Анализ методов обработки разнородных данных в интеллектуальных системах

АНАЛИЗ МЕТОДОВ ОБРАБОТКИ РАЗНОРОДНЫХ ДАННЫХ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

В работе проведён анализ методов обработки разнородных данных в интеллектуальных информационных системах.

Получение, систематизация, оценка и использование в производстве и коммерческой деятельности информационных ресурсов является основой для принятия управленческих решений. Информацию, описывающую конкурентоспособность предприятия можно разделить на данные и знания, которые являются основными понятиями системы информационного обеспечения.

Идеальным случаем является случай, когда база знаний интеллектуальной системы содержит только аналитические утверждения, не требующие обоснования. Однако в практике управления конкурентоспособностью предприятия данные и знания, описывающие сущности и связи данной предметной области неполны, противоречивы, немонотонны, неточны, недоопределены и нечётки [1].

В классических логических системах свойство полноты формулируется следующим образом: для множества формул с заданными свойствами исходная система аксиом и правил вывода должна обеспечить вывод всех формул, входящих в это множество.

Свойство противоречивости заключается в том, что исходная система аксиом и правил вывода не должна давать возможность выводить формулы, не принадлежащие заданному множеству формул с выбранными свойствами.

Для динамических предметных областей, к которым относится управление предприятием, свойство монотонности не выполняется, база знаний которых содержит неполную, неточную и динамически изменяющуюся информацию. Рассуждения в таких базах знаний предположительны, правдоподобны и должны подвергаться пересмотру.

При описании динамически изменяющихся процессов часто сталкиваются с проблемой неточности информации, которая будучи помещённой в базу знаний обрабатывается как истинная информация, хотя на самом деле это не соответствует действительности.

Несмотря на различную природу нечеткости, формализованную в моделях, можно условно разбить эти модели на три группы по типу нечётких множеств, используемых для оценок объектов (значений функций принадлежности) в моделях [2].

К первой группе относятся модели с числовым значением функции принадлежности: модель коэффициентов уверенности, вероятностная логика. Вторая группа включает в себя интервально-значные модели: теория свидетельств, теория возможностей, модель голосования и т.д. Третья группа нечётко-значные модели, в частности лингвистическая модель в MILORD.

Нечётко-значные модели обычно применяются в случаях, в которых лингвистические переменные используются для описания объектов предметной области [3,4]. Лингвистические переменные могут быть языковыми единицами (слова, словосочетания и пр.), отражающими свойства объектов лингвистическим квантором, определённом на множестве объектов. При этом Z интерпретируется лингвистическим значением и представляется некоторым нечётким множеством.

Список литературы

Усков, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика [Текст] / А.А.Усков, А.В.Кузьмин - М.: Горячая линия - телеком, 2004. - 143 с.

Рутковский, Л. Методы и технологии искусственного интеллекта [Текст] / Л.Рутковский - М.: Горячая линия - Телеком, 2010. - 520 с.

Халин, Ю.А. Нечётко-множественная модель многокритериальной оценки конкурентоспособности предприятия [Текст] / Ю.А.Халин, А.С.Сизов, А.Н.Игнатенко // Известия Юго-Западного государственного университета. 2011. № 5-1 (38). С. 53-57.

Зотов, И.В. Подход к оценке рисков природных и техногенных катастроф с использованием аппарата нечеткой логики [Текст] / И.В.Зотов, С.Ю.Сазонов, О.В.Ефремова, С.А.Аббакумов // Известия Юго-Западного государственного университета. 2012. № 6 (45). С. 040-044.

Оценка рисков природных и техногенных катастроф в информационноаналитических системах поддержки принятия решений/ Зотов И.В., Сазонов С.Ю., Ефремова О.В., Аббакумов С .А.// Известия Юго-Западного государственного университета. 2012. № 5-2 (44). С. 019-023.

Подход к построению интеллектуальной системы моделирования и управления состоянием пожароопасности сложных технических объектов/ Егоров С.И., Сазонов С.Ю., Фролов С.Н .// Информационно-измерительные и управляющие системы. 2013. Т. 11. №8. С. 50-54.

Методика расчета времени эвакуации людей при воздействии опасных факторов пожара в системе имитационного моделирования пожароопасных ситуаций в ву- зе/Сазонов С.Ю.// Информационные системы и технологии. 2012. № 1 (69). С. 38-44.

Методический подход к выбору и разработке моделей оценки эффективности комплексной системы объектов защиты/Чебанов А.С., Власенко А.В., Жук Р.В., Сазонов С.Ю.//Известия Юго-Западного государственного университета. 2012. № 6 (45). С. 038-040.

Построение биометрических систем контроля и управления доступом по рукописному почерку/ Лапина Т.И., Петрик Е.А., Лапин Д.В.// Наукоемкие технологии. 2012. Т. 13. №9. С. 10-13.

Информационный подход к построению моделей объектов в системах контроля/ Лапина Т.И., Петрик Е.А., Лапин Д.В.// Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2013. № 2. С. 65-70.

Анализ и прогнозирование случайных процессов на основе метода нормирования данных/ Лапина Т.И.// Информационно-измерительные и управляющие системы. 2008. Т. 6. № 10. С. 76-81.

Способ биометрической аутентификации по почерку в компьютеризированной системе контроля доступа/ Милых В.А., Лапина Т.И., Лапин Д.В.// патент на изобретение RUS 2469397 30.09.2011

The information-analytical program tool for regional decision making in social sphere/ Artemenko M., Hudec O., Lapina T., Sokolova M.V.// Telecommunications. 2004. T. 9. C. 42.

УДК 004.896

Количество показов: 606