Data Mining in Optimus

Optimus工程数据分析应用

本次网络研讨会将向您介绍Optimus多学科优化平台的高级数据发掘和后处理分析，介绍方差分析（ANOVA）、贡献度分析（Sobol指数）、自组织映射图（SOM）、聚类分析（Clustering）的数据处理原理和工程应用场景。通过数据发掘，从现有的数据信息中，提取数据模式、参数之间的相互关系、分析结果的可靠性等指标。

演示内容

方差分析的目的是检验均值之间的显著差异，在Optimus中，可以使用ANOVA的分析功能，分离输入变量，了解显著影响因素	贡献度分析（Sobol指数）是基于响应面模型的参数敏感度分析工具，提供输入参数对输出参数影响重要程度的合理预测

自组织映射是一种无监督学习人工神经网络，由一定数量的网格节点组成，每个节点对应一个向量，算法训练排列数据点，反映数据结构	聚类分析将对象分组，在同一个集群中的样本中间找到相关性，发现设计空间中有价值的子区域，进行更详细的探索和分析。