000000, 185080.0000000} 0,0522441
12 6 214 ЦВЕТ-бежевый 0,0454048
12 7 194 ПРОБЕГ-2/10-{47620.0000000, 93440.0000000} 0,0205158
12 8 31 MAPKA-Volvo 0,0153493
12 9 179 КУЗОВ-универсал 0,0153493
13 0 242 ЦВЕТ-серый 0,0153493
13 1 38 МАРКА+МОДЕЛЬ-ВМ\Л/-318 0,0153489
13 2 60 МАРКА+МОДЕЛ b-Honda-CR-V 0,0153489
13 3 63 МАРКА+МОДЕЛЬ-Hyundai-Santa Fe 0,0153489
13 4 150 МАРКА+МОДЕЛЬ-Toyota-Corolla Verso 0,0153489
13 5 161 МАРКА+МОДЕЛ Ь-Volkswagen-Caddy 0,0153489
13 6 198 ПРОБЕГ-6/10-{230900.0000000, 276720.0000000} 0,0153489
13 7 223 ЦВЕТ-графит 0,0153489
13 8 226 ЦВЕТ-золотистый 0,0153489
13 9 240 ЦВЕТ-серо-зеленый 0,0153489
14 0 254 ЦВЕТ-темно-синий 0,0153489
14 1 260 КПП-Вар 0,0153489
14 2 190 ГОД ВЫПУСКА-8/10-{2007.9000000, 2009.6000000} 0,0122415
14 3 29 МАРКА-Т oyota -0,0259300
14 4 265 ОТДЕЛ КА САЛОНА-комбинированный -0,0324191
14 5 19 MAPKA-Nissan -0,0471685
14 6 18 MAPKA-Mitsubishi -0,0585935
14 7 205 ОБЬЕМ ДВИГАТЕЛЯ-3/10-{1.9400000, 2.4100000} -0,0953858
14 8 193 ПРОБЕГ-1/10-{1800.0000000, 47620.0000000} -0,1293048
14 9 257 ЦВЕТ-черный -0,1458607
15 0 197 ПРОБЕГ-5/10-{185080.0000000, 230900.0000000} -0,1490924
15 1 13 MAPKA-Land Rover -0,1490926
15 2 75 МАРКА+МОДЕЛ Ь-Kia-Sportage -0,1490926
15 3 92 MAPKA+MOДEЛЬ-Mazda-CX7 -0,1490926
15 4 106 МАРКА+МОДЕЛЬ-Nissan-Murano -0,1490926
15 5 138 МАРКА+МОДЕЛЬ-Subaru -Forester -0,1490926
15 6 239 ЦВЕТ-серо-голубой -0,1490926
15 7 217 ЦВЕТ-белый -0,2063085
15 8 191 ГОД ВЫПУСКА-9/10-{2009.6000000, 2011.3000000} -0,2395910
15 9 28 MAPKA-Suzuki -0,2657654
16 0 142 МАРКА+МОДЕЛ b-Suzuki-Gr.Vitara -0,2657654
16 1 175 КУЗОВ-НЛО -0,2657654
16 2 258 КПП-А -0,2741278
16 3 192 ГОД ВЫПУСКА-10/10-{2011.3000000, 2013.0000000} -0,2823214
16 4 30 MAPKA-Vol kswagen -0,2903525
16 5 253 ЦВЕТ-темно-серый -0,3135340
16 6 82 МАРКА+МОДЕЛb-Lexus-IS 250 -0,3562642
16 7 206 ОБЬЕМ ДВИГАТЕЛЯ-4/10-{2.4100000, 2.8800000} -0,3760516
16 8 148 МАРКА+МОДЕЛ b-Toyota-Camry -0,4521345
16 9 210 ОБЬЕМ ДВИГАТЕЛЯ-8/10-{4.2900000, 4.7600000} -0,4626695
17 0 169 КУЗОВ-джип -0,4693953
17 1 MAPKA-Audi -0,4927249
1
17 2 2 МАРКА-ВМ\Л/ -0,4927249
17 3 113 МАРКА+МОДЕЛЬ-ІМІєзап-Х-Т гаіі -0,4927249
17 4 159 МАРКА+МОДЕЛЬ-Тоусгїа-Рау 4 -0,5468801
17 5 207 ОБЬЕМ ДВИГАТЕЛЯ-5/1042.8800000, 3.3500000} -0,5468801
17 6 264 ОТДЕЛКА САЛОНА-кожа -0,5819340
17 7 259 КПП-В -0,5946488
17 8 208 ОБЬЕМ ДВИГАТЕЛЯ-6/10-{3.3500000, 3.8200000} -0,8868755
17 9 14 МАРКА-Ьехиэ -1,0691861
Из таблицы 14 и рисунка 11 мы видим, что наиболее сильное влияние на принадлежность и непринадлежность к выбранной ценовой категории оказывает марка и модель автомобиля, а а также год выпуска, а пробег и другие характеристики оказывают значительно меньшее влияние.
в 4.2.1. Информационные портреты к
. и і- и Т
Инф.портрет класса: 1 "ЦЕНА-1/10-{215000.0000000, 653500.0000000)" в модели: 4 "1^1"
1
| ЦЕНА-2/1046535СЮ.ООООООО. 1032000.0000000)...
3 Ц Е НА-3/1041092000.0000000,1530500.0000000..
і ЦЕНА-4/10-11530500.0000000.1963000.0000000..
5 ЦЕНА-5/10-(1369000.0000000.2407500.0000000..
6 ЦЕ НА-6/10*12407500.0000000.2046000.0000000..
7 ЦЕНА-7/10-І2846000.0000000,3284500.0000000...
8 ЦЕНА 8/1043284500.0000000. 37230000000000
10 ЦЕ НА-10/10{41 Є1500.0000000.4600000.000000..
<
Код (Наименование признака 1 Значимость
3 МАРКА-СИєугоієї 0.296
21 МАРКА-Реидеоі 0.296
5 МАРКА-СИгоёп 0.296
4 МАРКА-СЬгікІег 0.296
є МАРКА-Осгіде 0.296
15 МАРКА-І_іїап 0.296
25 МАРКАМ косіа 0.296
2Є МАРКА^апд Уопд 0.296
7 МАРКА-РогсІ 0.254
24 МАРКАЯ епаиіі 0.237
12 МАРКА-Кіа 0.206
20 МАРКА-ОреІ 0.160
9 МАРКА-Нуипсіаі 0.106
27 МАРКА-БиЬаги 0.106
16 МАРКА-МагсІа 0.100
8 МАРКА-Нопсіа 0.089
19 МАРКА-Мі^ап -0.047
18 МАРКА-МіІгиЬігИі -0.059
13 МАРКА-1_апс1 Роуєг -0.149
28 МАРКА-Бигикі -0.266
1 МАРКА-Аисії -0.493
2 МАРКА-ВМ\л/ -0.493
14 МАРКА-І_ехи$ -1.069. ▼
< ►
Помощь АЬз Ргс1 Ргс2 ІпП Ш ш т ІпГ5 Ш \Ы7 М3 ЕхсеІ ВКЛ.Фильтр по фактору ВЫКЛ.Фильтр по Фактору Вписать в окно Показать ВСЕ
Рисунок 11. Экранная форма информационного портрета наиболее низкой ценовой категории, показывающая признаки, наиболее характерные и наиболее нехарактерные для данного класса
(выбрана опция «Вписать в окно»)
Но в форме, представленной на рисунке 11, можно сделать фильтр по любой описательной шкале и получить результат ее метризации [7]. На рисунке 11 представлен результат метризации номинальной описательной шкалы: «Марка+модель» для данной ценовой категории, а на рисунке
12 показан результат метризации описательной шкалы: «КПП» (коробка передач) для данной ценовой категории:
4.2,1, Информационные портреты классов к * шь* ' — - Ф т'т тФ ш s ■ т«> « і ° і і
Инф.портрет класса: 1 "ЦЕНА-1 /10-{215000.0000000, Б53500.0000000}" в модели: 4 ,,INF1M
± ШИ -1
262 Г
ЦЕНА-2/10-{653500.0000000,1092000.0000000}... 261 КПП-М 0.243
ЦЕНА-3/10-{10920О0.ООООООО, 1530500.0000000... 260 КПП-В ар 0.015
ЦЕНА-4/10-{1530500.0000000,19Є90О0.0000000... 258 КПП-А -0.274
ЦЕНА-5/10-{19Б9000.ООООООО, 2407500.0000000... 259 КПП-В -0.595
ЦЕНА-6/10-С2407500.0000000,2046000 0000000
ЦЕНА 7/10-С284Є000.0000000,3284500.0000000...
ЦЕНА 8/10 (3284500.0000000,3723000.0000000...
10 ЦЕНА-10/10-{4181500.0000000,4800000.000000...
I
< <
Помощь Abs Ргс1 Ргс2 Inf1 М2 Inf3 Inf4 Inf5 Inf8 Inf7 MS Excel іВКЛ.фняьтр по факторуI ВЫКЛ.фильтр по фактору Вписать в окно Показать ВСЕ
Рисунок 12. Результат метризации описательной шкалы: «КПП» (коробка передач) для минимальной ценовой категории
Аналогично можно увидеть, как влияют любые описательные шкалы на принадлежность автомобиля к любой ценовой категории. Информационные портреты признаков отражают, какое количество информации содержится в признаке (градации описательной шкалы) о принадлежности автомобиля с этим признаком к различным классам (рисунок 13):
Г f*) 4.3,1, Информационные портреты признаков I1—1 1 ®
Инф.портрет признака: 266 "ОТДЕЛКА САЛОНА-ткань " в модели: Л "INF1" 1
III Код I Наименование признака - Код Наименование класса Значимость _1
257 ЦВЕТ-черный ... 1 1 ЦЕНА-1 /10-{215000.0000000, 653500.0000000} 0.174 -
258 КПП-А ... | 2 Ц Е НА-2/10-{653500.0000000,1092000.0000000} -0.166
259 КПП-В ... | 3 Ц Е НА-3/10-{1092000. ООО0ООО, 1530500.0000000} -0.323
260 КПП-Вар ... | 4 Ц Е НА-4/10-{1530500.0000000,1969000.0000000} -0.603
261 КПП-М ... |
282 КПП-робот ... |
283 ОТДЕЛКА САЛОНА-велюр ...|
284 ОТДЕЛКА САЛОНА-кожа ...|
285 ОТДЕЛКАСАЛО Н А-комбинированный
288 ОТДЕЛКА САЛОНА-ткань
• м Г
|| Помощь | Abs j Prc1 j Prc2|jlnf1 ;| Inf2 | Inf3 | Inf4 | ln(5 | ln(8 j Inf7 | MS Excel | 8 К Л. фильтр по к л. шкале j ВЫКЛ.фильтр по к л. шкале Вписать в окно | Показать ВСЕ |
' —
Рисунок 13. Информационный портрет признака: «Отделка салона-ткань»
Из рисунка 13 мы видим, что этот признак говорит о принадлежности автомобиля к минимальной ценовой категории, и хотя и встречается в средней, но не характерен для нее, а высокой ценовой категории он вообще не встречается.
8.3. Задача исследования предметной области
Исследование модели корректно считать исследованием самого моделируемого объекта только в том случае, если модель достоверно отражает те его основные стороны, которые являются предметом исследования. В нашем случае достоверность модели составляет 82% и достаточна для этого (рисунок 8). Возможности исследования модели в системе «Эйдос» весьма многочисленны и разнообразны. Достаточно сказать, что в ней около 70 графических выходных форм и примерно столько же текстовых. Но здесь мы рассмотрим лишь некоторые возможности.
Рассмотрим, какую ценность имеют различные признаки (градации описательных шкал) и сами описательные шкалы для решения задач идентификации, прогнозирования и принятия решений.
Прежде всего, о том, что в СК-анализе и системе «Эйдос» понимается под ценностью признака и шкалы. Обратимся к таблице 13, в которой представлена в численной форме матрица информативности. Обратим внимание на количество информации, которое содержится в различных признаках о принадлежности и непринадлежности обладающих этими признаками объектов к различным классам. Мы видим, что это количество информации отличается по знаку и модулю. Положительное количество информации говорит о принадлежности объекта с признаком к классу, а отрицательное - о не принадлежности. Величина модуля отражает количество этой информации. С этой точки зрения все признаки можно условно разделить на три большие группы по их ценности:
- которые несут очень много информации о принадлежности и непринадлежности к классам;
- которые несут среднее количество информации о принадлежности и непринадлежности к классам;
- которые практически не содержат информации о принадлежности и непринадлежности к классам.
Как же отразить эту ценность количественно? По мнению авторов для этого достаточно использовать любую меру вариабельности информативности, например средний модель отклонения от среднего или среднеквадратичное отклонение от среднего. В СК-анализе и системе «Эйдос» принят второй вариант, т.е. для количественного измерения ценности признаков используется формула:
Таким образом, ценность признака - это вариабельность его информативности. Вместо термина «ценность» могут быть использованы его синонимы: «дифференцирующая способность», «значимость», «интегральная оценка информативности» или просто «интегральная информативность». Все эти термины применялись и приметаются в СК-анализе.
В матрице информативности для каждого признака содержится его ценность. Все признаки могут быть ранжированы в порядке убывания их ценности. Если просуммировать нарастающим итогом ценность признаков, то получим логистическую кривую, отражающую выполнение закона Парето для ценности признаков (рисунок 14):
Рисунок 14. Ценность признаков нарастающим итогом (кривая Парето) в модели ЮТЗ (хи-квадрат)
В данном случае закон Парето может быть сформулирован следующим образом: небольшая доля признаков содержит основной объем информации о предметной области, которая есть в ее модели, а большинство признаков суммарно содержат небольшую долю этой информации.
Эти малоценные признаки без ущерба для достоверности модели могут быть удалены из нее. Это операция в СК-анализе и системе «Эйдос» называется «Ортонормирование семантического пространства», т.к. в результате ее выполнения удаляются коррелирующие признаки и остаются практически независимые друг от друга, т.е. ортонормированные.
В таблице 15 все признаки приведены в порядке убывания их ценности в модели ШБ1:
Таблица 15 - ПРИЗНАКИ В ПОРЯДКЕ УБЫВАНИЯ ИХ ЦЕННОСТИ
В МОДЕЛИ I NF1
№ Код Наименование Ценность (Бит) Ценность нара Бит стающим итогом %
1 83 МАРКА+ МОДЕЛ b-Lexus-LX 570 0,8497165 0,8497165 1,7962333
2 212 ОБЬЕМ ДВИГАТЕЛЯ-10/1045.2300000, 5.7000000} 0,7776283 1,6273448 3,4400779
3 81 МАРКА+ МОДЕЛ b-Lexus-GX460 0,7686913 2,3960361 5,0650303
4 122 МАРКА+МОДЕЛ Ь-Porshe -Panamera 0,7686913 3,1647274 6,6899828
5 41 МАРКА+МОДЕЛ b-BMW-X6 0,6797950 3,8445224 8,1270155
6 14 MAPKA-Lexus 0,6266198 4,4711422 9,4516401
7 22 MAPKA-Porshe 0,6176001 5,0887423 10,7571977
8 211 ОБЬЕМ ДВИГАТЕЛЯ-9/10-{4.7600000, 5.2300000} 0,5713310 5,6600733 11,9649462
9 210 ОБЬЕМ ДВИГАТЕЛЯ-8/10-{4.2900000, 4.7600000} 0,5268304 6,1869037 13,0786239
1 0 2 MAPKA-BMW 0,4826238 6,6695275 14,0988523
1 1 208 ОБЬЕМ ДВИГАТЕЛЯ-6/1043.3500000, 3.8200000} 0,4548008 7,1243283 15,0602651
1 2 79 МАРКА+МОДЕЛ b-Lexus-GS 350 0,4213832 7,5457115 15,9510358
1 3 230 ЦВЕТ-оранжевый 0,4213832 7,9670947 16,8418065
1 4 217 ЦВЕТ-белый 0,4181500 8,3852447 17,7257424
1 5 68 МАРКА+МОДЕЛ b-lnfinity-FX37s 0,4088165 8,7940612 18,5899481
1 6 121 МАРКА+МОДЕЛb-Porshe -Cayne GTS 0,4088165 9,2028777 19,4541538
1 7 157 МАРКА+МОДЕЛb-Toyota-LC Prado 150 0,4067355 9,6096132 20,3139603
1 8 154 МАРКА+МОДЕЛ Ь-Toyota-LC 200 0,3975113 10,0071245 21,1542677
1 9 124 МАРКА+МОДЕЛ Ь-Range Rover-Sport 0,3975112 10,4046357 21,9945749
2 0 40 МАРКА+ МОДЕЛ b-BMW-X5 0,3665634 10,7711991 22,7694608
2 1 86 МАРКА+МОДЕЛ Ь-Lexus-RX 450Н 0,3665634 11,1377625 23,5443468
2 2 87 МАРКА+МОДЕЛb-Lexus-SC 430 0,3665634 11,5043259 24,3192328
2 3 98 МАРКА+МОДЕЛ b-Mercedes-S320 0,3665634 11,8708893 25,0941187
2 4 220 ЦВЕТ-вишневый 0,3665634 12,2374527 25,8690047
2 5 23 MAPKA-Ranqe Rover 0,3517682 12,5892209 26,6126148
2 6 10 MAPKA-lnfinitv 0,3450045 12,9342254 27,3419269
2 7 223 ЦВЕТ-графит 0,3319827 13,2662081 28,0437120
2 8 226 ЦВЕТ - золотисты й 0,3319827 13,5981908 28,7454971
2 9 151 МАРКА+МОДЕЛЬ-Toyota-Hiqhlander 0,3318148 13,9300056 29,4469273
3 0 67 МАРКА+МОДЕЛЬ-1 nfinitv-FX35 0,3127659 14,2427715 30,1080896
3 1 191 ГОД ВЫПУСКА-9/10-{2009.6000000, 2011.3000000} 0,3116196 14,5543911 30,7668288
3 2 209 ОБЬЕМ ДВИГАТЕЛЯ-7/10-13.8200000, 4.2900000} 0,3105200 14,8649111 31,4232434
3 3 264 ОТДЕЛКА САЛОНА-кожа 0,3046283 15,1695394 32,0672035
3 4 177 КУЗОВ-седан 0,3039545 15,4734939 32,7097392
3 5 261 КПП-М 0,2993140 15,7728079 33,3424653
3 6 204 ОБЬЕМ ДВИГАТЕЛЯ-2/10-{1.4700000, 1.9400000} 0,2974324 16,0702403 33,9712138
3 7 262 КПП-робот 0,2951396 16,3653799 34,5951155
3 8 207 ОБЬЕМ ДВИГАТЕЛЯ-5/10-12.8800000, 3.3500000} 0,2939742 16,6593541 35,2165536
3 9 156 МАР К А+ М ОДЕЛ Ь -Тoyota- LC Prado 120 0,2915569 16,9509110 35,8328818
4 0 166 МАРКА+МОДЕЛЬ-Volkswagen-Touareg 0,2886062 17,2395172 36,4429724
4 1 169 КУЗОВ-джип 0,2809885 17,5205057 37,0369598
4 2 170 КУЗОВ-кабриолет 0,2789082 17,7994139 37,6265497
4 3 259 КПП-В 0,2687211 18,0681350 38,1946048
4 4 253 ЦВЕТ-темно-серый 0,2680239 18,3361589 38,7611860
4 5 33 МАРКА+М0ДЕЛЬ-Аі^і-07 0,2669735 18,6031324 39,3255468
4 6 39 МАРКА+М0ДЕЛЬ-ВМ\/\/-ХЗ 0,2669735 18,8701059 39,8899076
4 7 76 МАРКА+МОДЕЛЬ-Land Rover-Discavery 3 0,2669735 19,1370794 40,4542685
4 8 91 МАРКА+МОДЕЛЬ-Mazda-CXS 0,2669735 19,4040529 41,0186293
4 9 93 МАРКА+МОДЕЛЬ-Меп^ез-Е200 0,2669735 19,6710264 41,5829901
5 0 96 МАРКА+МОДЕЛЬ-Меп^ез-С1_К220 0,2669735 19,9379999 42,1473509
5 1 97 МАРКА+МОДЕЛЬ-Меп^ез-М1_350 0,2669735 20,2049734 42,7117117
5 2 108 МАРКА+МОДЕЛЬ-Nissan-Pathfiender 0,2669735 20,4719469 43,2760725
5 3 152 МАРКА+МОДЕЛЬ-Toyota-Hilux 0,2669735 20,7389204 43,8404333
5 4 165 МАРКА+МОДЕЛЬ-Volkswaqen-Passat Variant 0,2669735 21,0058939 44,4047941
5 5 176 КУЗОВ-пикап 0,2669735 21,2728674 44,9691549
5 6 199 ПРОБЕГ-7/10-1276720.0000000, 322540.0000000} 0,2669735 21,5398409 45,5335157
5 7 213 ЦВЕТ-серебро 0,2669735 21,8068144 46,0978766
5 8 216 ЦВЕТ-бел. перламутр 0,2669735 22,0737879 46,6622374
5 9 256 ЦВЕТ-черно-синий 0,2669735 22,3407614 47,2265982
6 0 84 МАРКА+ МОДЕЛЬ-Lexus-RX 350 0,2527874 22,5935488 47,7609707
6 1 105 МАРКА+МОДЕЛЬ-Mitsubishi-Pajero IV 0,2436365 22,8371853 48,2759989
6 2 214 ЦВЕТ-бежевый 0,2364623 23,0736476 48,7758615
6 3 153 МАРКА+МОДЕЛЬ-Toyota-LC 100 0,2326766 23,3063242 49,2677214
6 4 148 М АРКА+ МОДЕЛ Ь-Т oyota-Camry 0,2310518 23,5373760 49,7561466
6 5 175 КУЗОВ-НЛО 0,2305698 23,7679458 50,2435528
6 6 13 MAPKA-Land Rover 0,2251407 23,9930865 50,7194824
6 7 159 МАРКА+МОДЕЛ Ь-Toyota-Rav 4 0,2229078 24,2159943 51,1906918
6 8 0 Среднеквадратичное отклонение 0,2216421 24,4376364 51,6592257
6 9 30 MAPKA-Volkswagen 0,2214701 24,6591065 52,1273959
7 0 266 ОТДЕЛКА САЛОНА-ткань 0,2213829 24,8804894 52,5953818
7 1 1 MAPKA-Audi 0,2192412 25,0997306 53,0588403
7 2 113 МАРКА+МОДЕЛЬ-Nissan-X-T rail 0,2192412 25,3189718 53,5222988
7 3 85 МАРКА+МОДЕЛЬ-Lexus-RX 400Н 0,2136889 25,5326607 53,9740202
7 4 257 ЦВЕТ-черный 0,2067065 25,7393672 54,4109814
7 5 193 ПРОБЕГ-1/10-{1800.0000000, 47620.0000000} 0,2055445 25,9449117 54,8454861
7 6 203 ОБЬЕМ ДВИГАТЕЛЯ-1/10-11.0000000, 1.4700000} 0,1963454 26,1412571 55,2605447
7 7 194 ПРОБЕГ-2/10-{47620.0000000, 93440.0000000} 0,1921033 26,3333604 55,6666359
7 8 52 МАРКА+МОДЕЛЬ-Ford-Focus 2 0,1866103 26,5199707 56,0611153
7 9 17 MAPKA-Mercedes 0,1847712 26,7047419 56,4517069
8 0 117 МАРКА+МОДЕЛЬ-ОреІ-lnsiqnia 0,1843420 26,8890839 56,8413913
8 1 80 МАРКА+ МОДЕЛЬ-Lexus-GS 450Н 0,1843419 27,0734258 57,2310755
8 2 102 МАРКА+МОДЕЛЬ-Mitsubishi-Outlander 0,1843419 27,2577677 57,6207596
8 3 182 КУЗОВ-хэтчбек 0,1840547 27,4418224 58,0098367
8 4 82 МАРКА+ МОДЕЛb-Lexus-IS 250 0,1825447 27,6243671 58,3957217
8 5 38 МАРКА+МОДЕЛЬ-ВМ\Л/-318 0,1776034 27,8019705 58,7711612
8 6 63 МАРКА+МОДЕЛЬ-Hyundai-Santa Fe 0,1776034 27,9795739 59,1466007
8 7 260 КПП-Вар 0,1776034 28,1571773 59,5220402
8 8 206 ОБЬЕМ ДВИГАТЕЛЯ-4/10-{2.4100000, 2.8800000} 0,1683083 28,3254856 59,8778306
8 9 78 МАРКА+МОДЕЛЬ-Lexus-GS 300 0,1678413 28,4933269 60,2326338
9 0 7 MAPKA-Ford 0,1645568 28,6578837 60,5804938
9 1 228 ЦВЕТ-красный 0,1636301 28,8215138 60,9263949
9 2 11 MAPKA-Jaquar 0,1602767 28,9817905 61,2652071
9 3 34 МАРКА+МОДЕЛ b-Audi-A3 0,1602767 29,1420672 61,6040194
9 4 35 МАРКА+МОДЕЛ b-Audi-A6 0,1602767 29,3023439 61,9428316
9 5 36 МАРКА+МОДЕЛЬ-ВМ\Л/-116 0,1602767 29,4626206 62,2816438
9 6 37 МАРКА+МОДЕЛЬ-BMW-118І 0,1602767 29,6228973 62,6204561
9 7 51 МАРКА+МОДЕЛ b-Ford-Expedition 0,1602767 29,7831740 62,9592683
9 8 57 МАРКА+МОДЕЛ b-Honda-Accord 0,1602767 29,9434507 63,2980805
9 9 62 МАРКА+МОДЕЛЬ-Нуиг^аі-ІХ35 0,1602767 30,1037274 63,6368928
1 0 0 65 МАРКА+ МОДЕЛ Ь-Hyundai-Sonata 0,1602767 30,2640041 63,9757050
1 0 1 69 МАРКА+МОДЕЛ b-Jaquar-XF 0,1602767 30,4242808 64,3145172
1 0 2 90 МАРКА+МОДЕЛ b-Mazda-6 0,1602767 30,5845575 64,6533295
1 0 3 94 МАРКА+МОДЕЛ b-Mercedes-E320 0,1602767 30,7448342 64,9921417
1 0 4 95 МАРКА+МОДЕЛ b-Mercedes-E500 0,1602767 30,9051109 65,3309539
1 0 5 99 МАРКА+ МОДЕЛ b-Mercedes-C180 0,1602767 31,0653876 65,6697662
1 0 6 103 МАРКА+МОДЕЛЬ-Mitsubishi-Padero Sport 0,1602767 31,2256643 66,0085784
1 0 7 109 МАРКА+МОДЕЛ b-Nissan-Patrol 0,1602767 31,3859410 66,3473907
1 0 8 111 МАРКА+МОДЕЛ Ь-Nissan-Teana 0,1602767 31,5462177 66,6862029
1 0 9 120 МАРКА+МОДЕЛЬ-Porshe -Boxter 0,1602767 31,7064944 67,0250151
1 1 0 123 МАРКА+МОДЕЛЬ-Ranqe Rover-Evoque 0,1602767 31,8667711 67,3638274
1 1 126 MAPKA+МОДЕЛ b-Renault-Duster 0,1602767 32,0270478 67,7026396
1
1 1 2 128 МАРКА+МОДЕЛЬ-Renault-Koleos 0,1602767 32,1873245 68,0414518
1 1 3 140 МАРКА+МОДЕЛЬ-Subaru -Impreza XV 0,1602767 32,3476012 68,3802641
1 1 4 145 М АРКА+ МОДЕЛ Ь-Т oyota-Avalon 0,1602767 32,5078779 68,7190763
1 1 5 147 МАРКА+МОДЕЛЬ-Toyota-Avensis New 0,1602767 32,6681546 69,0578885
1 1 6 160 МАРКА+МОДЕЛЬ-Toyota-Rav 4 Lonq 0,1602767 32,8284313 69,3967008
1 1 7 164 МАРКА+МОДЕЛ Ь-Volkswaqen-Passat 0,1602767 32,9887080 69,7355130
1 1 8 167 МАРКА+МОДЕЛ b-Volvo-S80 0,1602767 33,1489847 70,0743252
1 1 9 200 ПРОБЕГ-8/10-{322540.0000000, 368360.0000000} 0,1602767 33,3092614 70,4131375
1 2 0 218 ЦВЕТ-бирюзовый 0,1602767 33,4695381 70,7519497
1 2 1 224 ЦВЕТ-джинс 0,1602767 33,6298148 71,0907619
1 2 2 232 ЦВЕТ-св.серый 0,1602767 33,7900915 71,4295742
1 2 3 248 ЦВЕТ-т.серый(титан) 0,1602767 33,9503682 71,7683864
1 2 4 250 ЦВЕТ-темно-вишневый 0,1602767 34,1106449 72,1071987
1 2 5 252 ЦВЕТ-темно-себристый 0,1602767 34,2709216 72,4460109
1 2 6 28 MAPKA-Suzuki 0,1568133 34,4277349 72,7775018
1 2 7 142 МАРКА+МОДЕЛ b-Suzuki-Gr.Vitara 0,1568133 34,5845482 73,1089927
1 2 8 258 КПП-А 0,1522338 34,7367820 73,4308028
1 2 9 192 ГОД ВЫ ПУСКА-10/10-{2011.3000000, 2013.0000000} 0,1511950 34,8879770 73,7504171
1 3 0 197 ПРОБЕГ-5/10-{185080.0000000, 230900.0000000} 0,1511066 35,0390836 74,0698444
1 3 1 263 ОТДЕЛКА САЛОНА-велюр 0,1439829 35,1830665 74,3742129
1 3 2 106 МАРКА+ МОДЕЛ b-Nissan-Murano 0,1395516 35,3226181 74,6692139
1 3 3 24 MAPKA-Renault 0,1275806 35,4501987 74,9389092
1 3 4 75 МАРКА+МОДЕЛ Ь-Kia-Sportaqe 0,1228043 35,5730030 75,1985077
1 3 5 92 МАРКА+МОДЕЛ b-Mazda-CX7 0,1228043 35,6958073 75,4581063
1 3 6 138 МАРКА+МОДЕЛЬ-Subaru -Forester 0,1228043 35,8186116 75,7177048
1 3 7 239 ЦВЕТ-серо- голубой 0,1228043 35,9414159 75,9773034
1 3 8 174 КУЗОВ-минивен 0,1221191 36,0635350 76,2354535
1 3 9 242 ЦВЕТ-серый 0,1204881 36,1840231 76,4901558
1 4 0 189 ГОД ВЫПУСКА-7/10-{2006.2000000, 2007.9000000} 0,1176216 36,3016447 76,7387985
1 4 1 20 MAPKA-Opel 0,1094941 36,4111388 76,9702603
1 4 2 187 ГОД ВЫПУСКА-5/10-{2002.8000000, 2004.5000000} 0,1078617 36,5190005 77,1982714
1 238 ЦВЕТ-серебро 0,1053315 36,6243320 77,4209339
4 3
1 4 4 243 ЦВЕТ-синий 0,1042651 36,7285971 77,6413420
1 4 5 171 КУЗОВ-купе 0,0939803 36,8225774 77,8400089
1 4 6 3 MAPKA-Chevrolet 0,0937502 36,9163276 78,0381894
1 4 7 21 MAPKA-Peuqeot 0,0937502 37,0100778 78,2363699
1 4 8 89 MAPKA+M0flEJ"lb-Mazda-3 0,0937502 37,1038280 78,4345504
1 4 9 116 МАРКА+МОДЕЛЬ-Opel-Corsa 0,0937502 37,1975782 78,6327309
1 5 0 119 MAPKA+MOflEJ1b-Peuqeot-308 0,0937502 37,2913284 78,8309114
1 5 1 129 МАРКА+МОДЕЛЬ-Renault-Loqan 0,0937502 37,3850786 79,0290919
1 5 2 130 МАРКА+МОДЕЛЬ-Renault-Meqane 2 0,0937502 37,4788288 79,2272724
1 5 3 133 МАРКА+МОДЕЛЬ-Renault-Simbol 0,0937502 37,5725790 79,4254528
1 5 4 233 ЦВЕТ-свегло- голубой 0,0937502 37,6663292 79,6236333
1 5 5 4 MAPKA-Chrysler 0,0937501 37,7600793 79,8218136
1 5 6 5 MAPKA-Citroen 0,0937501 37,8538294 80,0199939
1 5 7 6 MAPKA-Dodqe 0,0937501 37,9475795 80,2181742
1 5 8 15 MAPKA-Lifan 0,0937501 38,0413296 80,4163544
1 5 9 25 MAPKA-Skoda 0,0937501 38,1350797 80,6145347
1 6 0 26 MAPKA-Ssanq Yonq 0,0937501 38,2288298 80,8127150
1 6 1 32 МАРКА+МОДЕЛЬ-А1^-А4 0,0937501 38,3225799 81,0108953
1 6 2 42 МАРКА+МОДЕЛЬ-Chevrolet-Cruze 0,0937501 38,4163300 81,2090756
1 6 3 43 МАРКА+МОДЕЛЬ-Chevrolet-Epica 0,0937501 38,5100801 81,4072558
1 6 4 44 МАРКА+МОДЕЛЬ-Chevrolet-Lacetti 0,0937501 38,6038302 81,6054361
1 6 5 45 МАРКА+МОДЕЛЬ-Chrysler-Sebrinq 0,0937501 38,6975803 81,8036164
1 6 6 46 МАРКА+МОДЕЛЬ-Сйгоёп-СЗ Picasso 0,0937501 38,7913304 82,0017967
1 6 7 47 МАРКА+МОДЕЛЬ-Сйгоёп-С4 0,0937501 38,8850805 82,1999769
1 6 8 48 МАРКА+МОДЕЛЬ-Сйгоёп-С5 0,0937501 38,9788306 82,3981572
1 6 9 49 МАРКА+МОДЕЛЬ-Dodqe-Caliber 0,0937501 39,0725807 82,5963375
1 7 0 50 МАРКА+МОДЕЛЬ-Ford-Escape XTL 0,0937501 39,1663308 82,7945178
1 7 1 53 МАРКА+МОДЕЛЬ-Ford-Fusion 0,0937501 39,2600809 82,9926981
1 7 2 54 МАРКА+МОДЕЛЬ-Ford-Galaxy 0,0937501 39,3538310 83,1908783
1 7 3 55 МАРКА+МОДЕЛЬ-Ford-Mondeo 0,0937501 39,4475811 83,3890586
1 7 4 56 МАРКА+МОДЕЛЬ-Ford-S-Max 0,0937501 39,5413312 83,5872389
1 7 5 58 MAPKA+MOflEJlb-Honda-Civic 0,0937501 39,6350813 83,7854192
1 7 6 59 MAPKA+MOflEJlb-Honda-Civic Hybrid 0,0937501 39,7288314 83,9835994
1 7 7 61 MAPKA+MOflEJlb-Hyundai-Getz 0,0937501 39,8225815 84,1817797
1 7 8 64 MAPKA+MOflEJlb-Hyundai-Solaris 0,0937501 39,9163316 84,3799600
1 7 9 66 MAPKA+MO/HEJlb-Hyundai-Tucson 0,0937501 40,0100817 84,5781403
1 8 0 70 MAPKA+MOflEJlb-Kia-Carnival 0,0937501 40,1038318 84,7763206
1 8 1 71 MAPKA+MOflEHb-Kia-Ceed 0,0937501 40,1975819 84,9745008
1 8 2 72 M AP KA+ M OflETI b- Ki a- Ce rato 0,0937501 40,2913320 85,1726811
1 8 3 73 MAPKA+MOflEJlb-Kia-Rio 0,0937501 40,3850821 85,3708614
1 8 4 74 MAPKA+MOflEJlb-Kia-Sorento 0,0937501 40,4788322 85,5690417
1 8 5 77 MAPKA+MO/HETIb-Land Rover-Ranqe Rover 0,0937501 40,5725823 85,7672219
1 8 6 88 MAPKA+MOflEJlb-Lifan -Smily 0,0937501 40,6663324 85,9654022
1 8 7 100 MAPKA+MOflEJlb-Mitsubishi-Galant 0,0937501 40,7600825 86,1635825
1 8 8 104 MAPKA+MO/HEJIb-Mitsubishi-Pajero 0,0937501 40,8538326 86,3617628
1 8 9 107 MAPKA+MOflEHb-Nissan-Note 0,0937501 40,9475827 86,5599431
1 9 0 110 MAPKA+MO/HETIb-Nissan-Qashqai 0,0937501 41,0413328 86,7581233
1 9 1 112 MAPKA+MOflEHb-Nissan-Tiida 0,0937501 41,1350829 86,9563036
1 9 2 114 MAPKA+MOflEJlb-Opel-Antara 0,0937501 41,2288330 87,1544839
1 9 3 115 MAPKA+MOflETIb-Opel-Astra 0,0937501 41,3225831 87,3526642
1 9 4 118 MAPKA+MOflEJlb-Opel-Vektra 0,0937501 41,4163332 87,5508444
1 9 5 125 MAPKA+MOflEHb-Renault-Clio 0,0937501 41,5100833 87,7490247
1 9 6 127 MAPKA+MOflEJlb-Renault-Fluence 0,0937501 41,6038334 87,9472050
1 9 7 131 MAPKA+MOflEJlb-Renault-Sandero 0,0937501 41,6975835 88,1453853
1 9 8 132 MAPKA+MOflEJlb-Renault-Scenic 0,0937501 41,7913336 88,3435656
1 9 9 134 MAPKA+ MOflETIb-Skoda-Fabia 0,0937501 41,8850837 88,5417458
2 0 0 135 MAPKA+ MOflEJl b-Skoda-Oktavia 0,0937501 41,9788338 88,7399261
2 0 1 136 MAPKA+MO/HEflb-Ssanq Yonq-Action 0,0937501 42,0725839 88,9381064
2 0 2 137 MAPKA+MO/HEJIb-Ssanq Yonq-Rexton 0,0937501 42,1663340 89,1362867
2 0 3 139 MAPKA+MOflEJIb-Subaru -Impreza 0,0937501 42,2600841 89,3344669
2 0 4 141 MAPKA+MOflEflb-Subaru -Outback 0,0937501 42,3538342 89,5326472
2 0 5 143 MAPKA+MOflEJlb-Toyota-Allion 0,0937501 42,4475843 89,7308275
2 0 144 MAPKA+MO/lEJIb-Toyota-Auris 0,0937501 42,5413344 89,9290078
6
2 0 7 146 М АРКА+ МОДЕЛ Ь-Т оусЛа-Ауег^з 0,0937501 42,6350845 90,1271881
2 0 8 155 МАРКА+МОДЕЛЬ-Тоуо1в-1_С 80 0,0937501 42,7288346 90,3253683
2 0 9 158 МАРКА+ МОДЕЛ Ь-ТоусМа-Рпиэ 0,0937501 42,8225847 90,5235486
2 1 0 162 МАРКА+МОДЕЛЬ-Уо1кэлгадеп-СоК 0,0937501 42,9163348 90,7217289
2 1 1 163 МАРКА+ МОДЕЛ Ь-\/о1к5\л/адеп-иейа 0,0937501 43,0100849 90,9199092
2 1 2 172 КУЗОВ-лифт 0,0937501 43,1038350 91,1180894
2 1 3 173 КУЗОВ-лифтбек 0,0937501 43,1975851 91,3162697
2 1 4 178 КУЗОВ-унив 0,0937501 43,2913352 91,5144500
2 1 5 180 КУЗОВ-хэтч 0,0937501 43,3850853 91,7126303
2 1 6 181 КУЗОВ-хзтчб 0,0937501 43,4788354 91,9108106
2 1 7 183 ГОД ВЫПУСКА-1/10-11996.0000000, 1997.7000000} 0,0937501 43,5725855 92,1089908
2 1 8 184 ГОД ВЫПУСКА-2/10-11997.7000000, 1999.4000000} 0,0937501 43,6663356 92,3071711
2 1 9 186 ГОД ВЫПУСКА-4/10-{2001.1000000, 2002.8000000} 0,0937501 43,7600857 92,5053514
2 2 0 202 ПРОБЕГ-10/10-{414180.0000000, 460000.0000000} 0,0937501 43,8538358 92,7035317
2 2 1 215 ЦВЕТ-бежевый металлик 0,0937501 43,9475859 92,9017119
2 2 2 219 ЦВЕТ-бордовый 0,0937501 44,0413360 93,0998922
2 2 3 221 ЦВЕТ-голубой 0,0937501 44,1350861 93,2980725
2 2 4 222 ЦВЕТ-голубой металлик 0,0937501 44,2288362 93,4962528
2 2 5 225 ЦВЕТ-зеленый 0,0937501 44,3225863 93,6944331
2 2 6 227 ЦВЕТ-золото 0,0937501 44,4163364 93,8926133
2 2 7 231 ЦВЕТ-св.оливковый 0,0937501 44,5100865 94,0907936
2 2 8 234 ЦВЕТ-светло-серый 0,0937501 44,6038366 94,2889739
2 2 9 235 ЦВЕТ-светло-синий 0,0937501 44,6975867 94,4871542
2 3 0 236 ЦВЕТ-сереб- голубой 0,0937501 44,7913368 94,6853344
2 3 1 241 ЦВЕТ-серо-синий 0,0937501 44,8850869 94,8835147
2 3 2 244 ЦВЕТ-си реневый 0,0937501 44,9788370 95,0816950
2 3 3 245 ЦВЕТ-т.зеленый 0,0937501 45,0725871 95,2798753
2 3 4 246 ЦВЕТ-т.красый 0,0937501 45,1663372 95,4780556
2 3 5 251 ЦВЕТ-темно- красн ы й 0,0937501 45,2600873 95,6762358
2 3 6 255 ЦВЕТ-фиолетовый 0,0937501 45,3538374 95,8744161
2 3 7 195 ПРОБЕГ-3/10-{93440.0000000, 139260.0000000} 0,0876104 45,4414478 96,0596176
2 265 ОТДЕЛКА САЛОНА-комбинированный 0,0866332 45,5280810 96,2427533
3 8
2 3 9 149 М АРКА+ МОДЕЛ Ь-Т oyota-Corolla 0,0865854 45,6146664 96,4257879
2 4 0 249 ЦВЕТ-т.синий 0,0844030 45,6990694 96,6042092
2 4 1 12 MAPKA-Kia 0,0838943 45,7829637 96,7815551
2 4 2 205 ОБЬЕМ ДВИГАТЕЛЯ-3/10-{1.9400000, 2.4100000} 0,0828158 45,8657795 96,9566211
2 4 3 188 ГОД ВЫПУСКА-6/10-{2004.5000000, 2006.2000000} 0,0775363 45,9433158 97,1205267
2 4 4 16 MAPKA-Mazda 0,0735625 46,0168783 97,2760320
2 4 5 31 MAPKA-Volvo 0,0710052 46,0878835 97,4261314
2 4 6 60 МАРКА+МОДЕЛЬ-Honda-CR-V 0,0710051 46,1588886 97,5762305
2 4 7 150 МАРКА+МОДЕЛЬ-Toyota-Corolla Verso 0,0710051 46,2298937 97,7263297
2 4 8 161 М АРКА+ МОДЕЛ b-Volkswaqen-Caddy 0,0710051 46,3008988 97,8764288
2 4 9 198 ПРОБЕГ-6/10-{230900.0000000, 276720.0000000} 0,0710051 46,3719039 98,0265280
2 5 0 240 Ц BET- серо- з ел ен ы й 0,0710051 46,4429090 98,1766271
2 5 1 254 ЦВЕТ-темно-синий 0,0710051 46,5139141 98,3267263
2 5 2 19 MAPKA-Nissan 0,0660654 46,5799795 98,4663833
2 5 3 196 ПРОБЕГ-4/10-{139260.0000000, 185080.0000000} 0,0640074 46,6439869 98,6016899
2 5 4 18 MAPKA-Mitsubishi 0,0637283 46,7077152 98,7364064
2 5 5 101 МАРКА+ МОДЕЛ b-Mitsubishi-Lancer 0,0613236 46,7690388 98,8660397
2 5 6 229 ЦВЕТ-оливковый 0,0613236 46,8303624 98,9956729
2 5 7 190 ГОД ВЫПУСКА-8/10-{2007.9000000, 2009.6000000} 0,0605403 46,8909027 99,1236503
2 5 8 29 MAPKA-Toyota 0,0554162 46,9463189 99,2407957
2 5 9 237 ЦВЕТ-серебрисгый 0,0505499 46,9968688 99,3476542
2 6 0 8 MAPKA-Honda 0,0485551 47,0454239 99,4502958
2 6 1 247 ЦВЕТ-т. серый 0,0477122 47,0931361 99,5511557
2 6 2 27 MAPKA-Subaru 0,0453111 47,1384472 99,6469397
2 6 3 168 МАРКА+МОДЕЛ b-Volvo-XC90 0,0440312 47,1824784 99,7400182
2 6 4 185 ГОД ВЫПУСКА-3/10-11999.4000000, 2001.1000000} 0,0440312 47,2265096 99,8330967
2 6 5 179 КУЗОВ-универсал 0,0395013 47,2660109 99,9165993
2 6 6 9 MAPKA-Hyundai 0,0394531 47,3054640 100,0000000
2 6 7 0 Сумма 0,0000000 47,3054640 100,0000000
2 6 8 0 Среднее 0,0000000 47,3054640 100,0000000
2 6 9 201 ПРОБЕГ-9/10-{368360.0000000, 414180.0000000} 0,0000000 47,3054640 100,0000000
Из таблицы 15 видно, что в модели ШБ1 65 признаков из 269 содержат 50% суммарной ценности модели, т.в этой модели е. примерно четверть признаков содержит 50% значимости. В модели ЕМБЗ (хи-квадрат) разница в ценности признаков еще более выраженная (рисунок 14).
Ценность шкалы в системе «Эйдос» определяется как средняя ценности ее градаций. На рисунке 15 приведена ценность шкал модели ЕМБЗ нарастающим итогом:
Рисунок 15. Ценность шкал нарастающим итогом в модели ШБЗ
В таблице 16 приведена значимость описательных шкал в модели ШЕ1
Таблица 16 - ЗНАЧИМОСТЬ ОПИСАТЕЛЬНЫХ ШКАЛ В МОДЕЛИ ШБ1
№ 1 Код шкалы 6 Наименование шкалы ОБЬЕМ ДВИГАТЕЛЯ Значимость шкалы
Бит %
0,3679987 21,5700218
2 8 КПП 0,2386024 13,9855357
3 9 ОТДЕЛКА САЛОНА 0,1891568 11,0873117
4 2 МАРКА+МОДЕЛЬ 0,1789073 10,4865435
5 1 МАРКА 0,1706437 10,0021775
6 3 КУЗОВ 0,1621286 9,5030701
7 7 ЦВЕТ 0,1542246 9,0397819
8 5 ПРОБЕГ 0,1292378 7,5751957
9 4 ГОД ВЫПУСКА 0,1151656 6,7503622
Из таблицы 16 видно, что стоимость модели в основном определяется объемом двигателя, типом коробки передач отделкой салона, маркой и моделью, а пробег и год выпуска играют меньшую роль.
Рассмотрим теперь наглядную визуализацию выявленных зависимостей между признаками автомобилей и их принадлежностью к той или иной ценовой категории в виде когнитивных функций.
Когнитивная функция представляет собой наглядную визуализацию в виде цвета количества информации, содержащегося в градациях описательной шкалы (признаках) о принадлежности объекта с этими признаками к градации классификационной шкалы (классу), в которой количество информации отображается цветом [13].
Ниже на ринунке 16 приведены когнитивные функции зависимости цены подержанного автомобиля от отделки салона, марки, типа кузова, года выпуска, пробега, объема двигателя, цвета, типа коробки передач:
10 10/10-{4161500.0000000, 4600000.0000000} 9 9/10-{3723000.0000000, 4161500.0000000}
8 8/10-{3284500.0000000, 3723000.0000000}
7 7 /1042846000,0000000, 3284500.0000000}
2 4 6 6/10-{2407500.0000000, 2846000.0000000} 1!
2 5 5/1041969000.0000000, 2407500.0000000}
4 4/1041530500.0000000,1969000.0000000} 3 3/10-{ 1092000.0000000,1530500.0000000} 2 2/104653500.0000000, 1092000.0000000}
1 1/104215000.0000000, 653500.0000000}
[612056 РФ от 09.03.2011
■
■
I я 1 я І X £ 0 1 266 ткань
Э.ОТДЕЛКА САЛОНА ПРИЗНАКИ
О 74 п.пч
І-О.П1 -0.11
-n.VI
Ji
&
BIS; I
Количество градаций уровня:
Цвет нерасчетных нулей:
Отсутствует
Тип палитры:
Цветовая заливка, спектр от су Интерполяция нерасчетных нула Отсутствует Размер шрифта 45
10 10/1044161500.0000000, 4600000.0000000} 9 9/1043723000.0000000, 4161500.0000000}
8 8/1043284500.0000000, 3723000.0000000}
7 7/1042846000.0000000, 3284500.0000000}
5 „ 6 6/1042407500.0000000, 2846000.0000000}
І
* 5 5/1041969000.0000000, 2407500.0000000}
4 4/1041530500.0000000,1969000.0000000}
З 3/104Ю92000.0000000,1530500.0000000}
2 2/104653500.0000000, 1092000.0000000} і 1/104215000.0000000, 653500.0000000}
і 1
1111! f і!! 1 Ь ! I Я Я 3_ї НІ _ 3 S ї «ЭЙДОС”. 1 І 1 І і з. я я я. я І ]! І і П11 ЯЯЯЯЯЯЯЙЙ
0,00
-П.4Я -Л.7Я -1.07 0-я подматрица Степени редукции частично редуцированных когнитивных функций: Позитивной от классов ....
Позитивной от признаков 0,00
I Негативной от классов 0,00
I Негативной от признаков 0,00
I Метод интерполяции:
I Фильтр тип.1
1 Количество градаций уровня:
Цвет нерасчетных нулей:
Отсутствует
Тил палитры:
Цветовая заливка, спектр от сип Интерполяция нерасчетных нула Отсутствует Размер шрифта 45
© Е. В. Луценко СРоссия), Д.К.Ван,
), Патент РФ 201163
И^ажение стлано:
КОГНИТИВНАЯ ФУНКЦИЯ:
Приложение: Риэлтерское приложение
Модель: Infl - частный критерий: количество знаний по А.Харкеви
5",
10 10/1044161500.0000000, 4600000.0000000}
9 9/1043723000.0000000, 4161500.0000000} _
8 8/1043284500.0000000, 3723000.0000000}
7 7/1042846000.0000000, 3284500.0000000}
6 6/1042407500.0000000, 2846000.0000000}
5 5/1041969000.0000000, 2407500.0000000} __
4 4/1041530500.0000000, 1969000.0000000} D 1
3 3/1041092000.0000000,1530500.0000000} |Q
2 2/104653500.0000000,1092000.0000000} •
11/104215000.0000000, 653500.0000000} а ш
с s 11 = 6 4 I а 1 і а 1 1
І S Ї Ч Ч X X е і Isis
(М n ш *о г»
З.КУЗОВ
ПРИЗНАКИ
П.7?
n.Sfi
п.чч
пи
пт
-П.7Ч
-П.41
-П.Ч7
-0.74
4-я подматрица Степени редукции частично редуцированны когнитивных функций: Позитивной от классов 0,00
Позитивной от признаков 0,00
Негативной от классов 0,00
Негативной от признаков 0,00
Метод интерполяции:
Фильтр тип.1
Количество градаций уровня:
Цвет нерасчетных нулей:
Отсутствует
Тип палитры:
Цветовая заливка, спектр от су Интерполяция нерасчетных ну. Отсутствует Размер шрифта 45
Визуализация когнитивных функций системы «Эйдос».
© Е.В.Луценко (Россия), Д.К.Бандыи (Беларусь], Патент РФ 2011612056 РФ от 09.03.2011
Изображение создано: ___ll"l2.2Q13 0:17:50___
КОГНИТИВНАЯ ФУНКЦИЯ:
Приложение: Риэлтерское приложение
Модель: Infl • частный критерий: количество знаний по А.Харкевичу; вероя-
10 10/10-{4161500.0000000, 4600000.0000000} 9 9/10-{3723000.0000000, 41б1500.0000000>
8 8 Д0-{3284500.0000000, 3723000.0000000}
7 7/1042846000.0000000, 3284500.0000000}
< б 6/1042407500.0000000, 2846000.0000000}
< =г
5 - 5 5/1041969000.0000000, 2407500.0000000}
4 4/1041530500.0000000,1969000.0000000}
3 3/1041092000.0000000, 1530500.0000000}
2 2/104653500.0000000,1092000.0000000}
1 1/104215000.0000000, 653500.0000000}
П.П1 -Л.П6 -0.16 -Л.7Ч -п.чч 6-я подматрица Степени редукции частично редуцированных когнитивных функций: Позитивной от классов 0,00
Позитивной от признаков 0,00
Негативной от классов 0,00
Негативной от признаков 0,00
Метод интерполяции;
Фильтр тип.1
Количество градаций уровня:
Цвет нерасчетных нулей:
Отсутствует
Тип палитры;
Цветовая заливка, спектр от £► Интерполяция нерасчетных нул< Отсутствует Размер шрифта 45
Визуализация когнитивных функций системы «Эйдос»,
© Е. В. Л у цен ко (Россия), Д.К.Бандыи (Беларусь), Патент РФ 2011612056 РФ от 09.03.2011
КОГНИТИВНАЯ ФУНКЦИЯ:
Приложение: Риэлтерское приложение
Модель: Infl - частный критерий: количество знаний по А.Харкес 10 10/10--С4161500.0000000, 4600000.0000000}
9 9/10-{3723000.0000000, 4161500.0000000>
8 8 Д0-{3284500.0000000, 3723000.0000000}
7 7/10-{2846000.0000000, 3284500.0000000}
5 X S 6/10-{2407500.0000000, 2846000.0000000}
< д-
£ J 5 5/10-{ 1969000.0000000, 2407500.0000000}
4 4/Ю-{ 1530500.0000000, 1969000.0000000}
3 3/1041092000.0000000,1530500.0000000}
2 2/104653500.0000000, 1092000.0000000}
11/104215000.0000000, 653500.0000000}
Визуализация когнитивных функций системы «Эйдос».
© Е.В.Луценко (Россия), Д.К.Бандыи (Беларусь], Патент РФ 2011612056 РФ от 09.03.2011
П. 74
п..47 п 41
0,00
8-я подматрица Степени редукции частично редуцированны когнитивных функций: Позитивной от классов Позитивной от признаков 0,00 Негативной от классов 0,00
Негативной от признаков 0,0" Метод интерполяции:
Фильтр тип.1
Количество градаций уровня:
Цвет нерасчетных нулей:
Отсутствует
Тип палитры:
Цветовая заливка, спектр от су Интерполяция нерасчетных ну. Отсутствует Размер шрифта 45
Изображение создано: ___1іГі2.2013 0:1§:03___
КОГНИТИВНАЯ ФУНКЦИЯ:
Приложение: Риэлтерское приложение
Модель: Infl • частный критерий: количество знаний по А.Харкевичу; вероя-
10 10/1044161500.0000000, 4600000.0000000} 9 9/1043723000.0000000, 4161500.0000000}
8 8/1043284500.0000000, 3723000.0000000}
7 7/1042846000.0000000, 3284500.0000000}
3 < 6 6/1042407500.0000000, 2846000.0000000}
£ =Г
2 - 5 5/1041969000-0000000, 2407500.0000000}
4 4/10-{ 1530500.0000000,1969000.0000000}
3 3/1041092000.0000000,1530500.0000000}
2 2/104653500.0000000,1092000.0000000}
11/104215000.0000000, 653500.0000000}
0.36
- -л.пч
- -0,41
- -п.ы\
- -0.Я9
10-я подматрица Степени редукции частично редуцированных когнитивных функций: Позитивной от классов 0,00
Позитивной от признаков 0,00
Негативной от классов 0,00
Негативной от признаков 0,00
Метод интерполяции;
Фильтр тип.1
Количество градаций уровня:
Цвет нерасчетных нулей:
Отсутствует
Тип палитры;
Цветовая заливка, спектр от £► Интерполяция нерасчетных нул< Отсутствует Размер шрифта 45
визуализация когнитивных функций системы «Эйдос»,
© Е. В. Л у цен ко (Россия), Д.К.Бандыи (Беларусь), Патент РФ 2011612056 РФ от 09.03.2011
КОГНИТИВНАЯ ФУНКЦИЯ:
Приложение: Риэлтерское приложение
Модель: Infl - частный критерий: количество знаний по А.Харкеви 10 10/10-{4161500.0000000, 4600000.0000000} |
9 9 Д0-{3723000.0000000, 4161500.0000000}
9 8/Ю-{3284500-0000000, 3723000.0000000}
7 7 /10-{2846000.0000000, 3284500.0000000}
3 < б 6/10-{2407500,0000000, 2846000.0000000}
is
2 - 5 5 ДО-{ 1969000.0000000, 2407500.0000000}
-ОЛТ
I I О
0,00
4 4Д<Н1530500.0000000,1969000.0000000} 3 3/10-{ 1092000.0000000,1530500.0000000} 2 2Д0-{ 653500.0000000,1092000.0000000}
1 1ДО-{ 215000.0000000, 653500.0000000}
IP II
12-я подматрица Степени редукции частично редуцированны когнитивных функций: Позитивной от классов Позитивной от признаков 0,00 Негативной от классов 0,00
Негативной от признаков 0,00 Метод интерполяции:
Фильтр тип.1
Количество градаций уровня:
Цвет нерасчетных нулей: Отсутствует
1ТИП палитры:
Цветовая заливка, спектр от су Интерполяция нерасчетных нул«
3 I •
■I * .
I Э І
S 1 £■ £ І у
s ■ * I ? I si 11 s s! ! s ! і і ! И і I H I И ?.. s s і 'і ‘з! 11 і 111 s і
От4ГИт4'иіи9ІЧСООІОіНП>Ч4’ІЛІвІчпаіріНГ<ІІО^ІЛІОІ«вВСІО*4ПСП4'
я а я я я я я я я я я_ я я я я я я я я я я я a а і a я я я я я я я я я
8 2 Б „ і і = 5 ,s ’
І ч в; а х а
і & S S 5 g .
7.ЦВЕТ
_________________________ ПРИЗНАКИ
Визуализация когнитивных функций системы «Эйдос».
© Е.В.Луценко (Россия), Д.К.Бандыи (Беларусь], Патент РФ 2011612056 РФ от 09.03.2011
Изображение создано: ___li:i2.2013 0:lff:lS__
КОГНИТИВНАЯ ФУНКЦИЯ:
Приложение: Риэлтерское приложение
Модель: Infl • частный критерий: количество знаний по А.Харкевичу; вероятн
10 10/10-{4161500.0000000, 4600000.0000000} 9 9/ Ю-{3723000-0000000, 4161500 0000000}
8 б/10 -{3284500.0000000, 3723000.0000000}
7 7 /10-{2846000.0000000, 3284500.0000000}
3 6 6/10-{2407500.0000000, 2846000.0000000}
II
* 5 5Д0-{ 1969000.0000000, 2407500.0000000}
4 4/Ю-{ 1530500.0000000, 1969000.0000000}
3 ЗД0-{ 1092000,0000000,1530500.0000000}
2 2/10-{653500.0000000, 1092000.0000000}
11/10-{215000.0000000, 653500.0000000}
ПЛА
- (».а) п.зя
- ft 14
14-я подматрица Степени редукции частично редуцированных когнитивных функций: Позитивной от классов —
Позитивной от признаков 0,00
Негативной от классов 0,00
Негативной от признаков 0,0*
Метод интерполяции:
Фильтр тип.1
Количество градаций уровня:
Цвет нерасчетных нулей:
Отсутствует
Тип палитры;
Цветовая заливка, спектр от с? Интерполяция нерасчетных нул< Отсутствует Размер шрифта 45
0,00
8.КПП ПРИЗНАКИ
Визуализация когнитивных функций системы «Эйдос», о (Россия), Д.К.Бандыи (Беларусь}, Патент РФ 2011612056 РФ от 09.03.2011
»8Я!Й”
Рисунок 16. Когнитивные функции зависимости цены подержанного автомобиля от отделки салона, марки, типа кузова, года выпуска, пробега, объема двигателя, цвета, типа коробки передач
Отметим, что в системе «Эйдос» реализован режим адаптивных интервалов (см. рисунок 3), обеспечивающий исследование исходных данных и построение таких интервалов разного размера, что в них оказывается практически одинаковое число примеров. Это позволяет ставить отсчеты тем чаще, чем больше кривизна отображаемой на них кривой. Он обеспечивает другие параметры модели, в частности достоверность.
9. Выводы и результаты
В статье на реальном численном примере автомобилей с пробегом рассмотрены вопросы разработки без программирования и применения в адаптивном режиме риэлтерской методики экспресс-оценки по методу аналогий (сравнительных продаж) с применением системно-когнитивного анализа и интеллектуальной системы «Эйдос». Уровень сложности
необходимых работ соответствует лабораторной работе по системам искусственного интеллекта и представлению знаний
Непосредственно на основе эмпирических данных получены коэффициенты, корректирующие цену с учетом числовых и текстовых показателей автомобилей.
Измерительные шкалы номинального типа метризованы до числового типа.
Все шкалы, измеряемые в разных единицах измерения, преобразованы в общие единицы количества информации, что обеспечивает совместную сопоставимую обработку результатов измерений, полученных в этих шкалах.
Такими образом, системно-когнитивный анализ и система «Эйдос» являются инструментом для построения без программирования измерительных мепюдик, обеспечивающих измерение степени выраженности социально-экономических свойств объектов и систем, причем эти мепюдики могут применяться в адаптивном режиме.
10. Ограничения и перспективы
Возможно, достоверность идентифкации ценовой категории была бы выше, если бы не ставилась задача оценки автомобилей разных марок и моделей, т.к. ясно например, что один и тот е пробег или возраст автомобиля по-разному влияет на уменьшение их цены. В системе «Эйдос» существует множество и других способов повышения качества моделей, описанных, например, в [12].
К созданной и описанной в данной статье модели стоит относиться как к примеру, демонстрирующему принципиальную возможность решения этой задачи в СК-анализе и системе «Эйдос», а не готовую для применения на практике в риэлтерских фирмах методику. Не стоит все же забывать, что все приведенные в статье модели и формы созданы на компьютере за 15 минут и сложность создания и применения данного приложения соответствует сложности лабораторной работы, в качестве котрой оно и изучается в течение одной пары на дисцпилинах «Интеллектуальные системы» и «Представлению знаний в интеллекутальных системах».
Литература4
1. Сайт: http://ozenka-biznesa.narod.ru/Main/bsn_71 .htm
2. Сайт: http://ozenka-biznesa.narod.ru/Main/bsn_61.htm
3. Луценко Е.В. Проблема референтного класса и ее концептуальное, математическое и
инструментальное решение в системно-когнитивном анализе / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2008. - №09(043). С. 1 - 47. - Шифр Информрегистра: 0420800012\0130, IDA [article ID]: 0430809001. - Режим доступа:
http://ei.kubagro.ru/2008/09/pdf/01 .pdf. 2,938 у.п.л.
4. Луценко Е.В. Подчиняются ли социально-экономические явления каким-то аналогам или обобщениям принципа относительности Галилея и Эйнштейна и выполняются ли для них теорема Нётер и законы сохранения? / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. - №07(091). С. 219 - 254. - IDA [article ID]: 0911307014. Режим доступа: http://ei .kubagro.ru/2013/07/pdf/14.pdf. 2,25 у.п.л.
5. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными
объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография
(научное издание). - Краснодар: КубГАУ. 2002. - 605 с.
6. Луценко Е.В. Теоретические основы, технология и инструментарий автоматизированного системно-когнитивного анализа и возможности его применения для сопоставимой оценки эффективности вузов / Е.В. Луценко, В.Е. Коржаков // Политематический сетевой электронный научный журнал
4 Для удобства читателей некоторые работы авторов размещены на сайте: http://lc.kubagro.ru/
http://ej.kubagro.ru/2013/10/pdf/36.pdf
Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. -Краснодар: КубГАУ, 2013. - №04(088). С. 340 - 359. - IDA [article ID]: 0881304022. - Режим доступа: http://ei .kubagro.ru/2013/04/pdf/22.pdf. 1,25 у.пл.
7. Луценко Е.В. Метризация измерительных шкал различных типов и совместная сопоставимая
количественная обработка разнородных факторов в системно-когнитивном анализе и системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2013. -№08(092)/ С. 859 - ^ 883. ^ - IDA [article ID]: 0921308058. - Режим доступа:
http://ei .kubagro.ru/2013/08/pdf/58.pdf. 1,562 у.пл.
8. Сайт: http://ton-auto.ru/tradein/avto s probegom nalichie/
9. Луценко Е.В. Методологические аспекты выявления, представления и использования знаний в
АСК-анализе и интеллектуальной системе «Эйдос» / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №06(070). С. 233 - 280. - Шифр Информрегистра: 04211 ООО 12\0197, IDA [article ID]: 0701106018. - Режим доступа:
http://ei .kubagro.ru/2011/06/pdf/18.pdf. 3 у.п.л.
10. Сайт: http://ru.wikipedia.org/wiki/TeopeMa%20KoTeльникова
11. Луценко Е.В. СК-анализ и система "Эйдос" в свете философии Платона / Е.В. Луценко // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2009. - №01(045). С. 91 - 100. - Шифр Информрегистра: 0420900012\0010, IDA [article ID]: 0450901008. - Режим доступа: http://ej.kubagro.ru/2009/01/pdf/08.pdf, 0,625 у.пл.
12. Трунев А.П., Луценко Е.В. Автоматизированный системно-когнитивный анализ влияния факторов космической среды на ноосферу, магнитосферу и литосферу Земли: Под науч. ред. д.т.н., проф.
B.И.Лойко. Монография (научное издание). - Краснодар, КубГАУ. 2012. - 480 с. ISBN 978-5-94672-519-4
13. Луценко Е.В. Метод визуализации когнитивных функций - новый инструмент исследования эмпирических данных большой размерности / Е.В. Луценко, А.П. Трунев, Д.К. Бандык // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета (Научный журнал КубГАУ) [Электронный ресурс]. - Краснодар: КубГАУ, 2011. - №03(067).
C. 240 - 282. - Шифр Информрегистра: 0421100012\0077, IDA [article ID]: 0671103018. - Режим доступа: http://ei .kubagro.ru/2011/03/pdf/18.pdf. 2,688 у.пл.
References
1. Sajt: http://ozenka-biznesa.narod.ru/Main/bsn_71.htm
2. Sajt: http://ozenka-biznesa.narod.ru/Main/bsn_61.htm
3. Lucenko E.V. Problema referentnogo klassa i ее konceptual'noe, matematicheskoe i instrumental'noe
reshenie v sistemno-kognitivnom analize / E.V. Lucenko // Politematiche-skij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudarstvennogo agramogo universi-teta (Nauchnyj zhumal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2008. - №09(043). S. 1 - 47. - Shifr Informregistra: 0420800012\0130, IDA [article ID]: 0430809001. - Rezhim dostupa: http://ej.kubagro.ru/2008/09/pdf/01.pdf, 2,938 u.p.l.
4. Lucenko E.V. Podchinjajutsja li social'no-jekonomicheskie javlenija kakim-to analogam ili obobshhenijam
principa otnositel'nosti Galileja i Jejnshtejna i vypolnjajutsja li dlja nih teorema Njoter i zakony sohranenija? / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhumal Kub-GAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №07(091). S. 219 - 254. - IDA [article ID]: 0911307014. - Rezhim dostupa: http://ej.kubagro.rn/2013/07/pdf/14.pdf, 2,25 u.p.l.
5. Lucenko E.V. Avtomatizirovannyj sistemno-kognitivnyj analiz v upravlenii aktiv-nymi ob#ektami
(sistemnaja teorija informacii i ее primenenie v issledovanii jekonomiche-skih, social'no-psihologicheskih, tehnologicheskih i organizacionno-tehnicheskih sistem): Monografija (nauchnoe izdanie). - Krasnodar: KubGAU. 2002. - 605 s.
6. Lucenko E.V. Teoreticheskie osnovy, tehnologija i instmmentarij avtomatizirovan-nogo
sistemno-kognitivnogo analiza i vozmozhnosti ego primenenija dlja sopostavimoj ocenki jeffektivnosti vuzov / E.V. Lucenko, V.E. Korzhakov // Politematicheskij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhumal Kub-GAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2013. - №04(088). S. 340 - 359/ - IDA [article ID]: 0881304022. - Rezhim dostupa:
http://ej.kubagro.ru/2013/04/pdf/22.pdf, 1,25 u.p.l.
7. Lucenko E.V. Metrizacija izmeritel'nyh shkal razlichnyh tipov i sovmestnaja soposta-vimaja kolichestvennaja obrabotka raznorodnyh faktorov v sistemno-kognitivnom analize i sisteme «Jejdos» / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudarstvennogo agramogo universiteta (Nauchnyj zhumal KubGAU) [Jelektron-nyj resurs]. - Krasnodar: KubGAU, 2013. - №08(092). S. 859 - 883. - IDA [article ID]: 0921308058. - Rezhim dostupa: http://ej.kubagro.ru/2013/08/pdf/58.pdf, 1,562
u.p.l.
8. Sajt: http://ton-auto.ru/tradein/avto_s_probegom_nalichie/
9. Lucenko E.V. Metodologicheskie aspekty vyjavlenija, predstavlenija i ispol'zovanija znanij v ASK-analize i intellektual'noj sisteme «Jejdos» / E.V. Lucenko // Politematiche-skij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudarstvennogo agramogo universi-teta (Nauchnyj zhumal KubGAU) [Jelektronnyj resurs]. -Krasnodar: KubGAU, 2011. - №06(070). S. 233 - 280. - Shifr Informregistra: 0421100012\0197, IDA [article ID]: 0701106018. - Rezhim dostupa: http://ej.kubagro.rn/2011/06/pdf/18.pdf, 3 u.p.l.10. Sajt: http://ru.wikipedia.org/wiki/Teorema%20Koternikova
11. Lucenko E.V. SK-analiz i sistema "Jejdos" v svete filosofii Platona / E.V. Lucenko // Politematicheskij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudarstvennogo ag-ramogo universiteta (Nauchnyj zhumal KubGAU) [Jelektronnyj resurs]. - Krasnodar: Kub-GAU, 2009. - №01(045). S. 91 - 100. - Shifr Informregistra: 0420900012\0010, IDA [article ID]: 0450901008. - Rezhim dostupa: http://ej.kubagro.rn/2009/01/pdf/08.pdf, 0,625 u.p.l.
12. Trunev A.P., Lucenko E.V. Avtomatizirovannyj sistemno-kognitivnyj analiz vlija-nija faktorov kosmicheskoj sredy na noosferu, magnitosferu i litosferu Zemli: Pod nauch. red. d.t.n., prof. V.I.Lojko. Monografija (nauchnoe izdanie). - Krasnodar, KubGAU. 2012. - 480 s. ISBN 978-5-94672-519-4
13. Lucenko E.V. Metod vizualizacii kognitivnyh funkcij - novyj instrument issledo-vanija jempiricheskih dannyh bol'shoj razmemosti / E.V. Lucenko, A.P. Trunev, D.K. Bandyk // Politematicheskij setevoj jelektronnyj nauchnyj zhumal Kubanskogo gosudarstvennogo agrar-nogo universiteta (Nauchnyj zhumal KubGAU) [Jelektronnyj resurs]. - Krasnodar: KubGAU, 2011. - №03(067). S. 240 - 282. - Shifr Informregistra: 0421100012\0077, IDA [article ID]: 0671103018. - Rezhim dostupa: http://ej.kubagro.ru/2011/03/pdf/18.pdf, 2,688 u.p.l.
