Повышение точности оценки параметров систем по разнотипной измерительной информации

• Автор: Афанасьева, Светлана Михайловна
• Шифр специальности: 05.11.16
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Тула
• Количество страниц: 135 с. : ил.

ОГЛАВЛЕНИЕ
Введение
Глава I. Анализ задачи построения математических моделей
сложных объектов измерений
1.1 .Особенности сложных объектов измерений
1.2. Методы построения математических моделей
сложных объектов измерений
1.3. Проблема разнотипности данных
1.3. Типы моделей и их характеристики
1.4. Выводы
Глава 2. Разработка метода построения логических моделей
2.1. Выбор шкалы представления разнотипных данных
2.2. Преобразование шкал измерений разнотипных данных
2.3. Выбор критериев
2.4. Обеспечение требуемой точности
2.5. Выводы
Глава 3. Алгоритмы построения логических моделей
3.1. Разработка алгоритма построения логической модели
3.2. Алгоритм построения статической модели
3.3. Алгоритм построение динамической модели
3.4. Использование логических моделей для
решения задачи прогнозирования
3.5. Использование логических моделей для решения
задачи диагностирования
3.6. Выводы. 81 Глава 4. Экспериментальное исследование предложенных алгоритмов
4.1. Экспериментальное исследование алгоритма построения
логической модели
4.2. Экспериментальное исследование алгоритмов прогнозирования
4.3. Экспериментальное исследование алгоритма оценивания
4.4. Выводы
Глава 5. Решение практической задачи
5.1. Задачи медицинской диагностики
5.2. Модель состояния здоровья пациента
5.3. Разработка системы медицинской диагностики
5.4. Выводы
Заключение
С писок литературы
Приложение
Приложение

ВВЕДЕНИЕ
Современный этап развития информационно-измерительных систем различного назначения характеризуется возрастающей ролью обработки информации с целью извлечения из поступающих измерений наиболее ценной полезной информации. К тому же в настоящее время неуклонно растет сложность объектов измерений. Большая часть из них характеризуется:
- большим числом разнотипных данных (измеряемых в различных шкалах, количественных и качественных);
- значительной априорной неопределенностью (отсутствием какой-либо правдоподобной математической модели);
- сложными процессами взаимодействия между различными факторами, которые невозможно однозначно описать;
К тому же они характеризуются тем, что часть информативных параметров неизмеряемы или трудноизмеряемы. Их оценка без построения модели, из-за сложности объекта, не представляется возможной. В дальнейшем, объект измерений (ОИ), обладающий указанными свойствами будем называть сложным.
Наиболее важной задачей информационно-измерительной системы в этих условиях является выявление закономерностей поведения исследуемого объекта из имеющейся измерительной информации. Можно выделить два подхода к решению этой задачи: первый связан с предварительным восстановлением функций распределения вероятностей и формированием на их основе решающего правила, второй - с непосредственным определением по выборке данных наилучшего правила из некоторого заранее установленного класса решающих правил.
Указанные обстоятельства определили выбор объекта исследования диссертационной работы который можно охарактеризовать как информационно-измерительную систему, предназначенную для извлечения полезной

1.4. Типы моделей и их характеристики
Первый из признаков, по которым различают модели - их линейность или нелинейность. Дадим краткие характеристики различным типам моделей [30,31.32]. Можно выделить линейные модели, которые можно разделить на статические и динамические. Статическую модель определим следующим образом
ук =Р Хк, гдеХк - вектор входных переменных Динамическую модель будем представлять в виде
Ук =АТУк-1 +РТХк, У к_1 = [у к-1 > У к~2 ’ - - » У к-1 ]Т =>
где Ат - матрица параметров;
Нелинейные модели описываются следующим образом:
статические ук = Рг(я(Хк)), 5(Хк)- вектор функций от х є Хк динамические ук = Атук_, + Рт(8(Хк)),
для одномерных моделей ук- скаляр, для многомерных ук- вектор.
Все рассмотренные модели можно отнести к моделям «вход-выход», для более точных моделей учитывается и вектор состояния. Модели «вход-состояние-выход» представим в виде:
§к+1 = Аяк + Вик + См’к + ¥§к У к - + У'к » где ёк - вектор состояния.
Характеристики моделей. Рассмотрим основные характеристики моделей, которые будем использовать в дальнейшем [30]: