Методы и автоматизированные системы динамической классификации сложных техногенных объектов

Методы и автоматизированные системы динамической классификации сложных техногенных объектов

Автор: Гимаров, Владимир Александрович

Шифр специальности: 05.13.18

Научная степень: Докторская

Год защиты: 2004

Место защиты: Москва

Количество страниц: 338 с. ил.

Артикул: 2748642

Автор: Гимаров, Владимир Александрович

Стоимость: 250 руб.

Методы и автоматизированные системы динамической классификации сложных техногенных объектов  Методы и автоматизированные системы динамической классификации сложных техногенных объектов 

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1. СОВРЕМЕННОЕ СОСТОЯНИЕ НАУЧНЫХ ИССЛЕДОВАНИЙ В ОБЛАСТИ КЛАССИФИКАЦИИ СЛОЖНЫХ ТЕХНОГЕННЫХ ОБЪЕКТОВ
1.1. Общая характеристика постановки и методов решения традиционных задач классификации объектов
1.2. Особенности и типы задач динамической классификации сложных техногенных объектов
1.3. Анализ возможности применения известных методов для решения задач динамической классификации сложных техногенных объектов.
1.4. Особенности сложных техногенных объектов химической
промышленности как объектов классификации.
1.5. Применение автоматизированных классификаторов в структуре автоматизированных систем управления объектами химической промышленности
1.6. Постановка целей и задач диссертационной работы
2. ЭКСТРАПОЛЯЦИОННЫЙ МЕТОД И АЛГОРИТМЫ
ПОСТРОЕНИЯ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ
ПРОГНОЗИРОВАНИЯ КЛАССА СЛОЖНЫХ ТЕХНОГЕННЫХ ОБЪЕКТОВ С ИЗМЕНЯЮЩИМИСЯ ПРИЗНАКАМИ.
2.1. Экстраполяционный метод и алгоритмы построения трендовых моделей.
2.2. Обоснование критерия динамичности задачи классификации и оценка точности классификации объектов с изменяющимися признаками
2.3. Методика применения алгоритмов построения математических моделей для прогнозирования класса сложного техногенного объекта с изменяющимися признаками.
2.4. Выводы.
3. НЕПАРАМЕТРИЧЕСКИЙ МЕТОД И АЛГОРИТМ ДИНАМИЧЕСКОЙ КЛАССИФИКАЦИИ СЛОЖНЫХ ТЕХНОГЕННЫХ ОБЪЕКТОВ ПРИ НЕСТАЦИОННАРЫХ ХАРАКТЕРИСТИКАХ КЛАССОВ
3.1. Сущность непараметрического метода динамической классификации и комплексный алгоритм динамической классификации сложных техногенных объектов.
3.2. Нейросетевой алгоритм.
3.3. Локальный алгоритм
3.4. Критерии проверки динамичности задачи классификации при нестационарных характеристиках классов сложных техногенных объектов
3.5Ньшоды
4. РЕКУРРЕНТНЫЙ МЕТОД И АЛГОРИТМЫ ДИНАМИЧЕСКОЙ КЛАССИФИКАЦИИ С ИЗМЕНЯЮЩИМИСЯ ВО ВРЕМЕНИ РЕШАЮЩИМИ ПРАВИЛАМИ
4.1. Сущность рекуррентного метода динамической классификации сложных техногенных объектов.
4.2. Рекуррентный регрессионный алгоритм.
4.3. Нейросетевые алгоритмы динамической классификации.
4.4. Нейронечеткие алгоритмы динамической классификации.
4.5. Сравнительная характеристика разработанных рекуррентных алгоритмов.
4.6. Выводы
5. МЕТОД И АЛГОРИТМЫ ДИНАМИЧЕСКОЙ КЛАСТЕРИЗАЦИИ СЛОЖНЫХ ОБЪЕКТОВ НА ОСНОВЕ ПРОЦЕДУРЫ САМООРГАНИЗАЦИИ КЛАСТЕРОВ
5.1. Общая характеристика задачи и метода динамической кластеризации сложных техногенных объектов на основе процедуры самоорганизации кластеров
5.2. Нечеткологические алгоритмы динамической кластеризации сложных техногенных объектов.
5.3. Автоматизированный мониторинг структуры кластерного поля
5.4. Выводы
6. АРХИТЕКТУРА И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ АВТОМАТИЗИРОВАННЫХ СИСТЕМ ДИНАМИЧЕСКОЙ КЛАССИФИКАЦИИ ОБЪЕКТОВ ХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ
6.1. Обощенная архитектура и режимы функционирования автоматизированных систем динамической классификации объектов химической промышленности.
6.2. Программное обеспечение автоматизированных систем динамической классификации объектов химической промышленности
6.3. Информационное обеспечение автоматизированных систем динамической классификации объектов химической промышленности.
6.4. Методика применения автоматизированных систем динамической классификации в составе АСУ объектами химической промышленности
6.5. Выводы.
7. ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ АВТОМАТИЗИРОВАННЫХ СИСТЕМ ДИНАМИЧЕСКОЙ КЛАССИФИКАЦИИ ОБЪЕКТОВ ХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ НА ПРЕДПРИЯТИЯХ.
7.1. Результаты практического применения автоматизированной системы динамической классификации в составе АСУТП производства капролактама.
7.2. Результаты практического применения автоматизированной системы динамической классификации в составе АСУ техническим обслуживанием
и ремонтом оборудования производства слабой азотной кислоты.
7.3. Результаты практического применения автоматизированной системы динамической классификации в составе автоматизированной системы тестирования операторов химических производств
7.4. Выводы.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


При этом классификация может меняться после появления каждого нового объекта и окончательный вид она приобретает тогда, когда обработано достаточно большое количество исследуемых объектов. Изложенное позволяет сформулировать следующее определение. Определение 1. Задачей динамической классификации будем называть задачу, для которой с течением времени изменяются признаки классифицируемого объекта иили характеристики заданных классов иили принятые правила классификации. Характеризуя ЗДК СТО, предварительно примем следующие основные предпосылки. Предполагается задача построения автоматизированного классификатора при его обучении с учителем. Алфавит классов , i 1,, задан. Признаки xix имеют непрерывный количественный вероятностный характер, равноценны и являются заданными с известной областью определения X. Риск потерь считается заданным. Справедлива гипотеза полимодалыюй компактности. X где i 1,, сопоставляемые с заданными классами , т. Пх Пх, . Приведем возможные типы рассматриваемой задачи. Пусть для каждого объекта а из генеральной совокупности А можно измерить набор его количественных характеристик x xi, X2,. X1 здесь Т символ транспонирования в последовательные моменты времени 0, i,. Предполагается, что в момент времени может быть определен номер класса у, который имеет рассматриваемый объект , ,2,. Задача состоит в том, чтобы дать прогноз номера класса у для момента объекта а на основе эмпириче
Ш
ской информации, представляющей для объекта аеА измерения его характеристик x в моменты времени , 0,1,. М . Обсудим возможные ограничения и методы решения исследуемой задачи. Нм и вариант заданы М и , моменты эквидистантны, т. Гх 0 уравнение линии поверхности, разделяющей объекты двух классов 5 неотрицательная константа, задающая область неопределенности принятия решения данная константа, вообще говоря, может быть принята равной нулю. Предполагается, что здесь X и Пх . При наличии приведенных ограничений рассматриваемая задача сводится к задаче прогнозирования векторного, в общем случае нестационарного стохастического процесса и к использованию решающих правил для традиционной постановки. Будем называть такую задачу задачей динамической классификации при изменяющихся признаках объекта или задачей динамической классификации ЗДК типа I. Близкая задача, но относящаяся к классификации траекторий рассмотрена в статье . В ней авторами предлагается общая постановка задачи динамического классификационного анализа ДКА, когда каждый объект по каждому параметру характеризуется набором значений для некоторой последовательности моментов времени траекторией. Отмечается, что алгоритм ДКА является частным случаем общего алгоритма классификационного анализа . Для конкретизации данного варианта ЗДК уточним, прежде всего, понятия, связанные с нестационарностью классов. Определение 1. Под динамически изменяющимся нестационарным понимается класс образ, характеристики которого изменяются во времени, причем указанные изменения приводят к существенной погрешности применения традиционных статических методов классификации объектов. Иестационарность класса отображается временными изменениями границ соответствующего множества ХД кластера информативным представителем подобного образа может служить его некий усредненный по множеству объектов относящихся к данному образу в произвольный момент времени эталон, характеристики которого будут, естественно, зависеть от момента усреднения. Очевидно, время I должно принадлежать определенному интервалу, в течение которого можно получать информацию о наблюдаемых объектах, формируя, в том числе, обучающую выборку, т. Т. 1. Примем, что элементы обучающей выборки формируются в некоторые известные дискретные моменты
0, , к 1,2,. А . Приведенные варианты назовем вариантами формирования обучающей выборки. Очевидно, что выбор того или иного варианта определяется особенностями конкретной задачи классификации СТО. Рассмотренный вариант ЗДК будем называть ЗДК типа И. В данном случае предполагается, что со временем модифицируются решающие правила, т. П x, при не зависящих от времени признаках классифицируемого объекта х и характеристиках заданных классов .

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: 0.222, запросов: 244