Модели интеллектуального анализа данных в предметно-ориентированной информационной системе

Модели интеллектуального анализа данных в предметно-ориентированной информационной системе

Автор: Макаров, Михаил Михайлович

Шифр специальности: 05.13.17

Научная степень: Кандидатская

Год защиты: 2008

Место защиты: Пенза

Количество страниц: 206 с.

Артикул: 4244517

Автор: Макаров, Михаил Михайлович

Стоимость: 250 руб.

Модели интеллектуального анализа данных в предметно-ориентированной информационной системе  Модели интеллектуального анализа данных в предметно-ориентированной информационной системе 

Оглавление
Введение.
Глава 1. Анализ формальных методик построения интеллектуальных систем
1.1. Общие положения об интеллектуальных системах
1.2. Обзор основных методологий интеллектуального анализа.
1.2.1. Метод, основанный на алгоритме Байеса
1.2.2. Метод Шортлиффа
1.2.3. Редукционные модели
1.2.4. Исчисление предикатов
1.2.5. Нечеткий вывод.
1.2.6. Генетические алгоритмы.
1.2.7. Нейронные сети.
1.3. Анализ методов представления знаний
1.3.1. Продукционная модель.
1.3.2. Предикатные модели.
1.3.4. Модели на основе нечеткой логики.
1.3.5. Семантические сети.
1.3.6. Сети фреймов.
1.4. Сравнение методик построения интеллектуальных систем.
1.5. Выводы по главе 1
Глава 2. Проектирование формальных моделей ИС Электронная история болезни и СПИР В помощь молодому специалисту
2.1. Постановка задачи
2.2. Разработка математической модели ИС
2.2.1. Семантическое моделирование объектов ИС
2.2.2. Автоматная модель ИС.
2.3. Разработка математической модели СППР
2.3.1. Семантическое моделирование СППР.
2.3.2. Автоматная модель СППР.
2.3.3. Формальное описание математической модели логического вывода в СППР
2.4. Разработка фреймовой модели схемы БЗ.
2.5. Выводы но главе 2
Глава 3. Оценка результатов семантического моделирования ИС и СППР.
3.1. Выбор методики моделирования.
3.2. Архитектура имитационной модели
3.3. Алгоритм имитационной модели БЗ СППР ИС Электронная история болезни
3.4. Описание методики имитационного моделирования
3.6. Оценка результатов и основные выводы.
Глава 4. Функциональноалгоритмическое проектирование моделей ИС Электронная история болезни и СППР В помощь молодому специалисту
4.1. Постановка задачи
4.2. Разработка функциональной модели ИС на языке иМЬ.
4.3. Диаграммы функциональной модели модуля СППР
4.4. Функциональное моделирование источников данных
4.4.1. База данных ИС Электронная история болезни
4.4.2. База знаний и словарь модуля СППР В помощь молодому специалисту.
4.5. Выводы по главе 4.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Исключение составляют исходные правила -аксиомы, истинность которых не зависит от предикатной переменной. S',, S2 - верхние секвенции, S - нижние секвенции, называют непосредственным выводом []. Правил вывода существует множество. Выражения (1. А,А —> В - посылка вывода, В - заключение. Эти выражения формализуют основной закон дедуктивных систем: «из истинных посылок всегда следуют истинные заключения» [1, ]. РР2,. Рп). Истинность или ложность цели вывода требуется доказать. Однако, (1. Например, препарат х имеет противопоказание (Р(х))9 в случае, если пациентка у беременна (О(у)). В этом случае, (1. Условий вида (1. И для каждого из них может меняться степень истинности. Допустим, для препарата х истинно, что он имеет побочные эффекты для беременных; относительно истинно, что побочные эффекты имеют место для аллергиков; относительно ложно - для больных с аритмией. В этом случае целесообразно вводить нечеткие логические формулы высших порядков, которые определены на множестве . V, область их значений лежит на отрезке [0,1], называемые нечеткими предикатами [И]. В ходе повседневной работы необходимо вводить и удалять описания десятков объектов и их атрибутов или свойств объектов. Этими свойствами можно оперировать, применяя логику предикатов более высоких порядков. Объекты ПО имеют конечное число специальных описательных атрибутов. Эти атрибуты могут быть представлены в виде логического выражения второго порядка. Выразительные возможности логик второго и высших порядков богаче возможностей логик первого порядка. Однако, многие логики высших порядков не являются полными, в связи с этим в данной работе рассматриваются такие логические модели, которые допускают псрсинтсрпретацию логики высших порядков в логику первого порядка. Тогда при логическом выводе привлечение аксиом, выходящих за рамки первопорядковой логики не требуется. В отличие от одноместных переменных логики первого порядка, переменные вида (1. ПО. Исчисление предикатов второго порядка позволяет связывать знаком квантора не только переменные, соответствующие объектам из ПО, но и предикаты или функции []. Зх(-Р(д:) л property, (Р) = item]') (1. Наибольшую ценность для данного исследования представляет первое преимущество, поскольку фреймовая структура предполагает иерархичность исходных данных, что соответствует условию поставленной задачи []. Приведенные правила классической логики (1. Если оно отсутствует, то вывод не может быть проведен даже в случае наличия близкого по значению некоторого условия А’ условию А. Для решения задачи интеллектуального логического вывода в этом случае используются алгоритмы нечеткого вывода. Если х, = а,„ И х2 = а2 /, И. Или х, = аи2 И х2~ а2]2 И . Или х, = а1р И х2 = а2 А И . В системе (1. АГ = А->В, (1. Это универсальное множество формируется в виде прямого произведения множеств посылок и выводов. Следовательно, имея правило (1. В1 =А1 оМ = А, о(А-> В). Фаззификация - введение нечеткости. По функциям принадлежности входных переменных находятся значения истинности для посылок каждого из правил. Логический вывод. К каждому из заключений применяются вычисленные значения посылок на 1-м этапе. После чего для каждого правила получается одно нечеткое множество. В ходе логического вывода используются логические операции минимума min или умножения prod. Композиция. Все нечеткие множества значений входных переменных вывода во всех правилах объединяются с использованием логического максимума (комбинированный вывод строится в виде поточечного максимума по всем нечетким множествам, вычисленным во втором этапе) или логической суммы (поточечная сумма для всех множеств входных переменных, полученных на 2 этапе). Дополнительно проводится дефаззификация. Используется лишь тогда, когда необходимо получить решение в виде четкого выражения. Цукамото. Наиболее распространенным является алгоритм Мамдани. Для левых частей высказываний находятся значение функций принадлежности. После этого проводится нечеткий вывод. А,к(хкУ), (1. Alk(xk),i = 1у,п,к = 1,,/ - значения функций принадлежности. С учетом (1.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.189, запросов: 244