Darbas apima banko klientų kredito istorinių duomenų dėsningumų tyrimą. Pirmiausia nagrinėjamos banko duomenų saugyklos, siekiant kuo geriau perprasti bankinius duomenis. Vėliau naudojant banko duomenų imtis, kurios apima kreditų grąžinimo istoriją, siekiama įvertinti klientų nemokumo riziką. Tai atliekama adaptuojant algoritmus bei programinę įrangą duomenų tyrimui, kuris pradedamas nuo informacijos apdorojimo ir paruošimo. Paskui pritaikant įvairius klasifikavimo algoritmus, sudarinėjami modeliai, kuriais siekiama kuo tiksliau suskirstyti turimus duomenis, nustatant nemokius klientus. Taip pat siekiant įvertinti kliento vėluojamų mokėti paskolą dienų skaičių pasitelkiami regresijos algoritmai bei sudarinėjami prognozės modeliai. Taigi darbo metu atlikus numatytus tyrimus, pateikiami duomenų vitrinų modeliai, informacijos srautų schema. Taip pat nurodomi klasifikavimo ir prognozavimo modeliai bei algoritmai, geriausiai įvertinantys duotas duomenų imtis.

This work is about analysing regularities in bank clients historical credit data. So first of all bank information repositories are analyzed to comprehend banks data. Then using data mining algorithms and software for bank data sets, which describes credit repayment history, clients insolvency risk is being tried to estimate. So first step in analyzis is information preprocessing for data mining. Later various classification algorithms is used to make models wich classify our data sets and help to identify insolvent clients as accurate as possible. Besides clasiffication, regression algorithms are analyzed and prediction models are created. These models help to estimate how long client are late to pay deposit. So when researches have been done data marts and data flow schema are presented. Also classification and regressions algorithms and models, which shows best estimation results for our data sets, are introduced.

Informacinių technologijų įtaka neatsiejama nuo šiuolaikinio gyvenimo. Bet kokia veiklos sritis yra susijusi su informacijos, duomenų kaupimu, saugojimu. Šiandien nebepakanka tradicinio duomenų apdorojimo bei įvairių ataskaitų formavimo. Duomenų tyrybos technologijų taikymas leidžia iš turimų duomenų išgauti naujus faktus ar žinias, kurios leidžia prognozuoti veiklą, pavyzdžiui, pirkėjų elgesį ar finansines tendencijas, diagnozuoti ligas ir pan. Disertacijoje nagrinėjami duomenų tyrybos algoritmai dažniems posekiams ir susietumo taisyklėms nustatyti. Disertacijoje sukurtas naujas stochastinis dažnų posekių paieškos algoritmas, jo modifikacijos SDPA1, SDPA2 ir stochastinis susietumo taisyklių nustatymo algoritmas bei pateiktas šių algoritmų paklaidų įvertinimas. Šie algoritmai yra apytiksliai, tačiau leidžia suderinti du svarbius kriterijus  laiką ir tikslumą. Šie algoritmai buvo testuojami naudojant realias bei imitacines duomenų bazes.

The impact of information technology is an integral part of modern life. Any activity is related to information and data accumulation and storage, therefore, quick analysis of information is necessary. Today, the traditional data processing and data reports are no longer sufficient. The need of generating new information and knowledge from given data is understandable; therefore, new facts and knowledge, which allow us to forecast customer behaviour or financial transactions, diagnose diseases, etc., can be generated applying data mining techniques. The doctoral dissertation analyses modern data mining algorithms for estimating frequent sub-sequences and association rules. The dissertation proposes a new stochastic algorithm for mining frequent sub-sequences, its modifications SDPA1 and SDPA2 and stochastic algorithm for discovery of association rules, and presents the evaluation of the algorithm errors. These algorithms are approximate, but allow us to combine two important tests, i.e. time and accuracy. The algorithms have been tested using real and simulated databases.

The impact of information technology is an integral part of modern life. Any activity is related to information and data accumulation and storage, therefore, quick analysis of information is necessary. Today, the traditional data processing and data reports are no longer sufficient. The need of generating new information and knowledge from given data is understandable; therefore, new facts and knowledge, which allow us to forecast customer behaviour or financial transactions, diagnose diseases, etc., can be generated applying data mining techniques. The doctoral dissertation analyses modern data mining algorithms for estimating frequent sub-sequences and association rules. The dissertation proposes a new stochastic algorithm for mining frequent sub-sequences, its modifications SDPA1 and SDPA2 and stochastic algorithm for discovery of association rules, and presents the evaluation of the algorithm errors. These algorithms are approximate, but allow us to combine two important tests, i.e. time and accuracy. The algorithms have been tested using real and simulated databases.

Informacinių technologijų įtaka neatsiejama nuo šiuolaikinio gyvenimo. Bet kokia veiklos sritis yra susijusi su informacijos, duomenų kaupimu, saugojimu. Šiandien nebepakanka tradicinio duomenų apdorojimo bei įvairių ataskaitų formavimo. Duomenų tyrybos technologijų taikymas leidžia iš turimų duomenų išgauti naujus faktus ar žinias, kurios leidžia prognozuoti veiklą, pavyzdžiui, pirkėjų elgesį ar finansines tendencijas, diagnozuoti ligas ir pan. Disertacijoje nagrinėjami duomenų tyrybos algoritmai dažniems posekiams ir susietumo taisyklėms nustatyti. Disertacijoje sukurtas naujas stochastinis dažnų posekių paieškos algoritmas, jo modifikacijos SDPA1, SDPA2 ir stochastinis susietumo taisyklių nustatymo algoritmas bei pateiktas šių algoritmų paklaidų įvertinimas. Šie algoritmai yra apytiksliai, tačiau leidžia suderinti du svarbius kriterijus  laiką ir tikslumą. Šie algoritmai buvo testuojami naudojant realias bei imitacines duomenų bazes.

The area of research is data mining based on multidimensional data visual analysis. This allows researcher to participate in the process of data analysis directly, to understand the complex data better and to make the best decisions. The objective of the dissertation is to create a method for making a multidimensional data projection on the plane such that the researcher could see and assess the intergroup similarities and differences of multidimensional points. In order to achieve the target, a new hybrid neural network is proposed and investigated. This neural network integrates the ideas both of the radial basis function neural network and that of a multilayer perceptron, which has the properties of a ''bottleneck'' neural network. The new network is used for the visual analysis of multidimensional data in such a way that the output values of the neurons of the last hidden layer are the two-dimensional or three-dimensional projections of the multidimensional data, when the multidimensional data is given to the network. A peculiarity of the network is that the visualization results on the plane reflect the general structure of the data (clusters, proximity between clusters, intergroup similarities of points) rather than the location of multidimensional points.

Šio darbo tyrimų sritis yra duomenų tyryba remiantis daugiamačių duomenų vizualia analize. Tai leidžia tyrėjui betarpiškai dalyvauti duomenų analizės procese, geriau pažinti sudėtingus duomenis ir priimti geriausius sprendimus. Disertacijos tikslas yra sukurti metodą tokios duomenų projekcijos radimui plokštumoje, kad tyrėjas galėtų pamatyti ir įvertinti daugiamačių taškų tarpgrupinius panašumus/skirtingumus. Šiam tikslui pasiekti yra pasiūlytas radialinių bazinių funkcijų ir daugiasluoksnio perceptrono, turinčio ,,butelio kaklelio“ neuroninio tinklo savybes, junginys. Naujas tinklas naudojamas vizualiai daugiamačių duomenų analizei, kai atidėjimui plokštumoje arba trimatėje erdvėje taškai gaunami paskutinio paslėpto neuronų sluoksnio išėjimuose, kai į tinklo įėjimą paduodami daugiamačiai duomenys. Šio tinklo ypatybė yra ta, kad gautas vaizdas plokštumoje labiau atspindi bendrą duomenų struktūrą (klasteriai, klasterių tarpusavio artumas, taškų tarpklasterinis panašumas) nei daugiamačių taškų tarpusavio išsidėstymą.

Disertacijos tyrimų sritis – kompiuterių tinklo paketinio srauto savybės, tinklo mazgo savybių įtaka srauto aptarnavimui, tinklo srauto savybių realaus laiku analizės metodai ir jų taikymas kompiuterių tinklo srauto kaitos dinaminiam prognozavimui. Tyrimų objektas – kompiuterių tinklo paketinio srauto savybės, tinklo mazgo savybių įtaka paketinio kompiuterių tinklo srauto aptarnavimui, realaus laiko tinklo srauto savybių analizės metodai ir jų taikymas tinklo srauto kaitos dinaminiam prognozavimui. Darbo tikslas – ištirti fraktalinius procesus kompiuterių tinkluose, remiantis gautais rezultatais parinkti metodus, tinkamus tinklo srauto analizei realiu laiku, ir sukurti savastingumo matavimo realiu laiku metodiką bei ją pritaikyti kompiuterių tinklų aptarnavimo kokybei gerinti. Išanalizuotos tinklo komponentų matematinio modeliavimo galimybės, kompiuterių tinklo paketinio srauto modeliai ir modeliai, naudojantys aptarnavimo teorijos instrumentus. Parengtas tinklo srauto savybių analizės paketas, panaudotas kompiuterių tinklų fraktališkumo ir savastingumo tyrimo metodams analizuoti, vertinti ir palyginti. Ištirti paketinio kompiuterių tinklo srauto laiko eilučių analizės, dažninių/banginių savybių įvertinimo, laiko eilutės stabilumo parametrų įverčiais grindžiami bei chaoso teorijos priemonėmis įvertinami savastingumo analizės metodai. Sudarytas tinklo srauto savastingumo realiu laiku analizės paketas, kurį naudojant savastingumo matavimui realiu laiku atrinktas robastinis... [toliau žr. visą tekstą]

The field of the dissertation research is features of computer network packet traffic, the impact of network node features on traffic service, methods of real-time analysis of network traffic features and their application for dynamic prognostication of computer network packet traffic variance. The object of the research is the features of computer network packet traffic, the impact of network node features on computer network traffic service, methods of real-time network traffic features analysis and their application for dynamic prognostication of network traffic variances. The aim of work is to investigate fractal processes in computer networks, grounding on the results obtained to select methods suitable for real-time analysis of network traffic and to work out methods for real-time measurement of self-similarity as well as to apply it for perfection of computer networks service quality. Possibilities for mathematical modelling of network components, computer network packet traffic models and models using service theory instruments have been analysed. The package of network traffic features analysis has been worked out; it was used for analysis, assessment and comparison of methods for computer networks fractality and self-similarity research. For assessment of self-similarity of the network traffic time lines analysis, frequency/wave feature estimates, self-similarity analysis methods based on time line stability parameters estimators and assessed by the chaos theory... [to full text]

The field of the dissertation research is features of computer network packet traffic, the impact of network node features on traffic service, methods of real-time analysis of network traffic features and their application for dynamic prognostication of computer network packet traffic variance. The object of the research is the features of computer network packet traffic, the impact of network node features on computer network traffic service, methods of real-time network traffic features analysis and their application for dynamic prognostication of network traffic variances. The aim of work is to investigate fractal processes in computer networks, grounding on the results obtained to select methods suitable for real-time analysis of network traffic and to work out methods for real-time measurement of self-similarity as well as to apply it for perfection of computer networks service quality. Possibilities for mathematical modelling of network components, computer network packet traffic models and models using service theory instruments have been analysed. The package of network traffic features analysis has been worked out; it was used for analysis, assessment and comparison of methods for computer networks fractality and self-similarity research. For assessment of self-similarity of the network traffic time lines analysis, frequency/wave feature estimates, self-similarity analysis methods based on time line stability parameters estimators and assessed by the chaos theory... [to full text]

Disertacijos tyrimų sritis – kompiuterių tinklo paketinio srauto savybės, tinklo mazgo savybių įtaka srauto aptarnavimui, tinklo srauto savybių realaus laiku analizės metodai ir jų taikymas kompiuterių tinklo srauto kaitos dinaminiam prognozavimui. Tyrimų objektas – kompiuterių tinklo paketinio srauto savybės, tinklo mazgo savybių įtaka paketinio kompiuterių tinklo srauto aptarnavimui, realaus laiko tinklo srauto savybių analizės metodai ir jų taikymas tinklo srauto kaitos dinaminiam prognozavimui. Darbo tikslas – ištirti fraktalinius procesus kompiuterių tinkluose, remiantis gautais rezultatais parinkti metodus, tinkamus tinklo srauto analizei realiu laiku, ir sukurti savastingumo matavimo realiu laiku metodiką bei ją pritaikyti kompiuterių tinklų aptarnavimo kokybei gerinti. Išanalizuotos tinklo komponentų matematinio modeliavimo galimybės, kompiuterių tinklo paketinio srauto modeliai ir modeliai, naudojantys aptarnavimo teorijos instrumentus. Parengtas tinklo srauto savybių analizės paketas, panaudotas kompiuterių tinklų fraktališkumo ir savastingumo tyrimo metodams analizuoti, vertinti ir palyginti. Ištirti paketinio kompiuterių tinklo srauto laiko eilučių analizės, dažninių/banginių savybių įvertinimo, laiko eilutės stabilumo parametrų įverčiais grindžiami bei chaoso teorijos priemonėmis įvertinami savastingumo analizės metodai. Sudarytas tinklo srauto savastingumo realiu laiku analizės paketas, kurį naudojant savastingumo matavimui realiu laiku atrinktas robastinis... [toliau žr. visą tekstą]

The research subject of the dissertation is the analysis of the model of heterogenous agents and its application for modelling stochastic Nash and Stackelberg equilibriums, applying the Monte Carlo method. The aim of the dissertation is to identify the impact of heterogeneous agents on the formation of the economic bubble, to create and examine algorithms for special bilevel stochastic programming problems and for search of the stochastic Nash equilibrium, applying the Monte Carlo method. The thesis offers a mathematical model for identification of the beginning of the bubble. This model has been applied for the analysis of the real estate bubble in Lithuania. In cases of uncertainty, decisions are often made by several individuals whose interests do not coincide. In such situations one of the concepts of the equilibrium is the stochastic Nash equilibrium. The dissertation examines the stochastic Nash equilibrium and offers the algorithm for gradient search of this equilibrium. The algorithm for gradient search of the stochastic Nash equilibrium was examined by solving the problem of electricity market with precedent agreements. The dissertation offers the algorithm for solving the optimization problem where the objective function and constraints contain conditional value at risk and by solving the test problem the behaviour of the algorithm is investigated. The dissertation proposes the algorithm for solving the two stage stochastic linear problem, employing the method of... [to full text]

Disertacijos objektas – heterogeninių agentų modelio tyrimas ir taikymas stochastinėms Nešo ir Stakelbergo pusiausvyroms modeliuoti Monte Karlo metodu. Darbo tikslas – nustatyti heterogeninių agentų įtaką ekonominio burbulo susidarymui, sukurti ir ištirti dviejų lygių stochastinio programavimo specialių uždavinių bei stochastinės Nešo pusiausvyros paieškos Monte Karlo algoritmus. Netvarių būsenų (burbulų ir jų griūčių) identifikavimas labai svarbus ekonomikai bei finansams. Disertacijoje pateiktas burbulo pradžios identifikavimo matematinis modelis, kurį taikant buvo ištirtas Lietuvos nekilnojamojo turto burbulas. Esant neapibrėžtumui, sprendimus dažnai priima keli individai, kurių interesai nesutampa. Tokiose situacijose taikoma viena iš pusiausvyros koncepcijų, būtent, stochastinė Nešo pusiausvyra. Darbe ištirta stochastinė Nešo pusiausvyra ir pasiūlytas jos gradientinės paieškos algoritmas. Stochastinės Nešo pusiausvyros gradientinės paieškos algoritmas ištirtas sprendžiant elektros rinkos su išankstiniais sandoriais uždavinį. Optimizavimo uždavinys, kurio tikslo funkcijoje ir ribojimuose yra sąlyginės rizikos reikšmė yra dviejų lygių stochastinio programavimo uždavinys. Disertacijoje pasiūlytas tokio uždavinio sprendimo algoritmas ir testiniu uždaviniu ištirta jo elgsena. Jei stochastinis dviejų etapų tiesinis uždavinys sprendžiamas reikšmingų imčių metodu, tai gaunamas dviejų lygių stochastinio programavimo uždavinys. Disertacijoje pasiūlytas stochastinio dviejų etapų... [toliau žr. visą tekstą]

Šio darbo tyrimų sritis yra duomenų tyryba remiantis daugiamačių duomenų vizualia analize. Tai leidžia tyrėjui betarpiškai dalyvauti duomenų analizės procese, geriau pažinti sudėtingus duomenis ir priimti geriausius sprendimus. Disertacijos tikslas yra sukurti metodą tokios duomenų projekcijos radimui plokštumoje, kad tyrėjas galėtų pamatyti ir įvertinti daugiamačių taškų tarpgrupinius panašumus/skirtingumus. Šiam tikslui pasiekti yra pasiūlytas radialinių bazinių funkcijų ir daugiasluoksnio perceptrono, turinčio ,,butelio kaklelio“ neuroninio tinklo savybes, junginys. Naujas tinklas naudojamas vizualiai daugiamačių duomenų analizei, kai atidėjimui plokštumoje arba trimatėje erdvėje taškai gaunami paskutinio paslėpto neuronų sluoksnio išėjimuose, kai į tinklo įėjimą paduodami daugiamačiai duomenys. Šio tinklo ypatybė yra ta, kad gautas vaizdas plokštumoje labiau atspindi bendrą duomenų struktūrą (klasteriai, klasterių tarpusavio artumas, taškų tarpklasterinis panašumas) nei daugiamačių taškų tarpusavio išsidėstymą.

The area of research is data mining based on multidimensional data visual analysis. This allows researcher to participate in the process of data analysis directly, to understand the complex data better and to make the best decisions. The objective of the dissertation is to create a method for making a multidimensional data projection on the plane such that the researcher could see and assess the intergroup similarities and differences of multidimensional points. In order to achieve the target, a new hybrid neural network is proposed and investigated. This neural network integrates the ideas both of the radial basis function neural network and that of a multilayer perceptron, which has the properties of a ''bottleneck'' neural network. The new network is used for the visual analysis of multidimensional data in such a way that the output values of the neurons of the last hidden layer are the two-dimensional or three-dimensional projections of the multidimensional data, when the multidimensional data is given to the network. A peculiarity of the network is that the visualization results on the plane reflect the general structure of the data (clusters, proximity between clusters, intergroup similarities of points) rather than the location of multidimensional points.

Disertacijoje nagrinėjami Markovo grandinės Monte-Karlo (MCMC) adaptavimo metodai, skirti efektyviems skaitiniams duomenų analizės sprendimų priėmimo su iš anksto nustatytu patikimumu algoritmams sudaryti. Suformuluoti ir išspręsti hierarchiniu būdu sudarytų daugiamačių skirstinių (asimetrinio t skirstinio, Puasono-Gauso modelio, stabiliojo simetrinio vektoriaus dėsnio) parametrų vertinimo uždaviniai. Adaptuotai MCMC procedūrai sukurti yra pritaikytas nuoseklaus Monte-Karlo imčių generavimo metodas, įvedant statistinį stabdymo kriterijų ir imties tūrio reguliavimą. Statistiniai uždaviniai išspręsti šiuo metodu leidžia atskleisti aktualias MCMC metodų skaitmeninimo problemų ypatybes. MCMC algoritmų efektyvumas tiriamas pasinaudojant disertacijoje sudarytu statistinio modeliavimo metodu. Atlikti eksperimentai su sportininkų duomenimis ir sveikatos industrijai priklausančių įmonių finansiniais duomenimis patvirtino, kad metodo skaitinės savybės atitinka teorinį modelį. Taip pat sukurti metodai ir algoritmai pritaikyti sociologinių duomenų analizės modeliui sudaryti. Atlikti tyrimai parodė, kad adaptuotas MCMC algoritmas leidžia gauti nagrinėjamų skirstinių parametrų įvertinius per mažesnį grandžių skaičių ir maždaug du kartus sumažinti skaičiavimų apimtį. Disertacijoje sukonstruoti algoritmai gali būti pritaikyti stochastinio pobūdžio sistemų tyrimui ir kitiems statistikos uždaviniams spręsti MCMC metodu.

Markov chain Monte Carlo adaptive methods by creating computationally effective algorithms for decision-making of data analysis with the given accuracy are analyzed in this dissertation. The tasks for estimation of parameters of the multivariate distributions which are constructed in hierarchical way (skew t distribution, Poisson-Gaussian model, stable symmetric vector law) are described and solved in this research. To create the adaptive MCMC procedure, the sequential generating method is applied for Monte Carlo samples, introducing rules for statistical termination and for sample size regulation of Markov chains. Statistical tasks, solved by this method, reveal characteristics of relevant computational problems including MCMC method. Effectiveness of the MCMC algorithms is analyzed by statistical modeling method, constructed in the dissertation. Tests made with sportsmen data and financial data of enterprises, belonging to health-care industry, confirmed that numerical properties of the method correspond to the theoretical model. The methods and algorithms created also are applied to construct the model for sociological data analysis. Tests of algorithms have shown that adaptive MCMC algorithm allows to obtain estimators of examined distribution parameters in lower number of chains, and reducing the volume of calculations approximately two times. The algorithms created in this dissertation can be used to test the systems of stochastic type and to solve other statistical... [to full text]

Markov chain Monte Carlo adaptive methods by creating computationally effective algorithms for decision-making of data analysis with the given accuracy are analyzed in this dissertation. The tasks for estimation of parameters of the multivariate distributions which are constructed in hierarchical way (skew t distribution, Poisson-Gaussian model, stable symmetric vector law) are described and solved in this research. To create the adaptive MCMC procedure, the sequential generating method is applied for Monte Carlo samples, introducing rules for statistical termination and for sample size regulation of Markov chains. Statistical tasks, solved by this method, reveal characteristics of relevant computational problems including MCMC method. Effectiveness of the MCMC algorithms is analyzed by statistical modeling method, constructed in the dissertation. Tests made with sportsmen data and financial data of enterprises, belonging to health-care industry, confirmed that numerical properties of the method correspond to the theoretical model. The methods and algorithms created also are applied to construct the model for sociological data analysis. Tests of algorithms have shown that adaptive MCMC algorithm allows to obtain estimators of examined distribution parameters in lower number of chains, and reducing the volume of calculations approximately two times. The algorithms created in this dissertation can be used to test the systems of stochastic type and to solve other statistical... [to full text]

Disertacijoje nagrinėjami Markovo grandinės Monte-Karlo (MCMC) adaptavimo metodai, skirti efektyviems skaitiniams duomenų analizės sprendimų priėmimo su iš anksto nustatytu patikimumu algoritmams sudaryti. Suformuluoti ir išspręsti hierarchiniu būdu sudarytų daugiamačių skirstinių (asimetrinio t skirstinio, Puasono-Gauso modelio, stabiliojo simetrinio vektoriaus dėsnio) parametrų vertinimo uždaviniai. Adaptuotai MCMC procedūrai sukurti yra pritaikytas nuoseklaus Monte-Karlo imčių generavimo metodas, įvedant statistinį stabdymo kriterijų ir imties tūrio reguliavimą. Statistiniai uždaviniai išspręsti šiuo metodu leidžia atskleisti aktualias MCMC metodų skaitmeninimo problemų ypatybes. MCMC algoritmų efektyvumas tiriamas pasinaudojant disertacijoje sudarytu statistinio modeliavimo metodu. Atlikti eksperimentai su sportininkų duomenimis ir sveikatos industrijai priklausančių įmonių finansiniais duomenimis patvirtino, kad metodo skaitinės savybės atitinka teorinį modelį. Taip pat sukurti metodai ir algoritmai pritaikyti sociologinių duomenų analizės modeliui sudaryti. Atlikti tyrimai parodė, kad adaptuotas MCMC algoritmas leidžia gauti nagrinėjamų skirstinių parametrų įvertinius per mažesnį grandžių skaičių ir maždaug du kartus sumažinti skaičiavimų apimtį. Disertacijoje sukonstruoti algoritmai gali būti pritaikyti stochastinio pobūdžio sistemų tyrimui ir kitiems statistikos uždaviniams spręsti MCMC metodu.