Методология интеграции гетерогенных информационных систем по свойствам неорганических веществ

• Автор: Дударев, Виктор Анатольевич
• Шифр специальности: 05.13.01
• Научная степень: Докторская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 256 с. : 38 ил.

Содержание
ВВЕДЕНИЕ
ГЛАВА 1. ОСОБЕННОСТИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ ПРОГНОЗИРОВАНИИ СВОЙСТВ НЕОРГАНИЧЕСКИХ ВЕЩЕСТВ
1.1. Способы конструирования неорганических соединений
1.1.1. Методы квантовой механики
1.1.2. Простейшие эмпирические зависимости
1.1.3. Многомерные классифицирующие правила
1.2. Математические методы распознавания
1.2.1. Формальная постановка задачи прогнозирования
1.2.2. Методы обучения ЭВМ распознаванию образов
1.2.3. Способы повышения достоверности прогнозов
Краткие выводы
ГЛАВА 2. АНАЛИЗ АРХИТЕКТУРНЫХ ОСОБЕННОСТЕЙ ИНФОРМАЦИОННЫХ СИСТЕМ ПО СВОЙСТВАМ НЕОРГАНИЧЕСКИХ ВЕЩЕСТВ
2.1. Обзор ИС СНВМ для электроники
2.2. Создание ИС по информационным ресурсам неорганической химии “IRIC”
2.2.1. Схема данных
2.2.2. Web-приложение
2.3. Архитектура современных информационных систем по свойствам веществ
2.3.1. Использование трехзвенной архитектуры
2.3.2. Недостатки ИС СНВМ
2.3.3. Обобщенная структура данных для ИС СНВМ
2.4. Информационные системы по свойствам неорганических веществ ИМЕТ РАН
2.4.1. Разработка ИС по веществам с особыми акустооптическими, электрооптическими и нелинейнооптическими свойствами “Кристалл”
2.4.2. Разработка ИС по ширине запрещенной зоны неорганических соединений “Bandgap”
2.4.3. ИС по свойствам неорганических соединений “Фазы”
2.4.4. ИС по фазовым диаграммам систем с полупроводниковыми фазами “Диаграмма”
2.4.5. ИС по свойствам кремния “Кремний”
2.4.6. Разработка программного комплекса для удаленного администрирования гетерогенных БД ИМЕТ РАН
2.4.7. Особенности ИС ИМЕТ РАН
2.5. Расчетные подсистемы информационных систем по свойствам неорганических веществ
Краткие выводы
ГЛАВА 3. СИСТЕМНЫЙ ПОДХОД К ИНТЕГРАЦИИ ИНФОРМАЦИОННЫХ СИСТЕМ
3.1. Методы интеграции гетерогенных информационных систем
3.1.1. Актуальность интеграции
3.1.2. Проблемы при интеграции информационных систем
3.1.3. Методы интеграции ИС
3.1.4. Проблемы при интеграции гетерогенных источников информации
3.2. Системный анализ методов интеграции
3.2.1. Базовые информационные процессы в локальных ИС
3.2.2. Метод интеграции корпоративной информации Ell
3.2.3. Метод интеграции на основе хранилищ данных ETL
3.2.4. Интеграция корпоративных приложений EAI
3.2.5. Обобщенная схема методов интеграции гетерогенных информационных систем
3.3. Методология интеграции информационных систем
3.4. Интеграция гетерогенных источников данных информационных систем
3.4.1. Разрешение платформенных и системных конфликтов
3.4.2. Разрешение синтаксических и структурных конфликтов
3.4.3. Разрешение семантических конфликтов
3.5. Платформа для разработки интегрированной ИС СНВМ
Краткие выводы
ГЛАВА 4. СИСТЕМНЫЙ ПОДХОД К РАЗРАБОТКЕ ХРАНИЛИЩА ДАННЫХ ПО СВОЙСТВАМ НЕОРГАНИЧЕСКИХ ВЕЩЕСТВ ДЛЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
4.1. Диаграммы потоков данных DFD
4.2. Методология функционального моделирования 1DEF0
4.3. ER-модель хранилища данных
4.4. Реляционная структура ХД
4.5. Извлечение, преобразование и загрузка данных в ХД
4.5.1. Процедура извлечения

4.5.2. Процедура преобразования данных
4.5.3. Процедура загрузки
Краткие выводы
ГЛЛВЛ 5. ИСПОЛЬЗОВАНИЕ ВИРТУАЛЬНОЙ ИНТЕГРАЦИИ ДАННЫХ ПРИ ПРОГНОЗИРОВАНИИ СВОЙСТВ НЕОРГАНИЧЕСКИХ ВЕЩЕСТВ
5.1. Подходы к интеграции информации средствами EII
5.2. Реализация интеграции гетерогенных источников данных информационных систем
5.2.1. Описание структуры метабазы
5.2.2. Расчет достоверности информации, основанный на экспертных оценках
5.2.3. Разработка программных адаптеров интегрируемых информационных систем
5.2.4. Разработка предметного посредника
Краткие выводы
ГЛАВА 6. ИСПОЛЬЗОВАНИЕ ИНТЕГРАЦИИ ПРИЛОЖЕНИЙ ДЛЯ ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ СПЕЦИАЛИСТОВ ПО НЕОРГАНИЧЕСКИМ ВЕЩЕСТВАМ
6.1. Интеграция распределенных гетерогенных Web-приложений информационных систем
6.2. Реализация интеграции гетерогенных Web-приложений информационных систем
6.2.1. Описание структуры метабазы
6.2.2. Загрузка информации в метабазу
6.2.3. Поиск релевантной информации по содержимому метабазы
6.2.4. Осуществление безопасного перехода пользователя между Web-приложениями интегрируемых информационных систем
6.3. Единая точка входа в ИС СНВМ
6.3.1. Поиск релевантной информации
6.3.2. Разработка Web-прнложения ИС
6.4. Создание системы единой авторизации
Краткие выводы
ГЛАВА 7. ПРИМЕНЕНИЕ ИНТЕГРИРОВАННОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ ПОИСКА ЗАКОНОМЕРНОСТЕЙ И КОМПЬЮТЕРНОГО КОНСТРУИРОВАНИЯ НОВЫХ СОЕДИНЕНИЙ
7.1. Интерполяция неизвестных значений в обучающих выборках
7.1.1. Краткий обзор методов заполнения пропусков в данных
7.1.2. Методика заполнения неизвестных значений с учетом специфики предметной области
7.2. Этапы компьютерного конструирования новых соединений
7.3. Перспективные полупроводники ABXj
7.4. Перспективные диэлектрики А2В2(Х04)3
7.5. Прогноз образования сегнетоэлектрических хлоридов А2ВС14
7.6. Прогноз образования соединений состава ЛВ2Х4
Краткие выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Необходимым условием инновационного развития промышленности является разработка и использование новых веществ и материалов. На текущем этапе развития материаловедение все чаще использует богатые информационно-прогнозирующие возможности, предоставляемые современными информационными технологиями. Для обеспечения химиков-технологов последними данными о свойствах и технологиях получения современных веществ создаются многочисленные специализированные информационные системы по свойствам неорганических веществ и материалов (ИС СНВМ). Разработка таких информационных систем ведется во всех промышленно развитых странах мира [1 ]. Одной из последних тенденций в данной области является организация круглосуточного удаленного доступа к ИС СНВМ с использованием телекоммуникационных сетей [2, 3]. Наиболее мощные ИС СНВМ, основанные на современных СУБД, предлагают NIST (National Institute of Standards and Technology -Национальный институт стандартов и технологий, США), STN (The Scientific and Technical Information Network - Международная сеть научно-технической информации) и NIMS (National Institute of Materials Science - Национальный институт материаловедения, Япония) [4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18]. Разработка ИС СНВМ в разных странах организациях, как правило, происходит для решения узкого круга задач и без выработки единых стандартов представления информации, что значительно затрудняет попытки консолидации этих информационных систем. Дополнительным препятствием являются организационные трудности, т.к. большинство ИС СНВМ используются в коммерческих целях или являются открытыми для доступа пользователей только определенных стран или организаций.
Несмотря на существующие организационные трудности, в последние годы наблюдается тенденция к кооперации в разработке ИС CIIBM и к интеграции уже созданных ИС, как на национальном, так и на международном уровне. Так в рамках известной организации COD АТА. была создана специальная рабочая группа (Materials Task Group), занимающаяся развитием ИС CI1BM, которая объединяет крупных разработчиков информационных ресурсов в области материаловедения со всего мира. Одной из приоритетных задач данной рабочей группы является выработка стандартов для консолидации ИС СНВМ. Однако, несмотря на предпринимаемые усилия, говорить об успехах в этой области преждевременно.
Актуальность решения задачи интеграции ИС вызвана стремлением устранить необоснованное дублирование работ по разработке и исследованию новых неорганических веществ и материалов. Кроме того, интеграция информации.

Метод произведения оценок принадлежности к классу:
ад*)~№, х)

В трех последних случаях апостериорные вероятности требуют масштабирования, чтобы их сумма по всем классам / давала единицу:
('[*) = !
Другая концепция построения комитетных решений, использованная в работе, заключается в использовании решающих правил исходных алгоритмов, вместо оценок принадлежности за классы:
, где IА,

- бинарная величина, индикатор классификации объекта х к
классу г алгоритмом А
Хорошо зарекомендовавшим себя на практике методом получения коллективных решений является метод Байеса. В данном случае для построения коллективного решения используются статистические свойства выборки.
Предполагается, что отдельные алгоритмы комитета являются попарно-независимыми. Часто это требование не выполняется, поэтому этот алгоритм часто называют методом Наивного Байеса. Итоговая оценка за класс рассчитывается по формуле:

РА(11 х) = ГГД* | х,штахРА (к х) = я Л
. , 1 <к<1 1 ’

где у, - результат классификации объектау'-м алгоритмом распознавания.
Метод Байеса обладает высокой скоростью работы и, как следствие, может быть использован в случае большого количества алгоритмов, составляющих комитет. Также следует обратить внимание на достаточный объем обучающей выборки для получения адекватных оценок условных вероятностей возникновения классов [193].
Динамический метод Вудса и области компетенции
Основной идеей этой группы методов является нахождение для распознаваемого объекта нанлучшего в некотором смысле алгоритма из заданного коллектива. Предполагается, что распознающий алгоритм может работать по-разному в разных точках пространства. В одних областях алгоритм работает “хорошо” и практически не