Библиотечный каталог авторефератов Украины

Нечітке включення y в x визначається відповідно за виразом:

,                                           (18)

                           (19)

Після визначення підмножини і обчислення за відповідним виразом ступеня спільності найбільш близький до об’єкта ідентифікації у об’єкт-прототип х визначається таким способом.

Серед усіх xXij…k оберемо ті х′, , для яких відповідно виконується   , ,

Якщо серед обраних х′, х′′, х′′′ об’єкт у не знайдено, система переходить до третього етапу.

На третьому етапі до об’єкта у застосовуються правила PRij…k, що відповідають підмножині Xij…k, визначеній на першому етапі ідентифікації.  Правила PRij…k формуються у відповідності до способу побудови інформаційної моделі (рис. 2).

У другій частині третього розділу розглянуто метод обробки вхідних даних у разі їх неповноти. Неповнота інформації обумовлюється специфікою об’єктів ПрО, яка полягає в тому, що для визначення значення деяких ознак необхідне спеціальне обладнання. Неповнота інформації обмежує можливість експертної системи в прийнятті рішення. У зв’язку з цим розроблено метод визначення коефіцієнта можливості прийняття рішення (КВ) при неповній вхідній інформації на основі залежності правомірності прийняття рішення від кількості і важливості невизначених ознак.

Розроблений метод базується на положеннях теорії нечітких множин і теорії оптимізації і полягає в наступному. На першому етапі обчислюється кількість невизначених ознак k. Після цього обчислюється середня важливість невизначених ознак  і відношення кількості невизначених  ознак до загальної кількості необхідних ознак m=k/p. Для визначення показника КB сформульована нечітка система правил, наведена на рис. 3.

Оскільки для змінних m, φ, і КB співпадає базова множина і терм-множина, для фазифікації змінних m і φ і дефазифікації змінної КB були побудовані функції належності з використанням методу побудови функцій належності лінгвістичних термів на основі статистичних даних. За отриманими точковими значеннями функції належності за допомогою методів теорії оптимізації було обрано аналітичний вигляд функції належності для  кожного з лінгвістичних термів. Побудовані функції приналежності μМ лінгвістичного терму “мале”, μДМ терму “достатньо мале”, μС терму “середнє”, μДБ терму “достатньо велике” і μБ терму “велике” мають вигляд:

                                                         (20)

                                                                     (21)

                                                                (22)

                                                                (23)

                                                       (24)

Дослідження побудованих функцій (20)–(24) показало, що вони відповідають умовам, що ставляться до функцій належності і відповідають умовам адекватності.

Для дефазифікації КB було використано метод дефазифікації за центром ваги. Отримана числова характеристика, яка характеризує впевненості системи в адекватності прийнятого рішення за неповної вихідної інформації.

На основі запропонованої моделі подання ПрО, яка наведена на рис. 2, та методів обробки нечітких та неповних даних розроблено алгоритм ідентифікації виробів мистецтва.

Нехай ідентифікації підлягає деякий об’єкт уХ. Об'єкт у, як і всі елементи х множини Х, описується сукупністю ознак Ξ= ОSОU. Алгоритм ідентифікації має вигляд.

Крок 1. Визначити значення ознак ξi об'єкта у.

Крок 2. Відповідно до значень ознак множини ΞS ={ξ1, ξ2,…ξn} визначити підмножину Хij…k типу культурних цінностей Х⊂Щ, до якої належить об’єкт у: Хij…k.

Крок 3. Проаналізувати ознаки ΞU={ξs+1, ξs+2,…ξn}. Якщо всі ознаки визначено, то перейти до 4-го кроку алгоритму, якщо значення деяких ознак не визначено, то перейти до кроку 8 алгоритму.

Крок 4. Використовуючи атрибути множини ΞU за формулою (15) визначити ступінь нечіткої рівності μU(х, у) об'єктів х та у, де хХij…k.

Крок 5. Порівняти μU(х, у) з деяким граничним µ*. Якщо для всіх хХij…k виконується нерівність μU(х, у)<µ*, то серед ознак ΞU={ξ1, ξ2,…, ξn}, що описують об’єкт у, є чітко або нечітко нерівні ознаки з відповідними ознаками об’єкта х і, отже, перейти до кроку 6. В іншому випадку перейти до кроку 12.

Крок 6. Серед елементів вибрати ті х*, для яких q мінімальне, де  q – кількість нечітко або чітко нерівних ознак

Крок 7. Обчислити, застосовуючи формулу (17) kp-q(х*, у), де  p– кількість ознак множини ΞU, p=n-s і перейти до кроку 12.

Крок 8. Обчислити m=k/p, і , – важливість ξi невизначеної ознаки, ξi ОU. Порівняти m  і ц з деякими граничними m*, ц*. Якщо m>m* або φ>ц*, то переходимо до кроку 11.

Крок 9. Визначаємо КВ і порівнюємо його з деяким граничним КВ*. Якщо КВ>КВ*, переходимо до кроку 11.

Крок 10. За формулою (18) визначаємо ступінь нечіткого включення ν(у, х), після чого переходимо до кроку 13.

Крок 11. У даній ситуації недостатньо інформації для прийняття рішень, переходимо до кроку 15.

Крок 12. З усіх елементів х множини Хij…k обираємо ті х', для яких виконується умова або х'', для яких . Порівнюємо обрані х' і х'' з об’єктом у. Якщо серед них є об’єкт, ідентичний з об’єктом у, інформація про нього надається для прийняття рішення. Процес ідентифікації зупиняється. В іншому випадку переходимо до кроку 14.

Крок 13. З усіх елементів х множини Хij…k обираємо ті х''', для яких . Порівнюємо обрані х''' з об’єктом у. Якщо об’єкт у ідентичний деякому з них, інформація про нього надається для прийняття рішення і процес ідентифікації зупиняється. В іншому випадку переходимо до кроку 14.

Крок 14. До об’єкта у застосовується група правил PRij…k, яка відповідає підмножині Хij…k.

Крок 15. Результат дії правил видається користувачеві для прийняття рішення.

Четвертий розділ присвячено питанням програмної реалізації розроблених автором інформаційних моделей і методів обробки неповних або нечітких даних. Для реалізації запропонованих методів та моделей було розроблено дослідницький прототип експертної системи. У якості предметної  області були обрані ікони як один з найбільш поширених типів виробів мистецтва, що є об’єктом контрабанди. У процесі розробки експертної системи автор орієнтувався на використання системи в органах Держаної митної служби України.

Експертна система пройшла апробацію дослідницьких прототипах, які попередньо були оцінені експертами. Висновки, які було зроблено системою визнані експертами цілком задовільними.

У процесі розробки було виділено ознаки об’єктів ПрО. Множина ознак була подана згідно з (1) у вигляді двох непересічних множин. Сформульована нечітка база правил для визначення культурної або історичної цінності досліджуваного об’єкта. Для аналізу вхідної інформації реалізована нечітка система правил, що наведена на рис. 3. Реалізовані функції належності, що фазифікують дані про об’єкт ідентифікації для обробки їх  нечіткою базою правил.

У додатках наведено акти впровадження результатів дисертаційної роботи, допоміжні таблиці для розрахунків адекватності побудованих в дисертації функцій належності, елементи бази правил, основні екранні форми експертної системи ідентифікації ікон.

ВИСНОВКИ

У дисертаційній роботі наведено результати, що, відповідно до мети дослідження, у сукупності є вирішенням актуального наукового і практичного задачі пошуку, ідентифікації і аналізу об’єктів, які підлягають митному контролю. Вирішення цієї проблеми отримано на основі застосування розроблених   моделей та методів обробки даних в автоматизованих системах ідентифікації об’єктів. У результаті вирішення сформульованого завдання:

1. Досліджені існуючі способи подання знань для побудови  інформаційної моделі предметної області в експертних системах, показано відсутність моделі подання знань, що враховує всі характеристики виробів мистецтва як предметної області експертної системи, обґрунтована необхідність розробки інформаційної моделі предметної області на основі удосконалення існуючих моделей подання знань.
2. Розроблено модель подання предметної області на основі фреймової моделі подання знань, удосконаленої шляхом об’єднання принципів розробки фреймової моделі з методологією створення реляційної і продукційної моделей. Запропонована модель реалізує такі властивості предметної області як ієрархічність, успадкування ознак і забезпечує відносно просту процедуру поповнення і редагування бази знань, контроль за цілісністю і несуперечністю знань.
3. Відповідно до розробленої інформаційної моделі предметної області формальним способом подання ПрО обрано подання у вигляді дерева. Формою опису обрано n – вимірний вектор. Показано адекватність обраних способів до предметної області, що розглядається. Проведено аналіз процесу пошуку рішення. Показано що процес пошуку є комбінованим пошуком розбиття вихідної задачі на складові задачі і потім пошуку в глибину й у ширину. Описано початковий і цільовий стан. Описано оператори, що відображають перехід одного стану в інший.
4. Проаналізовано процес ідентифікації  об’єкта в експертній системі. Запропоновано розглядати об’єкти ПрО як нечіткі об’єкти. Проведено аналіз існуючих методів визначення ступеня близькості об’єктів, а саме ступеня нечіткої рівності, нечіткого включення і нечіткої спільності. Показано, що  вони не враховують усіх характеристик ПрО, що розглядається. У зв’язку з цим удосконалено метод визначення ступеня нечіткої близькості об’єктів за ступенем нечіткої рівності, нечіткого включення і нечіткої спільності через урахування фактора старіння інформації, що забезпечило більш точне визначення найбільш близьких об’єктів до об’єкта ідентифікації.
5. Розроблено метод, що дозволяє системі аналізувати ситуацію і визначати можливість прийняття рішення за неповних вихідних даних. Неповнота інформації обумовлюється тим, що деякі ознаки, необхідні для ідентифікації об’єкта, не можуть бути визначені без спеціального устаткування. Це обмежує можливості системи в прийнятті рішення. З огляду на це запропоновано метод визначення коефіцієнта можливості прийняття рішення, що залежить від кількості і важливості невизначених ознак. Розроблено і реалізовано механізм нечіткого виводу „MinMax” в експертній системі, що складається в комбінації композиції Max і мінімізуючого виводу для нечіткої бази правил, яка побудована як система нечітких логічних операцій. Запропонований підхід дозволяє чисельно оцінити достовірність результату ідентифікації об’єктів експертною системою в умовах невизначеності.
6. Побудовано функції належності лінгвістичних термів у вигляді кусково-лінійних і гаусівських функцій на основі статистичних даних, отриманих під час експертного опитування з послідуючим вибором аналітичного виду  функції і обчислення параметрів методом найменших квадратів. Для здійснення  переходу від нечіткої множини, яка є результатом дії системи правил,  до чисельної оцінки обрано  метод фазифікації за центром ваги.
7. На підставі запропонованих підходів розроблено  алгоритм ідентифікації об’єктів.
8. Розроблено і реалізовано структуру експертної системи ідентифікації об’єктів, що базується на розроблених в дисертаційній роботі інформаційній моделі подання ПрО, методі визначення найбільш близьких об’єктів до заданого, методі визначення можливості прийняття рішення і алгоритмі ідентифікації об’єктів. Дослідницький прототип експертної системи ідентифікації ікон розроблено з урахуванням застосування даної системи в митній службі України з урахуванням вимог до системи за умови її використанні в митних органах України.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Мороз Б.І., Молотков О.Н., Ульяновська Ю.В. Методи визначення цінності інформації для організації її захисту // Правове, нормативне та метрологічне забезпечення системи захисту інформації в Україні. – 2001. – № 2 – С. 46 –53.
2. Ульяновська Ю.В. Аналіз основних аспектів побудови інтелектуальної автоматизованої системи ідентифікації творів мистецтва. // Вісник Академії митної служби України. – 2002. – №1(13). – С. 70–74.
3. Ульяновська Ю.В. Аналіз проблеми представлення знань для експертної системи ідентифікації творів мистецтв // Вестник ХГТУ. – 2002.–Вып. 2(15). – С. 477–478.
4. Ульяновська Ю.В. Модель представлення знань в базі знань експертної системи ідентифікації творів мистецтва // Вестник ХГТУ.–2003.–Вып. 3(19). – С. 428–432.
5. Мороз Б.И. Ульяновская Ю.В. Форма и способ представления задачи в экспертной системе идентификации предметов искусства // Автоматизированные системы управления и приборы автоматики. – 2003. – Вып. 125. – С. 128–132.
6. Мороз Б.І., Ульяновська Ю.В. Метод визначення коефіцієнта можливості  прийняття рішення в експертних системах при неповних вхідних даних // Вісник Академії митної служби України. – 2002. – № 4. – С. 45–51.
7. Мороз Б.И., Акуловский В.Г., Ульяновская Ю.В. Определение меры сходства объектов в экспертных системах с учетом фактора старения информации // Автоматизированные системы управления и приборы автоматики. – 2004.–Вып.127. – С. 53–60.
8. Мороз Б.І., Ульяновская Ю.В. Создание экспертной системы для проведения гуманитарной экспертизы // Праці ІІ націон. конф.  Студентів, аспірантів та молодих учених „Системный анализ и информационные технологи”. – К.: КПУ, 2000. – С. 193–194.
9. Мороз Б.І. Ульяновська Ю.В. Створення експертної системи для ідентифікації культурних та історичних цінностей // Тези науково-методичної конф. “Актуальні проблеми підготовки фахівців з митної справи”. Дніпропетровськ: Академія митної служби України, 2001. – С. 215–216.
10. Мороз Б.І. Ульяновська Ю.В. Захист інформації як одна з ключових проблем при створенні експертної системи ідентифікації творів мистецтв // Тези ІІІ науково-практичної конференції “Правове, нормативне та метрологічне забезпечення систем захисту інформації в Україні”. – К.: ІВЧ “Політехніка”, 2001. – С. 39.
11. Ульяновська Ю.В. Проблема нечіткості в проектуванні експертної системи ідентифікації творів мистецтва // Тези міждержавної науково-методичної конф. “Проблеми математичного моделювання”. Дніпродзержинськ. – 2002. – С. 42 – 43.
12. Ульяновская Ю.В. Основные требования организации базы знаний в интеллектуальной автоматизированной системе идентификации предметов искусств // Труды 1-го Международного радиоэлектронного форума „Прикладная радиоэлектроника. Состояние и перспективы развития” МРФ – 2002. – Часть 2. – Харьков: АН ПРЭ, ХНУРЕ, – 2002. – С. 38–39.
13. Ульяновская Ю.В. Применение теории нечетких множеств для формализации знаний в экспертной системе идентификации предметов искусств // Материалы 7-го международного молодежного форума „Радиоэлектроника и молодежь в ХХІ веке”.–Харьков: ХНУРЭ,–2003.–С. 427.

АНОТАЦІЯ

Ульяновська Юлія Вікторівна. Моделі та методи обробки даних в Єдиній автоматизованій інформаційній системі митної служби. – Рукопис.

Дисертація на здобуття вченого ступеня кандидата технічних наук за спеціальністю 05.13.06 – автоматизовані системи управління та прогресивні інформаційні технології. – Харківський національний університет радіоелектроніки, Харків, 2004.

Дисертація присвячена питанням розробки інформаційних моделей предметних областей та методів обробки нечітких та неповних даних в Єдиній автоматизованій інформаційній системі митної служби.

Запропоновані в роботі моделі, методи та розроблені на їх основі алгоритми обробки даних можуть бути використані в експертних системах ідентифікації об’єктів. Розроблені методи визначення найбільш близьких об’єктів дозволяють виконувати більш точну ідентифікацію об’єктів. Розроблений метод визначення можливості прийняття рішення на основі якісно-кількісних характеристик  вхідної інформації дозволяє системам підтримки прийняття рішення чисельно оцінити можливість прийняття рішення в умовах невизначеності незалежно від предметної області.

Ключові слова: автоматизовані інформаційні системи ідентифікації об’єктів, інформаційна модель, обробка нечітких і неповних  даних, експертні системи.

АННОТАЦИЯ

Ульяновская Юлия Викторовна. Модели и методы обработки данных в Единой автоматизированной информационной системе таможенной службы. – Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.06 – автоматизированные системы управления и прогрессивные информационные технологии. – Харьковский национальный университет радиоэлектроники, Харьков, 2005.

Диссертация посвящена вопросам разработки информационных моделей, методов и алгоритмов обработки нечетких или неполных данных в автоматизированных системах таможенной службы, в частности в экспертных системах (ЭС) идентификации объектов. Одним из актуальных для таможенной службы Украины является вопрос идентификации предметов искусства и определения их культурной и исторической ценности. В соответствии с этим в первом разделе проведен анализ методов, средств и технологий проектирования ЭС, а также средств построения информационных моделей предметной области и методов обработки нечетких или неполных данных, применяемых в ЭС. В результате такого анализа  определены основные задачи исследования: разработать модель представления предметной области в базе знаний ЭС, которая отражала бы все характеристики ПрО; исследовать существующие методы обработки нечетких данных, а именно: способы определения степени близости объектов, методы фаззификации и дефаззификации; разработать и реализовать исследовательский вариант экспертной системы идентификации объектов как инструментального средства подсистемы таможенного оформления и таможенной административно-правовой подсистемы.

Второй раздел посвящен формальному описанию предметной области и формулированию требований к информационной модели предметной области в базе знаний, а также анализу существующих алгоритмов поиска объектов в базе знаний. Основой для разработки модели предметной области и методов обработки данных является информация о ПрО, которая зачастую является неполной, при описании объектов ПрО используются как числовые характеристики, так и сформулированные на естественном языке и носящие нечеткий характер. Поэтому в качестве математического аппарата для формального описания ПрО выбран аппарат теории нечетких множеств. При этом объекты ПрО предложено рассматривать как нечеткие объекты.

Разработана информационная модель предметной области в базе знаний экспертной системы идентификации предметов искусства. В основу модели положена фреймовая модель представления знаний, усовершенствованная добавлением элементов реляционной и продукционной модели. Разработанная  модель реализовывает такие свойства предметной области как иерархичность, наследование атрибутов  и обеспечивает относительно простую процедуру пополнения и редактирования базы знаний, контроль за целостностью и непротиворечивостью знаний. В соответствии с разработанной моделью ПрО в качестве стратегии вывода предложен комбинированный метод разбиения исходной задачи на подзадачи с поиском в глубину и в ширину. ПрО при этом представляется в виде дерева.

В третьем разделе определены основные принципы обработки данных, на основании которых будут строиться методы поиска объекта, подлежащего идентификации, в базе  знаний экспертной системы. В основу метода выбора наиболее близкого объекта-прототипа из базы знаний к исследуемому объекту положены известные способы определения степени нечеткой близости объектов, усовершенствованные с учетом специфических особенностей данной предметной области. Суть модификации состоит в учете фактора старения информации.

В диссертационной работе разработан метод, позволяющий численно определять коэффициент, характеризующий возможность системы принимать решение в условиях неопределенности. Метод базируется на качественно-количественном анализе входной информации с использованием основных положений теории нечетких множеств и методов оптимизации. Для реализации этого метода была построена система нечетких правил, позволяющая получить численную оценку возможности принимать решение в зависимости от важности и количества неопределенной информации. Для фаззификации исходных данных были построены функции принадлежности в виде кусочно-линейных и гауссовских функций принадлежности. Для дефаззификации был применен метод дефаззификации по центру тяжести.

В четвертой главе разработана структура экспертной системы идентификации предметов искусства с учетом предложенных в диссертационной работе методов представления и обработки информации. Рассмотрены основные особенности программной реализации экспертной системы  идентификации на примере класса икон.

Ключевые слова: автоматизированные информационные системы идентификации объектов, информационная модель, обработка нечетких и неполных данных, экспертные системы.

SUMMARY

Ulyanovska Yulia Viktorovna. Models and methods of data processing in the Integrated Automated Information System of the Custom Service.

The thesis for a scientific degree of Candidate of Engineering Sciences in Speciality 05.13.06 – automated management system and progressive information technologies. Kharkv National University of Radioelectronics, Kharkov, 2003.

The thesis is devoted to the problems of development of data domain information models and of fuzzy/partial data processing methods in the Integrated Automated Information System of the Custom Service.

The models and methods proposed in the thesis and data processing algorithms based thereon maybe used in expert systems of object identification. The developed methods of immediate object identification make it possible to carry out object identification more exactly. The developed method of determining feasibility of decision-making on basis of qualitive-quantative characteristics of input data enables the decision-support systems to evaluate numerically feasibility of decision-making under conditions of indeterminacy irrespective of data domain.

Key words: automated data system of object identification, information models, fuzzy and partial data processing, expert system.