Версия для слабовидящих
Текст для поисковых роботов
Текст для поисковых роботов
Текст для поисковых роботов


Колледж
Челябинский колледж физической культуры



Моделирование

Выявление закономерностей и принятие решений

 

Существует широкий круг задач классификационного, диагностического, прогностического, организационно-управленческого характера, решение которых сводится к выявлению закономерностей, присущих изучаемым объектам, и построению решающих правил на основе выявленных закономерностей.

 

Как правило, характер решаемых задач, типы и формы представления данных и знаний об изучаемых объектах, а также размерность и репрезентативность обучающей информации диктуют необходимость использования тех или иных методов распознавания образов.

 

Для решения задач большой размерности и / или плохо формализуемых задач для нас более предпочтительным является подход, предложенный д. т. н., профессором А. Е. Янковской и развиваемый под ее руководством в лаборатории интеллектуальных систем Томского государственного архитектурно-строительного университета.

 

Данный подход основан на матричном представлении данных и знаний об объектах из рассматриваемой проблемной области, а также логико-комбинаторных методах распознавания образов как для выявления закономерностей, присущих обучающим объектам, так и для принятия решений относительно исследуемых объектов.

 

В рамках указанного подхода считается, что множество объектов из рассматриваемой проблемной области состоит из подмножеств, которым сопоставляются различные образы, выделяемые с участием экспертов и / или с использованием тех или иных критериев.

 

Для описания изучаемых объектов используется множество признаков, называемых характеристическими. При этом описания любых двух объектов из разных образов не должны совпадать.

 

Для представления итоговых решений, сопоставляемых изучаемым объектам, используется множество признаков (образующих иерархию, независимых или задающих последовательности действий), называемых классификационными.

 

Объектам из одного образа сопоставляется одна и та же комбинация значений всех классификационных признаков, а число различных комбинаций задает количество образов, т. е. пространство итоговых решений.

 

Для выявления закономерностей используется обучающая выборка, состоящая из множества описаний объектов (как реальных, так и синтезированных на основе знаний экспертов), для каждого из которых известно соответствующее итоговое решение.

 

В предлагаемом подходе под закономерностями понимаются подмножества характеристических признаков с определенными, легко интерпретируемыми свойствами, влияющими на различимость объектов из разных образов, устойчиво наблюдаемыми для объектов из обучающей выборки и проявляющимися на других объектах той же природы.

 

К искомым подмножествам относятся:

 

  • Константные признаки (принимают одно и тоже значение для всех объектов из обучающей выборки);
  • Устойчивые признаки (не являются константными, но являются константными внутри образа);
  • Неинформативные признаки (различают одни и те же пары объектов из разных образов);
  • Альтернативные признаки (различают одни и те же пары объектов из разных образов);
  • Зависимые признаки (понимается в смысле включения подмножеств различаемых ими пар объектов из разных образов);
  • Безизбыточные различающие подмножества признаков (каждое такое различающее подмножество признаков является безызбыточным безусловным диагностическим тестом (ББДТ) и задает необходимые и достаточные условия попарной различимости всех объектов обучающей выборки, принадлежащих разным образам);
  • Обязательные признаки (являются необходимыми и достаточными для различения некоторых пар объектов из разных образов, входят в каждый ББДТ и образуют ядро всех диагностических тестов);
  • Псевдообязательные признаки (не являются обязательными, но входят в каждый диагностический тест из множества тестов, используемых при принятии решений);
  • Несущественные признаки (не входят ни в один ББДТ).

 

Считается, что множество значений, инверсных значениям константных признаков, задает отрицательный образ (то, чего не должно быть). Решающие правила строятся с учетом всех выявленных закономерностей.

 

Разумеется, при изменении обучающей выборки требуется повторить выявление закономерностей и построение решающих правил.

 

Принятие решения относительно исследуемого объекта осуществляется по каждому решающему правилу с учетом задаваемого пользователем (в процентах) порога допустимой погрешности принятия решений.

 

Итоговое решение формируется с использованием процедуры голосования, учитывающей результаты распознавания по всем решающим правилам.

 

Возможны следующие варианты итогового решения:

 

  • Объект не принадлежит ни одному образу, поскольку его описание пересекается с отрицательным образом;
  • Объект принадлежит конкретному образу, поскольку его описание совпадает с описанием некоторого объекта из обучающей выборки;
  • Объект можно отнести к некоторым образам при заданном пороге допустимой погрешности принятия решения;
  • Объект нельзя отнести ни к одному из образов при заданном пороге допустимой погрешности принятия решения.

 

Данный подход программно реализуется в интеллектуальном инструментальном средстве ИМСЛОГ, предназначенном для создания прикладных интеллектуальных распознающих систем.








Уральский государственный университет физической культуры © 2010–2016 гг.
При копировании текста и фото ссылка на сайт обязательна.

Политика персональных данных
>>>>>>>>>>>>>>>