Распознающие алгоритмы вычисления оценок на базе элементов теории нечетких множеств

Аннотация

Актуальность и востребованность темы диссертации. В мире в связи с резким ростом объема данных об объектах, процессах и явлениях различных областей человеческой деятельности особое внимание уделяется разработке и усовершенствованию методов интеллектуального анализа этих данных. Разработанные методы и алгоритмы, основанные на теории нечетких множеств, в интеллектуальных системах и распознающих программных комплексах используются в технологических средствах «Роботы среди людей - уже привычная ситуация. Проведённое в 2017 году Международной федерацией роботехники исследование показало, что в 2016 году во всем мире трудились около 1,5 миллиона роботов, а к концу 2017 года их количество увеличится до 1,9 миллионов»1. В этом отношении, важное значение имеют проводимые в развитых зарубежных странах мира, в частности, в США, Японии, Германии, Великобритании, России, Азербайджане, а также в Узбекистане, исследования в области внедрения теории нечетких множеств на практику. В мировой практике в таких базирующихся на человеческий разум направлениях, как интеллектуальный анализ данных и распознавание образов, проводятся целевые научные исследования по разработке и совершенствованию современных методов с «естественным» подходом, основанным на теории нечетких множеств. В этой связи, особое внимание уделяется научным исследованиям в области разработки и усовершенствования эвристических алгоритмов, основанных на принципе частичной прецедентное™ распознавания образов, а также методов распознавания образов с использованием элементов теории нечетких множеств. На сегодняшний день в нашей республике для развития информационнокоммуникационных технологий особое внимание уделяется разработке программного обеспечения, обработке и хранению данных, обеспечению их безопасности, а также созданию и практическому внедрению центров сбора данных (Data Centre). В этой сфере, в частности для хранения, цифровой обработки и интеллектуального анализа больших объемов данных (изображения, сигналы, звук и видео) разрабатываются программные продукты. Вместе с тем, требуется разработать модифицированные алгоритмы распознавания образов и усовершенствовать модули сравнения объектов, описываемых разнотипными признаками, в частности, нечеткими множествами, с целью повышения эффективности программных продуктов, разрабатываемых в области интеллектуального анализа данных. В Стратегии действий по дальнейшему развитию Республики Узбекистан в 2017-2021 годах определены задачи, в частности «Дальнейшее развитие информационнокоммуникационных технологий, создание благоприятных организационных, технологических и экономических условий для разработчиков программных продуктов, ... внедрение информационно-коммуникационных технологий в экономику, социальную сферу, системы управления»2. Выполнение данных задач, в частности разработка распознающих с использованием элементов теории нечетких множеств для систем интеллектуального анализа данных, является одним из важнейших вопросов в настоящее время. Данное диссертационное исследование в определенной степени служит выполнению задач, предусмотренных указами Президента Республики Узбекистан №УП-4947 от 7 февраля 2017 г. «О Стратегии действий по дальнейшему развитию Республики Узбекистан», №УП-5264 от 29 ноября 2017 года «Об образовании Министерства инновационного развития Республики Узбекистан», постановлениями Президента Республики Узбекистан №ПП-1989 от 27 июня 2013 года «О мерах по дальнейшему развитию Национальной информационно-коммуникационной системы Республики Узбекистан», №ПП-2158 от 3 апреля 2014 года «О мерах по дальнейшему внедрению информационно-коммуникационных технологий в реальном секторе экономики» и другими нормативно-правовыми документами, принятыми в данной сфере. Целью исследования является разработка модифицированных алгоритмов вычисления оценок с использованием элементов теории нечетких множеств в интеллектуальном анализе данных. Научная новизна исследования заключается в следующем: разработаны методы и процедуры нахождения оптимальных значений пороговых параметров и длины голосующих наборов моделей алгоритмов распознавания образов, основанных на вычислении оценок; разработаны алгоритмы нахождения оптимальных значений параметров функций принадлежностей и пороговых параметров с помощью генетического алгоритма; разработана восьмиэтапная модифицированная модель алгоритмов вычисления оценок на базе элементов теории нечетких множеств; разработан подход определения признаковых отношений между классами для формирования системы опорного множества на основе принципа частичной прецедентное™. Заключение Результаты проведенного диссертационного исследования по теме “Распознающие алгоритмы вычисления оценок на базе элементов теории нечетких множеств” сводятся к следующим основным выводам: 1. Усовершенствование методов и алгоритмов интеллектуального анализа данных и распознавания образов с использованием элементов теории нечетких множеств позволяет повысить качество сравнения объектов, описанных разнотипными признаками. 2. Разработаны методы и алгоритмы нахождения оптимальных значений параметров АВО, в частности, длины голосующих наборов в системе опорных множеств, пороговых значений, меры важности признаков и объектов и т.д. Полученные оптимальные значения параметров АВО позволяют на их основе построить эффективный алгоритм распознавания. 3. Разработан алгоритм нахождения оптимальных значений пороговых параметров с использованием генетического алгоритма. Разработанный алгоритм позволяет сэкономить время классификации объектов на 15-20% за счет нахождения многовариантных решений оптимальных значений параметров. 4. Разработаны и усовершенствованы элементарные логические классификаторы для сравнения объектов, описанных количественными и качественными признаками. Для элементарных логических классификаторов, сравнивающих нечеткие признаки, разработаны алгоритмы построения функции принадлежности и настройки их параметров с помощью генетического алгоритма. Разработанные алгоритмы позволяют повысить точность сравнения терм-множества нечеткого признака. 5. Разработана восьмиэтапная модифицированная модель АВО с использованием элементов теории нечетких множеств. Данная модификация АВО служит для повышения в 1,3 раза точности и достоверности вычисления ru(S;) голосов, поданных объектами Sj за класс Ки. 6. На основе разработанных методов и алгоритмов созданы и апробированы программные комплексы (ПРАСК-2, ПРАСК-2М, «Tulipa Recognition» и т.д.). Созданные программы служат для решения задач интеллектуального анализа данных и распознавания образов в различных прикладных областях человеческой деятельности. 7. Созданные программно-распознающие комплексы внедрены в Управлении сельского и водного хозяйства Джизакской области для решения задач определения соответствия культуры и посева и прогнозирования урожайности, в системе обработки данных и прогнозирования Государственного унитарного предприятия «Центр компьютеризации» Самаркандской области для решения задач оценки, классификации и прогнозирования деятельности объектов сервисного обслуживания, а также в Институте ботаники АН РУз для решения задач идентификации и классификации гербарных образцов рода “Tulipa L.”.