Модели, методы и программные средства распределенного приобретения знаний для автоматизированного построения баз знаний интегрированных экспертных систем

• Автор: Дейнеко, Александр Олегович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Москва
• Количество страниц: 129 с. : ил.

ВВЕДЕНИЕ

1. АНАЛИЗ СОВРЕМЕННЫХ ПОДХОДОВ И МЕТОДОВ К АВТОМАТИЗИРОВАННОМУ

ПОСТРОЕНИЮ ПОЛНЫХ И НЕПРОТИВОРЕЧИВЫХ МОДЕЛЕЙ ПРОБЛЕМНЫХ ОБЛАСТЕЙ

1.1 Особенности построения полных и непротиворечивых моделей проблемных областей.

1.2 Распределенное приобретение знаний

1.3 Заданноориентированная методология приобретения знаний и инструментальные

ПРОГРАММНЫЕ СРЕДСТВА ПОДДЕРЖКИ МЕТОДОЛОГИИ

1.3.1 Общая характеристика комбинированного метода приобретения знаний в рамках задачно

ориентированиой методологии построения ПОС

1.3.2 Технология ii.

1.3.3 Особенности применения алгоритмов ii в рамках комбинированного метода

приобретения знаний.
1.3.4 Типовая проектная процедура Приобретение знаний из БД
1.4 Представление многопризнаковых объектов.,
1.5 Анализ современных методов группировки и КЛАСТЕРИЗАЦИИ ПРОДУКЦИОННЫХ ПРАВИЛ
1.5.1 Метрики в пространстве знаний
1.5.2 Типы игмеритезьных шкал и ах сравнительный анализ.
1.5.3 Меры близости междуу твсрждснияии для арифметических шкал
1.5.4 Меры близости междуу тверждениями дчя качественных шкал.
1.6 Цели и задачи диссертационного исследования
2. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ РАСПРЕДЕЛЕННОГО ПРИОБРЕТЕНИЯ ЗНАНИЙ
1 2.1 ОСОБЕННОС1И ПРИМЕНЕНИЯ МЕТОДОВ ЭКСПЕРТНОЙ КЛАССИФИКАЦИИ СЛОЖНЫХ ОБЪЕК ТОВ ДЛЯ
ИЗВЛЕЧЕНИЯ ЗНАНИЙ.
2.2 Обобщенная модель комбинированного метода приобретения знании
2.3 Методика группового приобретения знании
2.4 Разработка алгоритма распределенного приобретения знании из бд.
2.4.1 Выбор стратегии формирования храшаищ данных
2.4.2 Формальная постановка задачи построения дерева решений
2.4.3 Оптимизация алгоритма распределенного приобретения знаний из БД
2.5 Разработка метода объединения объектов, полученных из иеючннков знаний различной
типологии.
2.5.1 Разработка алгоритма объединения типов атрибутов.
2.5.2 Применение теории мультимножеств для представления многомерных объектов
2.6 Разработка метода объединения множеств продукционных правил
2.6.1 Формальная постановка задачи объединения продукционных правил
2 6.2 Метод автоматизированного объединения продукционных правил, полученных из
источников знаний различной типологии.
I
3. ПРОЕКТИРОВАНИЕ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ КОМПЛЕКСА
ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ РАСПРЕДЕЛЕННОГО ПРИОБРЕТЕНИЯ ЗНАНИИ
3.1 Особенности реализации средств поддержки типовой проектной процедуры Приобретение
знаний из БД
3.2 Анализ системных требований ил разработку средств iюддержки тпп приобретение
знании из БД, функционирующих в составе комплекса ЛТТЕХНОЛОГИЯ
3.3 Архитектура и реализация программных средств поддержки проектирования хранилищ
ДАННЫХ.
3.4 Программная реализация средств распределии юго приобретения знании из БД
3.5 Особенности реализации средств автоматизированного объединеня фрагментов полей
знаний, полученных из источников знаний различной типологии.
3.6 Интеграция и комплексная отладка программных срсдс пэ поддержки типовой проектной
процедуры Приобретение знаний из БД
3.7 РИМЕР функционирования средств поддержки проектирования хранилищ данных
3.8 Пример функционирования средств распределенного приобретения знании ИЗ БД и средств
ОБЪЕДИНЕНИЯ НАБОРОВ ПРАВИЛ.
Выводы
4. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА МЕТОДОВ II АЛГОРИТМОВ РАСПРЕДЕЛЕННОГО ПРИОБРЕТЕНИЯ ЗНАНИЙ. ВНЕДРЕНИЕ РАЗРАБОТАННЫХ ИНСТРУМЕНТАЛЬНЫХ ПРОГРАММНЫХ СРЕДСТВ
4.1 Экспериментальная Iиюверка методов и алгоритмов распределенного
I РИОБРЕТЕНИЯ ЗНАНИЙ
4.2 Сравнение характеристик реализованных программных средств рас 1рнделенного
ПРИОБРЕТЕНИЯ ЗНАНИЙ С СУЩЕСТВУЮЩИМИ СРЕДСТВАМИ
4.3 ПРИМЕНЕНИЕ АЛГОРИТМА РАСПРЕДЕЛЕННОГО ПРИОБРЕТЕНИЯ ЗНАНИЙ ИЗ БД
В СОСТАВЕ ПРОЕКТА АРМИРАЭС ВПРСИЯ4.
ВЫВОДЫ ПО ДИССЕРТАЦИИ
СПИСОК ЛИТЕРАТУРЫ


Для решения поставленных задач в диссертации использованы методы искусственного интеллекта модели и методы представления и обработки знаний, методы инженерии знаний, методы ii методы классификации, построения деревьев решений, метод эвристической классификации, теория мультимножеств, теория множеств и отношений, технология разработки программного обеспечения. Научная новизна. В диссертации получены следующие новые результаты. С учетом распределенного варианта приобретения знании предложен расширенный для источников знаний различной типологии комбинированный метод автоматизированного приобретения знаний. Предложен и исследован алгоритм распределенного приобретения знаний из баз данных, основанный на построении бинарных деревьев решений, существенным отличием которого от базового алгоритма является ориентация на приобретение знаний из множества баз данных и оптимизация структуры и количества выведенных правил. Впервые предложен и исследован метод объединения продукционных правил, полученных из источников знании различной типологии. Впервые разработаны инструментальные программные средства распределенного приобретения знаний из баз данных для автоматизированного построения баз знаний интегрированных экспертных систем и рекомендации но их применению. Таким образом, в результате выполненных исследований разработаны модели, методы, алгоритмы и инструментальные программные средства, позволяющие снизить трудоемкость и временные затраты на разработку поля знаний и базы знаний в процессе разработки прикладных ИЭС. Расширенный для источников знаний различной типологии комбинированный метод приобретения знании, построенный на основе выполненного анализа существующих моделей, методов и средств приобретения знаний. Алгоритм распределенного приобретения знаний из баз данных, основанный на построении бинарных деревьев решении, существенным отличием которого от базового алгоритма является ориентация на приобретение знаний из множества баз данных к оптимизация структуры и количества выведенных правил. Метод объединения продукционных правил, полученных из источников знаний различной типологии, основанный на применении теории мультимножеств, расширенных таблиц решений и таблиц мер схожести правил, строящихся путем вычисления мер схожести Хемминга для посылок и заключений правил. Комплекс инструментальных программных средств распределенного приобретения знаний из баз данных для автоматизированного построения баз знаний интегрированных экспертных систем. Практическая ценность н значимость работы заключается в том, что созданные инструментальные программные средства в составе комплекса АТТЕХНОЛОГИЯ используются в учебном процессе НИЯУ МИФИ на кафедре Кибернетики, а также в деятельности ОАО Концерн Росэнергоатом акты о внедрении. Апробация разработанных моделей,, методов и инструментальных программных средств при создании нескольких баз знаний для задач медицинской диагностики и задач контроля радиационных дозовых нагрузок персонала атомных электростанций РФподтвсрдили. Реализация, результатов. Результаты диссертации использовались в НИР выполненной при поддержке РФФИ проект 8 в учебнонаучнойлаборатории Интеллектуальные системы и технологии кафедры Кибернетики МИФИ. Структура и объм работы. Во введении обоснована актуальность темы диссертации, е научная новизна и практическая значимость, сформулирована цель работы. В. первом разделе рассматриваются основные понятия и определения, в. Г.В Рыбиной в рамках задлчноориентпрованной методологии построения ИЭС. В контексте выбранного метода вводится и исследуется понятие распределнного приобретения знаний применительно к. В соответствии с выбранным подходом источники знаний 1го и 2го типа. В диссертации, показано, что поскольку не существует универсальных методов, позволяющих решать проблему неполноты баз знаний, то разработка и применение технологии приобретении знаний из баз данных как дополнительного источника знаний является новым приложением концепций ii и i iv i для решения этой проблемы. Также в первом разделе диссертации приводятся результаты анализа отечественных и зарубежных программных средств поддержки процессов приобретения знаний.