Разработка и исследование семантической модели данных для автоматизированной системы управления железнодорожным транспортом

• Автор: Ольховик, Олег Владимирович
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Ростов-на-Дону
• Количество страниц: 246 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
1. ИССЛЕДОВАНИЕ УСЛОВИЙ РЕАЛИЗАЦИИ СЕМАНТИЧЕСКОЙ МОДЕЛИ ДАННЫХ В АСУЖТ
1 Л. Проблемы и перспективы развития АСУЖТ
1.2. Анализ требований к единой модели данных
для АСУЖТ
1.3. Анализ соответствия существующих моделей данных требованиям к единой модели для АСУЖТ
1.4. Выводы
2. СРЕДСТВА ОПИСАНИЯ ДАННЫХ В СЕМАНТИЧЕСКОЙ МОДЕЛИ
2.1. Объекты и отношения на множестве объектов
2.2. Описание фактов
2.3. Описание правил
2.4. Выводы
3. ОБРАБОТКА ИНФОРМАЦИИ
В СЕМАНТИЧЕСКОЙ МОДЕЛИ ДАННЫХ
3.1. Автоматическая классификация с целью
сокращения связей между объектами
3.2. Индуктивный вывод
3.3. Поиск и разрешение противоречий
3.4. Поиск информации
3.5. Выводы
4. АЛГОРИТМ АДАПТИВНОЙ СТРУКТУРИЗАЦИИ СЕМАНТИЧЕСКОЙ БАЗЫ ДАННЫХ
4.1. Разработка алгоритма
4.2. Оценка эффективности алгоритма
4.3. Практическая реализация алгоритма
4.4. Выводы ЗАКЛЮЧЕНИЕ ЛИТЕРАТУРА

СПИСОК СОКРАЩЕНИЙ.
АКСС - Автоматическая классификация с целью сокращения числа связей.
АРМ - Автоматизированное рабочее место.
Л С ОУП - Автоматизированная система оперативного управления перевозками.
АСБД - Адаптивная структуризация базы данных.
АСУ - Автоматизированная система управления.
АСУГС - Автоматизированная система управления грузовыми
станциями.
АСУЖТ - Автоматизированная система управления
железнодорожным транспортом.
АСУКП - Автоматизированная система управления
контейнерными перевозками.
АСУСС - Автоматизированная система управления
сортировочными станциями.
БД - База данных.
БЗ - База знаний.
БФ - База фактов.
ГВЦ - Главный вычислительный центр Министерства
МПС Министерство путей сообщения России.
ЕЯ - Естественный язык.
ИВЦ - Информационно-вычислительный центр.
ИОДВ - Система интегрированной обработки дорожной
ведомости.
ИОММ - Система интегрированной обработки маршрута
машиниста.
недостаточно эффективна, низкая выразительная мощность может приводить к недопустимым потерям времени.
Во-вторых, первостепенное значение имеет время поиска или анализа данных, а не производительность поисковых алгоритмов. Снижение времени может происходить не только за счет интенсификации поиска, но и за счет внедрения более быстродействующих аппаратных средств.
В-третьих, повышение выразительной мощности позволяет расширить границы области автоматизации логического контроля данных.
В-четвертых, ограничения на выразительную мощность определяются на этапе разработки модели и не могут быть изменены на последующих этапах.
В-пятых, может существовать некоторое множество моделей данных с определенными ограничениями на выразительную мощность, в каждой из которых может быть реализован один или несколько алгоритмов из некоторой совокупности поисковых алгоритмов, обладающих различной производительностью. Максимальная производительность этих алгоритмов определяется не только выразительностью, но и некоторыми другими особенностями модели данных. За счет этого существует большая вероятность разработки достаточно производительного поискового алгоритма в модели с заданными высокими требованиями к выразительности. В тоже время слишком жесткие требования к производительности поиска могут быть выполнены только за счет недопустимого снижения выразительной мощности.
Таким образом, требования к выразительной мощности модели данных должны быть заданы в качестве ограничений, а интегральный показатель производительности поисковых алгоритмов может использоваться в качестве критерия оптимальности модели данных.
В некоторых подсистемах АСУЖТ обрабатываются большие массивы данных и существует тенденция к увеличению их объема. Причем