Предметно-независимые модели многокомпонентных систем и их применение в системах мониторинга

• Автор: Сурпин, Вадим Павлович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Москва
• Количество страниц: 153 с. : ил.

СОДЕРЖАНИЕ
Введение
Глава 1. Проблемы проектирования систем мониторинга
1.1 Основные требования к сервисам мониторинга в системах организационного управления
1.2 Математические методы, применяемые в задачах мониторинга
1.2.1 Метод наименьших квадратов
1.2.2 Авторегрессионное интегрированное скользящее среднее
1.2.3 Экспоненциально взвешенное скользящее среднее
1.2.4 Обобщённая линейная модель
1.2.5 Метод накопленных сумм
1.2.6 Вейвлет-анализ
1.2.7 Метод опорных векторов
1.2.8 Скрытая марковская модель
1.2.9 Методы на основе Байесовских сетей
1.3 Сведения из области экспертных систем о средствах представления знаний предметной области
1.3.1 Современные средства представления знаний предметной области
1.3.2 Вероятностные сети для представления причинно-следственных связей
1.3.3 Нечёткая логика
Глава 2. Формальная теоретико-множественная модель многокомпонентной системы мониторинга
2.1 Общая структура модели
2.2 Модель изменения состояния объектов на микроуровне
2.2.1 Пример: Модель изменения состояний объектов для эпидемиологии
2.3 Модель основных характеристик на макроуровне
2.3.1 Пример: Модель изменения состояний объектов для эпидемиологии
2.4 Задачи мониторинга в терминах формальной модели

Глава 3. Предметно-независимые модели и методы мониторинга многокомпонентных систем
3.1 Объектная модель системы мониторинга
Пример 1: Эпидемиология
Пример 2: Транспортная безопасность
3.2 Классический и предметно-независимый подходы к алгоритмам мониторинга
3.3 Выбор формальной модели представления знаний предметной области для использования в предметно-независимых алгоритмах
3.3.1 Виды требований к формальной модели представления знаний
3.3.2 Свойства типовых моделей представления знаний
3.3.3 Система критериев для выбора формальной модели представления знаний67
3.3.4 Выбор формальной модели представления знаний
3.4 Схема системы мониторинга, использующей предметно-независимые алгоритмы интеллектуальной обработки данных
3.4.1 Входные данные системы мониторинга
3.4.2 Способ оценки неопределенности характеристик объектов мониторинга
3.4.3 Алгоритм идентификации и устранения противоречивых информационных сигналов
3.4.4 Алгоритм кластеризации объектов мониторинга для формирования гипотезы о характере внешнего воздействия
Г лава 4. Результаты применения разработанных моделей и методов
4.1 Цели и задачи создания информационных систем мониторинга
4.1.1 Система мониторинга распространения вирусного гепатита
4.1.2 Система планирования контрольных мероприятий в сфере транспортной безопасности
4.2 Описание предметной области
4.2.1 Система мониторинга распространения вирусного гепатита
4.2.2 Система планирования контрольных мероприятий в сфере транспортной безопасности

4.3 Результаты анализа требований к разрабатываемым информационным системам мониторинга распространения вирусного гепатита и планирования контрольных мероприятий в сфере транспортной безопасности
4.3.1 Система мониторинга распространения вирусного гепатита
4.3.2 Система планирования контрольных мероприятий в сфере транспортной безопасности
4.4 Разработка информационных систем мониторинга распространения вирусного гепатита и планирования контрольных мероприятий в сфере транспортной безопасности
4.4.1 Система мониторинга распространения вирусного гепатита
4.4.2 Система планирования контрольных мероприятий в сфере транспортной безопасности
Приложения
Приложение 1. Акты внедрения результатов диссертации
Приложение 2. Диаграммы структурной модели системы мониторинга распространения вирусного гепатита
Приложение 3. Диаграммы структурной модели системы планирования контрольных мероприятий в сфере транспортной безопасности
Список литературы

Понятия отрицательно влияния и отсутствия влияния даются аналогично. Принимая во внимание, что в основе качественной вероятностной сети лежит направленный ациклический граф G, рёбра которого соответствуют причинно-следственным связям, множество переменных inf 1(b) соответствует предкам узла Ь.
При описании качественных вероятностных сетей на ряду с понятием качественного влияния фигурируют понятия синергии - совместного влияния двух переменных на третью:
• аддитивная синергия - характеризует совместное влияние причин одного и того же следствия на это следствие;
• мультипликативная синергия - характеризует взаимное влияние причин одного и того же следствия.
Формально, аддитивная синергия выражается следующим образом:
Переменным а и b свойственна положительная аддитивная синергия в отношении переменной с, если для любых а± > а2, bt > b2, с0 верно:
Р(с > c0a2,b2,infl(c){a,b}) - Р(с > c0a1,b2,infl(c){a,b})
> Р(с > с$ а2, blt inf 1(с){а, Ь}) — Р(с > с0|а1л in/'Z(c){cr, Ь})
Отрицательная и нулевая синергия определяются аналогично.
Понятие мультипликативной синергии связано с правилами обратного вывода в качественных вероятностных сетях. Говорят, что переменным а и Ъ свойственна положительная мультипликативная синергия в отношении их общего потомка с, если для любого зафиксированного значения с рост а повышает вероятность больших значений Ь. В формальной записи данного утверждения используются матричные выражения, которые подробнее описаны в [50].
Дальнейшее рассмотрение качественных вероятностных сетей, в том числе аппарат вывода утверждений, рассматривается подробнее в работах [50, 67, 51].
1.3.2.2 Байесовские сети
Количественные вероятностные сети, в которых взаимное влияние переменных
характеризуется численно с использованием аппарата условных вероятностей, называют Байесовскими сетями. Рёбрам Е графа G, лежащего в основе вероятностной сети, ставятся в соответствие числовые коэффициенты, позволяющие вычислять вероятности ненаблюдаемых переменных для каждой заданного подмножества наблюдаемых переменных и их значений.