Аналіз методів розпізнавання образів в управлінні виробничими процесами. Огляд і систематизація методів класифікаційної обробки даних із різнотипними ознаками у багатокласових ситуаціях. Побудова інформаційної технології автоматизованого аналізу.
Аннотация к работе
Спеціальність 05.13.06 - автоматизовані системи управління та прогресивні інформаційні технології Автореферат дисертації на здобуття наукового ступеня кандидата технічних наукЖуковського "Харківський авіаційний інститут", Міністерство освіти і науки України Науковий керівник: доктор технічних наук, професор Сіроджа Ігор Борисович, Національний аерокосмічний університет ім. Жуковського "Харківський авіаційний інститут", завідувач кафедри програмного забезпечення. Жуковського "Харківський авіаційний інститут", професор кафедри виробництва радіоелектронних систем літальних апаратів; Захист відбудеться "21" березня 2003 р. о 14-00 годині на засіданні спеціалізованої вченої ради Д64.062.01 у Національному аерокосмічному університеті ім.Такі виробничі процеси, як пошук дефектів у цифрових устроях, технічне підготування виробництва, медична діагностика, соціальні й економічні дослідження, характеризуються багатовимірністю і різнотипністю параметрів, багатоваріантністю і багатоетапністю функціонування і повязані з прийняттям рішень на основі розпізнавання образів. Це призводить до необхідності виділити клас виробничих процесів, управління якими потребує класифікацію (розпізнавання) їхніх виробничих ситуацій. Реалізуючі ці методи системи класифікації виробничих ситуацій мають ряд обмежень: використання відновлення функцій розподілу імовірностей для побудови правил класифікації, застосування тільки кількісних ознак, великі обсяги навчальної вибірки для непараметричних моделей, відхід від уподобання первісної інформації до правила класифікації при перекодуванні первісних у різнотипному просторі, значна обчислювальна складність навчання. Рішення поставлених задач забезпечує підвищення ефективності управління виділеного класу виробничих процесів за рахунок використання оптимальних структурно-аналітичних моделей аналізу і розпізнавання досліджуваних виробничих ситуацій, одержання надійних правил їхньої класифікації і скорочення витрат на підготування виробництва. У процесі вирішення задач відповідно до мети дослідження отримані такі результати: - вперше розроблено оптимальні структурно-аналітичні моделі розпізнавання образів на основі критерію мінімізації емпіричного ризику з метою удосконалення класифікаційної обробки даних, що забезпечує підвищення адекватності моделі, достовірність результатів і найбільше ефективне розпізнавання в управлінні багатоетапними виробничими процесами;Загальна задача розпізнавання образів (класифікаційної обробки даних) полягає в такому: - задано спосіб опису I(O) кожного обєкта O із множини M на основі емпіричних вимірів його ознак (x1, x2, …, xm) = x, вибірка Z0= {x(1),…,x(m)} описів (точок) у різнотипному просторі ознак Xn, що містить неповну інформацію I(Kj) (j= ) про класи з указівками (або без них) про належність обєктів відповідним образам; Виходячи з аналізу застосування систем розпізнавання складних обєктів, виявлено актуальність розробки моделі і системи для класифікації виробничих ситуацій за різнотипними даними із прийнятною вартістю, простою архітектурою, достатнім ступенем ефективності розпізнавання за рахунок інваріантності моделі стосовно припустимих перетворень шкал виміру ознак, простоти інтерпретації при формуванні моделей досліджуваних обєктів, попереднього аналізу даних, оцінювання інформативності ознак. Визначено структурно-аналітичні моделі, створення яких, на відміну від відомих методів розпізнавання образів, включає етапи формування основного словника граматики образів, синтаксичного зразка як таблиці істинності предикатів з обраної опорної множини для усіх обєктів із таблиці експериментальних даних (ТЕД) і побудову граматики образів. Припустимо, що - число правильно розпізнаних обєктів xi, i=1,2,...,mk, із класу в апріорній послідовності ознакового простору Xn, mk-число обєктів класу k , а функція має імовірнісний характер, тобто задається розподілом , де Lk - щільність розподілу. На базі використання СА метода розпізнавання образів, методів математичної статистики і теорії тестів досліджено властивості синтаксичного зразку оптимальної СА моделі за критерієм мінімізації емпіричного ризику: - наявність базового набору властивостей-предикатів, які присутні у всіх структурно-повних системах синтаксичного зразка для побудови правил класифікації;У дисертації викладено теоретичне узагальнення задачі розпізнавання образів на випадок структурного образу у просторі різнотипних ознак та нове вирішення наукової задачі створення структурно-аналітичних моделей, алгоритмів і інтерактивного програмного комплексу для класифікаційної обробки різнотипних даних з метою підвищення ефективності управління виробничими процесами.