Модели поиска закономерностей и синтеза знаний в медико-биологических базах данных человека-оператора

• Автор: Чепиков, Эдуард Васильевич
• Шифр специальности: 05.13.18, 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Таганрог
• Количество страниц: 184 с. : ил.

(« ВВЕДЕНИЕ

1. ОСОБЕННОСТИ АНАЛИЗА ФУНКЦИОНАЛЬНОГО СОСТОЯНИЯ ЧЕЛОВЕКА-ОПЕРАТОРА

1.1. Проблема оценки функционального состояния человека-оператора

1.2. Специфика моделирования медико-биологической базы данных человека-оператора

1.3. Современные модели поиска закономерностей в базах данных ф 1.4. Выводы

2. ГЕНЕРАЦИЯ И СИНТЕЗ МОДЕЛЕЙ ЗНАНИЙ НА ОСНОВЕ АНАЛИЗА БАЗЫ ДАННЫХ ЧЕЛОВЕКА-ОПЕРАТОРА
2.1. Моделирование базы данных человека-оператора в процессе проведения медико-биологического эксперимента
2.2. Модель поиска нечеткий правил if-then в базе значений атрибутов . результатов деятельности
2.3. Модель поиска закономерностей в медико-биологической базе данных человека-оператора
2.4. Выводы

3. ПРОГРАММНО-АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ СИСТЕМЫ ПОИСКА ЗАКОНОМЕРНОСТЕЙ

3.1. Система обнаружения индивидуальных стратегий поведения человека-оператора
3.2. Система кластеризации экспериментальных данных
3.3. Принципы построения и структура интеллектуальной системы медикобиологического эксперимента
3.4. Выводы ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ПРИЛОЖЕНИЯ
ПРИЛОЖЕНИЕ 1. ЛИСТИНГ ПРОГРАММЫ
'♦ МОДЕЛИРОВАНИЯ ДЕЯТЕЛЬНОСТИ
ЧЕЛОВЕКА-ОПЕРАТОРА
ПРИЛОЖЕНИЕ 2. ИСХОДНЫЙ ТЕКСТ ПРОГРАММЫ
КЛАСТЕРИЗАЦИИ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
ПРИЛОЖЕНИЕ 3. ФРАГМЕНТ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
ПРИЛОЖЕНИЕ 4. АКТЫ О ВНЕДРЕНИИ И ИСПОЛЬЗОВАНИИ
РЕЗУЛЬТАТОВ ДИССЕРТАЦИОННОЙ РАБОТЫ

Актуальность проблемы. Получение практически полезных и доступных интерпретации знаний необходимо для принятия решений в различных сферах человеческой деятельности. Подобные задачи актуальны в областях, где присутствуют большие информационные массивы неоднородных, меняющихся во времени данных высокой размерности.
Проблема извлечения знаний и выявления скрытых закономерностей в массивах данных подразделяется на пять различных задач: нахождение ассоциаций, нахождение последовательностей, классификацию, кластеризацию и прогнозирование [1]. Обобщение и аналитическое представление накопленной информации осуществляется с двумя целями. Первая состоит в том, чтобы гарантировать принятие рациональных решений, риск потерь которых сведен к минимуму. Вторая заключается в том, чтобы понять механизм принятия решений. Пользователь, принимая определенное решение, нуждается в содержательном ответе на вопросы, как он получил это решение, почему он должен следовать этому решающему правилу, и т.д.
В связи с этим, актуальной становится задача создания эффективных методов обобщения и интерпретации многомерных данных.
Фактически базы данных выполняют функцию памяти, доступ пользователя к хранилищу данных обеспечивает только извлечение небольшой части из хранимой информации в ответ на четко задаваемые вопросы. Но когда мы имеем огромный поток информации, встает задача максимально целесообразно использовать эту информацию, чтобы извлечь спрятанное в данных знание с целью оптимизировать управление какими-либо процессами, улучшить деятельность организации. Можно было бы использовать армию аналитиков, статистиков, которые бы разбирались с этими данными, используя традиционные средства анализа данных. Но сейчас эта задача не может быть решена только силами человека в силу гигантского объема данных
управлении системой управления оружием при перемещении объекта-носителя из одного пункта в другой пункт в условиях ограничения времени и наличия конечного числа объектов нападения, которые необходимо уничтожить, так как они представляют опасность для объекта-носителя и "жизни" оператора. При этом на каждом этапе игры местоположение объектов нападения определяется по случайному закону.
Адекватность модели поведения определяется числом задач, поэтому необходимо, чтобы оно было как можно больше. Эксперимент разбит на 3 части. В первой части на основе временных параметров деятельности одного хорошо подготовленного оператора определяется шкала оценки управляющих решений. Во второй количество операторов увеличено до десяти. Целью этого этапа является определение вероятности изменения поведения оператора в процессе решения задачи. Заключительной частью эксперимента является формирование базы данных на основе параметров деятельности оператора и его физиологического состояния. На основе этих данных определяются принципы построения системы генерации и синтеза знаний. Важным элементом достоверности результатов на данном этапе эксперимента является степень синхронизации съема информации.
Стадии проведения эксперимента.
Стадия I:
Проведение эксперимента для одного хорошо подготовленного оператора для получения конечного количества состояний, характеризующих качество его деятельности. При этом задаются следующие исходные данные:
- число операторов: 1;
- число серий задач: 25;
- общее число задач: 200;
- статистический параметр: время выполнения каждого этапа.
Оператор в течение 25 серий задач должен уничтожить максимальное число объектов нападения. Между задачами предусмотрен короткий перерыв,