Методы и алгоритмы обработки нечеткой информации в системах интеллектуальной поддержки при принятии управленческих решений

• Автор: Рыжов, Александр Павлович
• Шифр специальности: 05.13.10
• Научная степень: Докторская
• Год защиты: 2007
• Место защиты: Тверь
• Количество страниц: 346 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ.
ГЛАВА 1
ПОСТАНОВКА НАУЧНОЙ ПРОБЛЕМЫ РАЗРАБОТКИ МЕТОДОВ И АЛГОРИТМОВ ОБРАБОТКИ НЕЧЕТКОЙ ИНФОРМАЦИИ В СИСТЕМАХ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИ ПРИНЯТИИ

УПРАВЛЕНЧЕСКТХ РЕШЕНИЙ

1.1. Основные понятия теории интеллектуальных систем

1.2. Понятие систем информационного мониторинга.

1.3. Математические проблемы разработки систем информационного

мониторинга.

1.4. Необходимые понятия теории нечетких множеств, генетических

алгоритмов и нейронных сетей

ГЛАВА 2
МЕТОДЫ И АЛГОРИТМЫ РЕШЕНИЯ ОСНОВНЫХ ЗАДАЧ РАЗРАБОТКИ СИСТЕМ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРИ ПРИНЯТИИ
УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ.
2.1. Методы и алгоритмы оценки человеком свойств объектов предметной
области
2.1 Л Степень нечегкости полных ортогональных семантических пространств.
2.1.2. Свойства степени нечеткости1
2.1.3. Выбор оптимального множества значений признаков объектов
2.1.4. Устойчивость модели описания человеком объектов
2.2. Методы и алгоритмы поиска информации в нечетких лингвистических базах данных
2.2.1. Потери информации и шумы, возникающие при поиске информации в нечетких базах данных.
2.2.2. Свойства потерь информации и шумов.
2.2.3. Устойчивость модели поиска информации в нечетких базах
2.3. Методы и алгоритмы выбора адекватных операторов агрегирования информации в нечетких иерархических динамических системах
2.3.1. Геометрический подход
2.3.2. Логический подход
2.3.3. Обучение на основе генетических алгоритмов.
2.3.4. Обучение на основе нейронных сетей.
2.3.5. Оценка качества работы нечеткого классификатора
ГЛАВА 3.
ПРИМЕРЫ СИСТЕМ ИНФОРМАЦИОННОГО МОНИТОРИНГА
3.1. Система мониторинга хода реформы ВС РФ.
3.2. Система мониторинга ядерных технологий.
3.3. Информационный мониторинг медикобиологических проблем.
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


В левом столбце таблицы расположены все попарно различные значенияД,<Д,. Д . Если такое противоречие не возникает - значит оператор д! ОАИ для данного узла дерева -модели. Если противоречие возникает - необходимо повторить процедуру выбора адекватного ОАИ, но на основе дополненной и, быть может, уточненной с экспертом информации /'(1) и /;(2). Полученная заполненная таблица и есть адекватный ОЛИ для данной вершины. Описанная укрупненная схемы выбора ОЛИ допускает несколько реализаций в зависимости от интерпретаций множества X) . Мы можем интерпретировать данное множество как набор дискретных или как набор нечетких значений элемента ^ . Эта интерпретация зависит от свойств предметной области (проблемы). Так, если при оценке информации набора значений а/, а/, . У достаточно (ситуации, когда оценка находится “между” соседними значениями, либо отсутствуют, либо их мало), то мы можем говорить о дискретной модели выбора ОАИ. Если же часто при оценке поступающей в систему информации возникают ситуации, когда оценка находится “между” соседними значениями а], а/* причем пользователь может говорить, что она более близка, например, к а], чем к д/+/ , то мы должны использовать нечеткую модель выбора ОАИ. Заметим, что дискретная модель является частным случаем нечеткой и может быть получена при замене соответствующих нечетких множеств на множества уровня 0,5 для полных ортогональных семантических пространств. Мы ее выделяем, однако, потому, что в этом случае возможна разработка специальных алгоритмов выбора ОАИ. ОАИ: геометрический и логический. Первый применим тогда, когда эксперт может только определить значение д1 на некоторых наборах значений (