ЗАСТОСУВАННЯ МЕТОДУ K-НАЙБЛИЖЧИХ СУСІДІВ В ПРОЦЕСІ ІНФОРМАЦІЙНО-АНАЛІТИЧНОГО ЗАБЕЗПЕЧЕННЯ ЕКОНОМІЧНОЇ БЕЗПЕКИ МОЛОКОПЕРЕРОБНИХ ПІДПРИЄМСТВ

Автор(и)

DOI:

https://doi.org/10.32689/2523-4536/59-8

Ключові слова:

метод k-найближчих сусідів, інформаційно-аналітичне забезпечення, економічна безпека, молокопереробні підприємства

Анотація

У статті досліджено можливості класифікації загроз для молокопереробних підприємств з використанням методу k-найближчих сусідів. Метою застосування даного методу є вирішення задач з оцінювання постачальників сировини за окремими категоріями надійності. Особливості економічної діяльності молокопереробних підприємств обумовлені постійним пошуком якісної сировини. Звичайно, що перед її використанням на підприємствах застосовують ряд перевірок, але такі перевірки досить витратні і не завжди проводяться в силу різних причин. Досліджений в роботі метод класифікації інформації, може бути використаний із застосуванням технологій машинного навчання. Для його апробації було використано програмний код, який включає в себе такі бібліотеки, як math, random, pylab, numpy, matplotlib. Для класифікації постачальників сировини, було створено тестову вибірку даних, після чого обчислено відстань до кожного з об'єктів навчальної вибірки. Відібрано k об'єктів навчальної вибірки, відстань до яких є мінімально. А також визначено класи постачальників сировини. Частина уваги приділено особливостям постачальників сировини для молокопереробних підприємств. На основі дослідження особливостей діяльності постачальників сировини для молокопереробних підприємств встановлено кількісні критерії їх надійності. Так, відповідні критерії були оцінені із застосуванням методу k-найближчих сусідів, що дозволило сформувати класифікацію постачальників сировини. Разом з тим, у статті висвітлено характеристики інформаційно-аналітичного забезпечення економічної безпеки молокопереробних підприємств, виділено ряд ключових особливостей такої діяльності.

Посилання

Седов А.В. Закупки: причины, классификация, типовые решения. Вестник Ульяновского государ-ственного технического университета 2017. № 3 (79). С. 65–69.

Рахматуллина В.Р., Горшенин В.Ф. (2018). Цифровая трансформация закупочной логистики. Общество, экономика, управление. 2018. № 4. С. 40–45.

Gonçalo Thomas Edson Espíndola, Alencar Luciana Hazin. A supplier selection model based on classifying its strategic impact for a company's business results. Pesquisa Operacional. 2014. № 34(2). Р. 347–369.

Батура Т.В. Методы автоматической классификации текстов. Программные продукты и системы. 2017. № 30 (1). С. 85–89. DOI: 10.15827/0236-235X.030.1.085-099.

Классификатор kNN. ІТ спільнота Хабр. 2020. URL: https://habr.com/ru/post/149693.

Попело В.Д., Ванеева М.В. Теория математической обработки геодезических измерений. Часть 2. Оценивание результатов геодезических измерений и их погрешностей на основе вероятностных пред-ставлений: учебное пособие. Воронеж : ВГАУ, 2015. 138 с.

Sandro Tosi. Matplotlib for Python Developers. Packt Publishing, 2009. 308 p.

Sedov A.V. (2017) Zakupki: prichinyi, klassifikatsiya, tipovyie resheniya. Vestnik Ulyanovskogo gosudarstvennogo tehnicheskogo universiteta, no. 3 (79), pp. 65–69.

Rahmatullina V.R., Gorshenin V.F. (2018). Tsifrovaya transformatsiya zakupochnoy logistiki. Obschestvo, ekonomika, upravlenie, no. 4, pp. 40–45.

Gonçalo Thomas Edson Espíndola, Alencar, Luciana Hazin (2014) A supplier selection model based on classifying its strategic impact for a company's business results. Pesquisa Operacional, no. 34(2), pp. 347–369.

Batura T.V. (2017). Metodyi avtomaticheskoy klassifikatsii tekstov. Programmnyie produktyi i sistemyi, no. 30 (1), pp. 85–89. DOI: 10.15827/0236-235X.030.1.085-099.

Klassifikator kNN. IT spIlnota Habr. 2020. Available at: https://habr.com/ru/post/149693.

Popelo V.D., Vaneeva M.V. (2015) Teoriya matematicheskoy obrabotki geodezicheskih izmereniy. Chast 2. Otsenivanie rezultatov geodezicheskih izmereniy i ih pogreshnostey na osnove veroyatnostnyih predstavleniy: uchebnoe posobie. Voronezh: VGAU, 138 p.

Sandro Tosi (2009) Matplotlib for Python Developers. Packt Publishing, 308 p.

##submission.downloads##

Опубліковано

2020-10-09