авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |   ...   | 6 |

«ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ВОЛГОГРАДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ »«¬–“» ¬—–  ...»

-- [ Страница 3 ] --

зультаты, полученные на наборе дневных и ноч- http://graphics.cs.msu.su/ ных фотографий, дали следующие результаты: 2. Viola P., Jones M. Robust real-time object detection.

отсечение шумных и монотонных участков [Электронный ресурс]. – [2001]. – Режим доступа:

изображения позволяет обрабатывать их от 2 до www.hpl.hp.com/techreports/Compaq-DEC/CRL-2001-1.pdf 3. Vezhnevets V., Sazonov V., Andreeva A., A Survey on 5 раз быстрее без снижения точности. Исполь Pixel-Based Skin Color Detection Techniques. [Электронный зование цветовой информации и обрамляющих ресурс]. – [2006]. – Режим доступа: http://graphics.cs.msu.su/ эллипсов позволяет добиться ускорения от 5 до 4. OpenCV library. [Электронный ресурс]. – [2006]. – 100 раз за счет многократного снижения пло- Режим доступа: http://opencv.sourceforge.net/ УДК 004.056.5 + 004. В. В. Натров ОПРЕДЕЛЕНИЕ ЦЕЛЕЙ И ФУНКЦИЙ СИСТЕМЫ КОГНИТИВНОГО МОДЕЛИРОВАНИЯ ОБЪЕКТА ЗАЩИТЫ Волгоградский государственный технический университет (nvv@volgograd.so-ups.ru) Для анализа объекта защиты методом когнитивного моделирования предложена модель системы, позволяющей соз давать когнитивные модели с применением составных факторов, условных начальных тенденций и условных связей.

Представлена диаграмма классов, описывающая вложенность факторов. Определены паттерны проектирования, требуе мые для программной реализации системы.

Ключевые слова: когнитивное моделирование, объект защиты, диаграмма классов, паттерны проектирования.

V. V. Natrov COGNITIVE SYSTEM OF PROTECTION OBJECT MODELING: GOALS AND FUNCTIONS DEFINITION An effective analysis of the protection object can be carried out with the help of the proposed cognitive modeling system.

The cognitive modeling permits to create different intelligent schemas that include composed factors, initial tendencies and con tingent ties. The proposed system is also used in order to depict and classify factors nesting and to definite projecting patterns which are necessary for program realization of the system.

Cognitive modeling, protection object, class diagram, projecting pattern.

Процесс создания когнитивной модели по Введение Совершенствование методов и средств, с ис- зволяет сконцентрировать знания и опыт чело пользованием которых производятся наруше- века в моделируемой предметной области и сти ния установленного режима информационной мулирует процесс дальнейшего поиска реше безопасности (ИБ), происходит постоянно и ний в рамках данной задачи.

очень активно. Зачастую уровень их развития Кроме непосредственно создания модели опережает уровень развития средств и методов предметной области методы КМ позволяют:

защиты (СМЗ). Совершенствование СМЗ за- 1) осуществить целеполагание, т. е. опреде трудняется сложностью создания формализован- ление или уточнение целей моделирования;

ной модели в силу наличия множества взаимо- 2) выявить факторы, слабо/существенно связанных факторов различной природы. влияющие на объект моделирования;

Между тем существует объект, использова- 3) выявить ранее неизвестные взаимосвязи ние которого в построении модели может при- между факторами;

вести к существенному качественному улучше- 4) моделировать временные процессы [2].

нию создаваемой модели – человек. И когни- Создание модели объекта защиты на основе тивное моделирование (КМ) – метод, позво- существующих методов КМ сопряжено с неко ляющий объединить возможности абстрактного торыми трудностями в связи с отсутствием мышления человека и ЭВМ. следующих функций:

ИЗВЕСТИЯ ВолгГТУ 1) поддержки составных факторов (содер жащих более детальное описание структуры и зависимостей) – уровней абстракции;

2) поддержки условной начальной тен денции;

3) поддержки условных связей;

Эти функции необходимо реализовать в соз даваемой системе моделирования, чтобы иметь возможность анализировать сложные факторы и связи, свойственные моделируемым объектам Рис. 1. Вложенность факторов в нотации OMT защиты.

Проектирование Базовый класс Factor – виртуальный. Его по Основной функцией проектируемой систе- томки – FinalFactor (класс несоставных факторов) мы является поддержка составных факторов, и CompositeFactor (класс составных факторов).

представляющих собой подмодель. В связи с этим CompositeFactor ссылается на родительский класс определяются основные требования к архитек- Factor, что и является организацией вложенности.

туре системы: Класс CompositeFactor является потомком 1) поддержка вложенности факторов (со- двух классов: Factor и Model, что не совсем кор ставных факторов);

ректно с точки зрения проектирования, но в дан 2) вложенность факторов – не менее 2;

ном случае это оправдано: свойства и функции 3) возможность работать с составным фак- класса Model не являются общими для всех фак тором, как с отдельной моделью с учетом огра- торов, поэтому не объединены в классе Factor.

ничений, накладываемых на такой фактор. Данная структура позволяет работать с со Подмодели отличаются от основной модели ставными факторами как отдельной моделью ограничением числа факторов, связывающих (подмоделью). При этом запоминается его со подмодель с основной моделью или подмоде- стояние до этого действия.

лью более высокого уровня – не более одного. В процессе работы с подмоделью можно С введением возможности использования производить все действия, соответствующие составных факторов уровень сложности созда- модели, ограниченные только текущим уров ваемой системы существенно увеличивается. нем вложенности и числом факторов, связан При неверном подходе к процессу проектиро- ных с более высоким уровнем:

вания вероятность ошибок проектирования 1) создавать и удалять факторы и связи ме возрастает. Изначально верное проектирование жду ними;

существенно упрощает как дальнейшую разра- 2) задавать начальные тенденции (для фак ботку программы, так и усложнение архитекту- торов) и влияния (для связей);

ры ПО и расширение его функциональности. 3) создавать сценарии и исследовать под С целью повышения гибкости архитектуры модель.

ПО и снижения числа ошибок проектирования Кроме этого дополнительно возможно только были разработаны и классифицированы по ти- возвращение запомненного до изменений со пу решаемых задач паттерны проектирования стояния или сохранение обновленного состоя (design patterns) [1]. ния подмодели в основной модели.

В данной задаче на этапе предварительного проектирования была определена необходи- Заключение мость в использовании следующих паттернов: В процессе проектирования системы моде 1) компоновщик (composite) – для организа- лирования была обозначена новая задача: про ции вложенности факторов;

работать заявленные изменения принципов по 2) итератор (iterator) – для последователь- строения когнитивной модели. Это требует ного обхода всех факторов;

корректировки математического аппарата КМ, 3) состояние (state) – для отслеживания со- что и является текущей задачей в процессе стояний модели и возможности вернуться к лю- дальнейшей разработки системы.

бому из зафиксированных;

4) декоратор (decorator) – для работы с мо- БИБЛИОГРАФИЧЕСКИЙ СПИСОК делью в виде взвешенного направленного графа. 1. Гамма Э., Хелм Р., Джонсон Р., Влиссидес Дж.

Диаграмма классов (в нотации OMT (Object Приемы объектно-ориентированного проектирования. Пат терны проектирования. – СПб.: Питер, 2001. – 368 с.: ил.

Modeling Technique, Методика Моделирования 2. Робертс Ф. С. Дискретные математические моде Объектов)) для организации вложенности фак- ли с приложениями к социальным, биологическим и эко торов представлена на рис. 1. номическим задачам. М.: Наука, 1986.

50 ИЗВЕСТИЯ ВолгГТУ УДК 519. Д. П. Олейников, Л. Н. Бутенко ИСПОЛЬЗОВАНИЕ ПРИНЦИПА ПОЛЯРНОСТИ ДЛЯ СИНТЕЗА НОВЫХ МЕТОДОВ ПРИНЯТИЯ РЕШЕНИЙ Волгоградский государственный технический университет (Rio-grande@mail.ru, butenko@vstu.ru) В данной статье описана процедура синтеза метода принятия решений с использованием подхода, основанного на принципе полярности. Новый метод, обладая свойствами базового ММ-метода, способен выбирать решение в ситуации, когда выигрыши описаны вербальными оценками.

Ключевые слова: принятие решений, синтез методов принятия решений, принцип полярности.

D. P. Oleynikov, L. N. Butenko USING POLARITY PRINCIPLE FOR SYNTHESIS OF NEW DECISION-MAKING METHODS A new approach of synthesis of decision methods based on polarity principle is described in this paper. The new method is possessed of basic characters of MM-method and can make decision in situation, when win is described with verbal marks.

Decision-making, synthesis of decision methods, polarity principle.

Проведенный нами анализ методов теории шкал критериев. На данном этапе необходимо принятия решений (ПР) [1] выявил следующие выделить множество полярных свойств, кото направления их развития: усиление учета роли рые соответствуют характеристикам систем субъективной составляющей и разнообразные (подсистем), входящих в базу синтеза.

формы агрегации существующих методов ПР. Од- 4. Выбор базовой подсистемы, на основа нако это, по нашему мнению, не позволяет суще- нии которой синтезируется новая система. В ка ственно расширить область их применения и уве- честве базовой выбирается подсистема, наибо личить их эффективность как того требуют задачи, лее полно соответствующая цели синтеза, оп решаемые в экономической, технической, соци- ределенной в пункте 1.

альной, управленческой и других видах деятель- 5. Формирование требований к создаваемой ности, имеющие тенденцию к учету все большего системе (подсистеме) с учетом выбранной количества взаимодействующих факторов. Это стратегии (цели), а также с учетом ограниче делает актуальной задачу синтеза новых методов ний, накладываемых ранее синтезированными ПР с расширенной сферой применения. системами (подсистемами).

Целью данной работы является изучение 6. Выбор элементов базовых систем, реали возможности использования разработанного зующих выдвинутые требования.

нами подхода к синтезу методов ПР на прин- 7. Формирование условий использования ципе полярности [2, 3] в области, в которой ра- каждого элемента в новой системе.

нее применяли лишь детерминированные мето- 8. Преобразование выбранных элементов ды с количественной оценкой. Основные поло- или добавление новых элементов внешних сис жения принципа полярности состоят в сле- тем для устранения противоречивости требова дующем [4]: ний соседних элементов.

1. Принцип полярности выражает идею 9. Компоновка подсистем с учетом выдвину двойственности любых объектов природы как тых требований из модифицированных элементов фундаментального свойства проявленного мира. сравниваемых систем, а также из элементов внеш 2. Развитие объекта происходит в результа- них систем, удовлетворяющих требованиям.

те синтеза двух противоположных начал. 10. Ресинтез (в случае необходимости) ра Отметим, что новизна системы может быть нее созданных систем (подсистем).

обеспечена только в результате ее развития. 11. Компоновка целевой системы с учетом Разработанный подход состоит из следую- выдвинутых требований из модифицированных щих этапов: элементов сравниваемых систем, а также из 1. Определение цели синтеза. элементов внешних систем, удовлетворяющих 2. Выбор пары систем в качестве базы син- требованиям.

теза новой системы, совокупность наименова- На различных этапах данного подхода каж ний характеристик которых удовлетворяет по- дый из методов ТПР, включенных в базу синте ставленной цели. Желательно провести анализ за, рассматривается как система, состоящая из базовых систем с выделением основных струк- подсистем выявления предпочтений, принятия турных элементов и выполняемых функций. решений и т. д.

3. Проведение сравнительного анализа сис- На основании разработанного подхода вна тем (подсистем) с использованием полярных чале нами была поставлена задача синтеза тре ИЗВЕСТИЯ ВолгГТУ бования к методу принятия решений, содержа- В качестве базовой подсистемы был выбран щего принципы методов вербального анализа ММ-критерий, к которому выдвинуто требова решений (ВАР) [5] и минимаксный критерий ние – использовать только вербальные оценки.

(ММ-критерий) [6]. Требование "использовать только вербальные Был проведен сравнительный анализ мето- оценки" реализуется при помощи порядковой дов с использованием полярных шкал, резуль- шкалы вербальных оценок, используемой в ме таты которого приведены в табл. 1. тоде ЗАПРОС.

После проведения анализа были выдвинуты Условием применения порядковой шкалы следующие требования к новому методу при- вербальных оценок является использование толь нятия решений, удовлетворяющие принципу ко допустимых операций: X = Y – эквивалентно, полярности: X Y – неэквивалентно, X Y – X предпочти 1) структурированность задачи принятия тельнее Y, X Y – Y предпочтительнее X.

решений – хорошо структурированная;

В процессе формирования решения в ММ 2) время предъявления альтернативы – до критерии используются допустимые для поряд построения решающего правила;

ковых шкал преобразования (нахождение мак 3) нет необходимости оценивания альтерна- симума и минимума), поэтому противоречия тив в оценках по критериям;

между требованиями компонуемых элементов 4) использование только вербальных оценок;

не обнаружены.

5) использование только обобщенного кри- В ходе проектирования нового метода нами терия;

произведена замена абсолютной шкалы выиг 6) нет необходимости построения решаю- рышей альтернатив на порядковую шкалу вер щего правила;

бальных оценок выигрышей альтернатив.

7) возможность учета более одной ситуации Проведем концептуальное проектирование принятия решений;

нового метода как системы. В новом методе 8) возможность множественного описания принятия решений (назовем его ВММ – вер альтернативы;

бальный минимаксный критерий) используют 9) однокритериальное описание альтернативы. ся следующие элементы:

1) A = { A1, A2,..., An } – множество альтернатив;

Таблица 2) F = {F1, F2,..., Fm } – множество возможных со Сравнительный анализ метода ЗАПРОС стояний среды принятия решений, о вероятно и ММ-критерия сти проявления которых ничего неизвестно – Критерий ММ-критерий ЗАПРОС все считаются равновероятными;

3) вербальная шкала оценок выигрышей Структурированность Хорошо Неструктури задачи принятия реше- структуриро- рованная U = {U1, U 2,..., U n }, элементы которой строго упо ний ванная рядочены;

Время предъявления До построе- После построе 4) Uij – выигрыш при использовании аль альтернативы ния решаю- ния решающе тернативы Ai при условии Fj.

щего правила го правила Требуется: на основании имеющихся дан Нет Да Необходимость оцени ных выбрать альтернативу, полностью исклю вания альтернатив в чив риск.

оценках по критериям Схема алгоритма метода ВММ показана на Нет Да Использование только вербальных оценок рис. 1.

Да Нет Использование обоб щенного критерия Нет Да Необходимость по строения решающего правила Рис. 1. Схема алгоритма метода ВММ Да Нет Возможность учета бо лее одной ситуации Процесс поиска решения соответствует принятия решений процессу, используемому ММ-критерием, и со Да Нет Возможность множе стоит из следующих этапов:

ственного описания 1) для каждой альтернативы выбрать мини альтернативы мальный выигрыш;

Описание альтернати- Однокрите- Многокрите 2) выбрать альтернативу, имеющую макси вы риальное риальное мальный выигрыш среди минимальных.

(стоимость) 52 ИЗВЕСТИЯ ВолгГТУ Матрица выигрышей метода ВММ, исполь- Созданные методы обладают следующими зующая вербальную шкалу, состоящую из оце- характеристиками:

нок "Высокий", "Средний" и "Низкий", приве- 1. Область применения: решение задач вы дена в табл. 2. бора в том числе и при коллективном принятии решений.

Таблица Матрица выигрышей 2. Целевая функция: выбор лучшей альтер нативы из заданного множества альтернатив, Аль имеющих качественные оценки выигрышей, Ситуация Ситуация Ситуация Мин. вы- Макс. вы терна 1 2 3 игрыш игрыш при полном исключении риска.

тива 3. Метод-прототип: ММ-критерий.

А1 "Высо- "Высо- "Низкий" "Низкий" "Высо 4. Отличие от метода-прототипа: расширение кий" кий" кий" границ использования ММ-критерия за счет обес А2 "Сред- "Сред- "Сред- "Сред- "Сред печения возможности выбора лучшей альтернати ний" ний" ний" ний" ний" вы при качественной оценке ее выигрыша.

А3 "Сред- "Низкий" "Высо- "Низкий" "Высо Научная новизна: разработаны новые мето ний" кий" кий" ды ВАР, предназначенные для выбора лучшей альтернативы и отличающийся от метода-про В соответствии с приведенной матрицей тотипа (минимаксного критерия) тем, что с це выигрышей, при использовании метода ВММ лью расширения границ использования ММ следует выбрать альтернативу 2 как обладаю критерия за счет обеспечения возможности вы щую наибольшим выигрышем среди наимень бора лучшей альтернативы при качественной ших. Метод максимина, который можно отне оценке ее выигрыша, абсолютная шкала оценки сти к семейству методов ВММ, аналогичен ми выигрышей альтернатив заменена на порядко нимаксному, за исключением того, что вначале вую, имеющую вербальные оценки.

выбираются элементы с наибольшим выигры Основными результатами работы авторы шем, а затем из них выбирается элемент с наи положительную апробацию разработанный меньшим выигрышем. В соответствии с приве подхода к синтезу методов принятия решений, денной матрицей выигрышей результатом бу основанного на комбинировании полярных в не дет являться Альтернатива 2.

которых отношениях элементов. Данный под Разработанные методы позволяют принимать ход был использован для синтеза нового метода решения в ситуациях, когда невозможно количе принятия решений – ВММ, расширяющего об ственно оценить выигрыш альтернативы, а воз ласть применения ММ-критериев, что показало можно указать только качественную оценку. практическую его практическую значимость.

В результате анализа ВММ-критерия был Кроме того, была выявлена возможность ис выявлен еще один аспект его применения – в ка- пользования метода ВММ в процессе коллек честве инструмента получения согласованной тивного принятия решений.

экспертной оценки. В этом случае ситуации принятия решений отождествляются с экспер- БИБЛИОГРАФИЧЕСКИЙ СПИСОК тами, оценивающими заданные альтернативы. 1. Олейников Д. П., Бутенко Л. Н. Анализ возможно Формально задача принятия решений может стей совершенствования методов вербального оценивания // Успехи современного естествознания:науч.-теоретич.

быть описана следующим образом:

журнал: Приложение № 1. Материалы ХХХI Междунар.

1) A = { A1, A2,..., An } – множество альтернатив;

конф. IT+SE`2004. – 2004. – № 5. С. 42-43.

2. Олейников Д. П., Бутенко Л. Н. Синтез методов 2) F = {F1, F2,..., Fm } – множество экспертов, принятия решений на основе принципа полярности // Ус оценивающих заданные альтернативы;

пехи современного естествознания:науч.-теоретич. жур 3) вербальная шкала оценок выигрышей нал / – М. – 2005. – № 11. С. 34-36.

3. Олейников Д. П., Бутенко Л. Н. Синтез структури U = {U1, U 2,..., U n }, элементы которой строго упо- рованного представления задачи приятия решений метода рядочены;

ВЕРБА на основе принципа полярности // Современные наукоемкие технологии: науч.-теоретич. журнал / – М. – 4) Uij – оценка альтернативы Ai назначенная 2005. – № 8. С. 28-29.

экспертом Fj. 4. Теслинов А. Г. Развитие систем управления: мето Требуется: на основании имеющихся дан- дология и концептуальные структуры. – М.: Глобус, 1998. – ных выбрать альтернативу, полностью исклю- 230 с.

5. Ларичев О. И.., Мошкович Е. М. Качественные ме чив риск.

тоды принятия решений. – М.: Наука, 1996. – 206 с.

На основании вышесказанного методы 6. Розен В. В. Математические модели принятия ре ВММ могут использоваться в коллективном шений в экономике. Учебное пособие. – М.: Книжный дом принятии решений. "Университет", Высшая школа, 2002. – 288 с.

ИЗВЕСТИЯ ВолгГТУ УДК 519. С. П. Олейников, Д. П. Олейников, Л. Н. Бутенко ПРИМЕНЕНИЕ ПРОЦЕДУР ВЕРБАЛЬНОГО АНАЛИЗА РЕШЕНИЙ ДЛЯ РАНЖИРОВАНИЯ ВАРИАНТОВ В УСЛОВИЯХ НЕПОЛНОТЫ ИНФОРМАЦИИ Волгоградский государственный технический университет (soleynikov@list.ru, Rio-grande@mail.ru, butenko@vstu.ru) В данной статье описан метод принятия решения в ситуации неполноты информации. Метод учитывает возмож ность декомпозиции главной задачи на подзадачи. Для решения каждой конкретной подзадачи применяется наиболее подходящий метод, позволяющий установить порядок для заданных альтернатив.

Ключевые слова: принятие решений, условия неполноты информации, ранжирование альтернатив.

S. P. Oleynikov, D. P. Oleynikov, L. N. Butenko USING OF VERBAL ANALYSIS PROCEDURES FOR ALTERNATIVE RANKING IN THE INFORMATION IMPERFECTION CONDITIONS A new decision-making method is described in this paper. This method takes into account a possibility to structure main goal as hierarchy of sub goals. An appropriate decision making method is used for alternative ranking during solving each sub goal.

Decision-making, imperfection conditions of information, alternative ranking.

В данной статье описан метод принятия 4. Общая оценка альтернатив может быть решения в ситуации неполноты информации. получена лишь на основе субъективных пред Метод учитывает возможность декомпозиции почтений ЛПР.

главной задачи на подзадачи. Для решения ка- 5. Оценки альтернатив по отдельным крите ждой конкретной подзадачи применяется наи- риям могут быть получены только от экспертов.

более подходящий метод, позволяющий уста- Многокритериальные задачи принятия ре новить порядок для заданных альтернатив. Ес- шений представляют собой особо сложный ли принять, что вариант решения главной зада- класс задач для человеческой системы перера чи состоит из совокупности альтернатив ботки информации. Согласно эксперименталь подзадач. То данный метод реализует подход ным данным наиболее правдоподобная модель для сравнения всех имеющихся вариантов ре- при принятии решения человеком предложена шения главной задачи. Р. Актинсоном и Р. Шифриным. Согласно этой Методы вербального анализа решений модели выделяют три вида памяти: сенсорная, (ВАР) решают задачи, относящиеся к неструк- кратковременная и долговременная. Как пока турированным проблемным областям [1, мето- зали эксперименты, принятие решений проис да]. Неструктурированные проблемные области ходит именно в кратковременной памяти. На обладают следующими характерными чертами: личие многих критериев приводит к большой 1. Они являются проблемами уникального нагрузке на кратковременную память, заставля выбора в том смысле, что каждый раз проблема ет человека использовать различные эвристики является новой для ЛПР. для того, чтобы справиться с задачей при огра 2. Они связаны с неопределенностью в оцен- ниченном объеме кратковременной памяти. В то ках альтернативных вариантов решения пробле- же время в практической деятельности челове мы, которая объективно обусловлена нехваткой ка многокритериальные задачи встречаются все информации на момент решения проблемы. чаще, что вызвано усложняющейся ситуацией 3. Оценки альтернативных вариантов реше- в принятии решений, когда становится необхо ния проблемы имеют качественный характер. димым учитывать много различных факторов.

Критерий Может использовать дру Иерархическое Преобразо- Позволяет упорядочить Проблемная гие методы принятия ре представление вания пе- по качеству все возмож область шения для решения глав главной задачи ременных ные альтернативы Метод ной задачи МАИ структури + + – – рованная ЗАПРОС неструкту – – – + рированная Мини-макс, критерий Гермей- структури ера, Ходжа-Лемана, Байеса- рованная – + – – Лапласа, Гурвица, Сэвиджа, произведений, BL(MM) ОРКЛАСС неструкту – – – – рированная 54 ИЗВЕСТИЯ ВолгГТУ Так, проблемы принятия стратегических ре- метод, который к тому же служит для решения шений экономического и политического характера задач какой-либо одной проблемной области.

относятся к неструктурированным. Действитель- Проведенный анализ позволил выделить но, в таких проблемах основные характеристики недостатки, свойственные для каждого из ме имеют качественный характер, отсутствуют доста- тодов. Каждый метод может решать задачи точно надежные количественные модели. только своей проблемной области (либо струк Проблемы планирования научных исследо- турированная, либо не структурированная).

ваний и разработок, конкурсного отбора проек- Также видно, что ни один из рассмотренных тов относятся к неструктурированным. Отме- методов не может использовать другие методы тим также, что к этому же классу относится для помощи в решении задачи.

и большинство личных проблем выбора. На основании анализа были сформулирова Часто, наряду с задачами неструктуриро- ны требования для нового метода, который ванного характера, приходится решать и зада- учитывал бы выявленные недостатки. Метод чи, имеющие структурированный характер. должен обладать следующими особенностями:

Структурированные проблемные области • Возможность решения подзадач, принад можно охарактеризовать следующим образом: лежащих к разным проблемным областям. Т. е.

• существенные зависимости выяснены на- оперировать как качественными, так и количе столько хорошо, что они могут быть выражены ственными переменными.

в числах или символах, получающих, в конце • Возможность ранжирования вариантов концов, численные оценки. Т. е. задачи, отно- решения главной задачи, состоящих из альтер сящиеся к данной проблемной области, неодно- натив разных подзадач кратно встречались ранее и успешно решались. • Возможность представления главной за В условиях, когда главная задача декомпо- дачи в виде иерархии подзадач зируется на подзадачи, которые относятся к раз- • Возможность применения любых методов ным проблемным областям, нами представля- принятия решений, позволяющих установить ется, недостаточно применять какой-то один порядок предложенных альтернатив Стадии формирования решающего правила:

Формирование главной задачи, требующей решения 1. Формирование главной задачи.

Декомпозиция Постановка задачи на Осуществляется экспертом совместно с консуль главной задачи подзадачи тантами по проблемам принятия решений [2].

2. Решение подзадач.

Определение методов Выявление критериев, решения каждой характеризующих Построение решающего правила для методов каж подзадачи каждую подзадачу дой подзадачи осуществляется экспертом.

3. Ранжирование вариантов решения главной за Решение каждой подзадачи дачи.

Расстановка векторных После построения решающих правил ЛПР может оценок для альтернатив в каждой подзадаче упорядочить имеющиеся варианты решения глав ной задачи. Если на момент принятия решения ре шающее правило не было построено для какой Присвоение рангов альтернативам в либо подзадачи, или просто отсутствовала инфор каждой подзадаче в результате ранжирования альтернатив мация, то имеется возможность получить частич ный порядок имеющихся вариантов решения.

Процедура расстановки рангов имеющихся вари Ранжирование вариантов решения главной задачи антов решения главной задачи, такая же, что и у Присвоение рангов метода ЗАПРОС. После определения векторных вариантам решения оценок альтернативы им присваиваются ранги.

главной задачи Данная процедура применяется для всех предло женных альтернатив. И, наконец, ранги всех аль Выбор варианта тернатив упорядочиваются по возрастанию и срав решения (лучшего) главной задачи ниваются.

ИЗВЕСТИЯ ВолгГТУ Одним из методов ВАР является ЗАПРОС f 4. aki – f-ая альтернатива i-ой задачи k-ого (Замкнутые ПРоцедуры у Опорных Ситуаций) варианта решения главной задачи.

предназначен для формирования частичного 5. C ip – p-ый критерий для оценивания i-ой порядка на множестве альтернатив, имеющих подзадачи, где p = 1...r – количество критериев качественное (вербальное) описание. Формаль для оценивания i-ой подзадачи.

но задача, решаемая этим методом, может быть Т р е б у е т с я:

описана следующим образом:

На основе построения решающих правил всех • N – множество критериев оценки альтер подзадач упорядочить все предложенные варианты натив;

решения главной задачи по предпочтению.

• nj – число вербальных оценок на порядко вой шкале j-го критерия;

Метод обладает следующими преимущест • X j = {x j1, x j 2,..., x jn } – множество оценок на вами:

j • Возможность решения подзадач, принад шкале j-гo критерия, упорядоченных от лучшей лежащих к разным проблемным областям (как к худшей;

к неструктурированным, так и к структуриро • множество всех возможных векторов ванным).

Y = { X 1 X 2... X N }, состоящих из оценок вида • Возможность ранжирования вариантов yi = {x1k, x2 m,..., xNt }, где каждый вектор yi имеет од- решения главной задачи, состоящих из альтер ну из оценок по шкале каждого из критериев;

за- натив разных подзадач.

пись Y = { X 1 X 2... X N } определяет N-мерную • Уменьшение времени на опрос эксперта.

Экономия времени как раз достигается разде сетку, каждая точка которой является одним из возможных сочетаний оценок по критериям;

лением главной задачи на подзадачи, за счет то • альтернативы из множества A = {a1, a2,..., an }, го, что сравниваются не все пары критериев.

• Возможность представления главной за имеющие оценки, соответствующие векторам:

дачи в виде иерархии подзадач.

y1, y2,..., yn.

• Возможность применения любых методов Требуется: на основе предпочтений ЛПР принятия решений, позволяющих установить построить правило упорядочения многокрите порядок предложенных альтернатив.

риальных альтернатив (решающее правило) и на • Возможность замены метода решения под основе этого правила упорядочить заданные задачи на другой метод после определения ре альтернативы.

шающих правил всех методов решения подзадач.

В методе ЗАПРОС для установки порядка • Есть возможность не учитывать заведомо альтернатив используется процедура расстановки рангов для векторных оценок альтернатив. худшие альтернативы.

• Имеется возможность частично упорядо В соответствии с выявленными требова чить имеющиеся варианты решения главной ниями был разработан метод.

задачи при недостатке сведений (т. е. при от П о с т а н о в к а з а д а ч и: требуется по сутствии решающего правила метода какой строить правило упорядочения вариантов ре либо подзадачи или невозможности выбрать шения главной задачи.

оценку по критерию на данном этапе принятия Д а н о:

решения ЛПР для альтернативы какой-либо 1. Z0 – главная задача, Z 0 = {Z1, Z 2,…, Z n } подзадачи).

2. Zi – i-ая подзадача, где i = 1..n, n – количе ство подзадач. Подзадача должна решаться мето- БИБЛИОГРАФИЧЕСКИЙ СПИСОК дом, способным установить порядок среди всех 1. Ларичев, О. И. Теория и методы принятия реше предложенных альтернатив для этой подзадачи. ний, а также Хроника событий в Волшебных Странах:

учебник. – М.: Логос, 2000. – 296 с.

3. Vk – k-ый вариант решения главной зада 2. Ларичев, О. И. Качественные методы принятия чи, где k = 1..m, m – количество вариантов ре решений: вербальный анализ решений / О. И. Ларичев, шения главной задачи Vk = {aks1, ak 2,…, akn }.

t u Е. М. Мошкович. – М.: Наука-Физматлит, 2004. – 209 с.

56 ИЗВЕСТИЯ ВолгГТУ УДК 004.932. О. О. Привалов*, Л. Н. Бутенко** АЛГОРИТМ АВТОМАТИЧЕСКОГО ПРЕПАРИРОВАНИЯ ГРАФИЧЕСКОГО ИЗОБРАЖЕНИЯ ДЛЯ ВЫДЕЛЕНИЯ КЛЕТОК ПЕРИФЕРИЧЕСКОЙ КРОВИ *КТИ ВолгГТУ, **Волгоградский государственный технический университет (butenko@vstu.ru, galva@mail.ru) В работе рассматривается метод предварительной подготовки изображения периферической крови, полученного в ре зультате микроскопии к автоматизированному подсчёту структурной формулы. Цель алгоритма – обеспечить выделение объектов интереса на растровом изображении для последующего определения выделенных морфометрических признаков.

Ключевые слова: алгоритм, бинаризация, сегментация, контрастирование, клетка крови, растровое изображение.

O. O. Privalov, L. N. Butenko ALGORITHM OF AUTOMATIC PREPARATION OF A GRAPHICS IMAGE FOR SELECTION OF CAGES OF PERIPHERAL BLOOD In operation the method of preliminary preparation of the map of the peripheral blood received as a result of microscopy to automated count of the structural formula is considered. The algorithm purpose - to provide selection of objects of interest on a raster image for the subsequent definition selected morpho-metric tags.

Algorithm, segmentation, a blood cell, a raster image.

Анализ этих алгоритмов на примере рас В работе рассматривается метод предвари тровых изображений мазков периферической тельной подготовки микроскопического изо крови, позволил сделать следующие выводы:

бражения периферической крови к автоматизи анализ бимодальной гистограммы сложен для рованному подсчету структурной формулы.

автоматизированного анализа, адаптивная би Основным этапом распознавания образов наризация требует больших вычислений и под является этап предварительной подготовки ис бора радиуса окрестности.

следуемого изображения. Цель: обеспечить Алгоритм k-средних может быть представ улучшение качества изображения путем фильт лен следующим образом:

рации и отсеивание таких паразитных явлений Алгоритм бинаризации k-средних:

как неоднородность фона, наличие посторон- b них включений и т. д. H [i ] * i S ( a, b) = i =ab Главный недостаток пороговой бинариза-, ции связан с необходимостью подстройки зна- H [i ] чения порога экспертом, оценивающим качест- i =a Входная информация: H[0..255] – массив во препарирования. Сохранение значения поро гистограммы;

га от препарата к препарату, в большинстве 1. Поиск Min(H) и Max(H);

случаев не наблюдается. Еще одним недостат 2. Расчет предварительного порога ком обработки изображения мазка, является уз T = ( Min( H ) + Max( H )) / 2 ;

кий диапазон яркостей, что приводит к умень шению четкости препарирования. 3. Порог на предыдущем шаге T’ = 0;

Актуальная задача – использование адап- 4. While T’ не равно T do тивных алгоритмов бинаризации, позволяющих Begin автоматизировать процесс выделения иссле- 5. T’ = T;

дуемых объектов из основного фона препарата. 6. Расчет средней яркости всех пикселей с яр Можно выделить три основных алгоритма ав- костью меньше порога Smin=S(0,T);

томатического определения порога бинаризации: 7. Расчет средней яркости всех пикселей с яр анализ бимодальной гистограммы (исполь- костью больше порога Smax=S(T,255);

зуется, когда фон изображения дает отчетли- 8. Расчет нового значения порога вый и доминирующий пик гистограммы, сим- T = ( S min + S max) / 2 ;

метричный относительно своего центра);

End адаптивная бинаризация (применяется в слу- Выходная информация: T – итоговое зна чае неравномерной яркости фона и объектов);

чение порога;

алгоритм k-средних (позволяет автоматиче- Анализ выявил следующие недостатки ал ски, итеративным методом разбить диапазон горитма:

яркостей на два кластера, кластер – фон, кла- результат бинаризации является неудовле творительным при узком диапазоне яркостей;

стер – объект) [3];

ИЗВЕСТИЯ ВолгГТУ наблюдается потеря части информации, кластеризация в диапазоне яркостей соответст принадлежащей объектам (это связано с нали- вующих фону. Полученное пороговое p2 значе чием так называемого промежуточного диапа- ние используется для корректировки итогового зона яркостей, лежащего на границе между яр- порога бинаризации, который рассчитывается костью пикселей относящихся к фону, и ярко- как среднее значение от p1 и p2..

стью пикселей объекта);

p1 + p p= Для совершенствования процесса нами пред- ложено поэтапное преобразование изображения. Если яркость исследуемых объектов четко П е р в ы й э т а п. Этап является подгото- разграничена с яркостью фона, то применение вительным. Проводится предварительное кон- двух этапной кластеризации может привести к трастирование. Рассчитывается математическое появлению нежелательных "примесей фона".

ожидание и среднеквадратическое отклонение Анализ качества и возможности использования яркости каждой составляющей цвета (красной второго этапа кластеризации ложится на опера [Mr;

r ], зеленой [Mg;

g ], синей [Mb;

b ]) для тора системы. Выбор выполняется один раз на всего диапазона пикселей. этапе настройки системы распознавания.

N N N Пример работы алгоритма на примере растро hg i * i hbi * i hri * i вого изображения мазка периферической крови.

Mg = i =0N Mb = i =0N i = Mr = N На рис. 1 представлено растровое изображение hri hg i hbi (рис. 1а), поступающее на вход алгоритма. Как i =0 i =0 i = видно из гистограммы (рис. 1б) изображение име 1 N r = ( i Mr ) hri ет суженный диапазон яркостей. Применение ал N i = hri горитма k-средних в один этап без предваритель i = ного контрастирования приводит к получению не 1 корректной маски фона (рис. 2а).

N g = ( i Mg ) hg i После выполнения первого этапа предла N i = hg i гаемого алгоритма, гистограмма изображения i = "растягивается" по всему диапазону яркостей.

1 N Изменение качества можно увидеть визуально r = ( i Mb) hbi (рис. 2а), объекты стали контрастнее. После N i = hbi применения стандартного алгоритма k-средних i = результат бинаризации улучшается (рис. 2б), где N – количество элементов в массиве гисто края объектов не имеют разрывов, четко про граммы, hri – массив гистограммы по красной сматриваются внутренние границы.

составляющей i-того пикселя, hgi и hbi – по зе Как уже отмечалось выше, наличие проме леной и синей яркости соответственно.

жуточного цвета, приводит к потере информа Данный этап выполняется с целью определить ции (рис. 4а). Диапазон яркостей, соответст диапазон яркостей для линейного контрастирова вующий потерянной информации, выделяется ния. После вычисления, к изображению применя согласно описанному усовершенствованному ется линейное контрастирование с параметрами:

алгоритму k-средних.

minr = Mr– r, maxr = Mr+ r На рис. 5 представлен результат препариро ming = Mg– g, maxg = Mg+ g вания (рис. 5а) выполненный в автоматическом minb = Mb– b, maxb = Mb+ b режиме по предложенному алгоритму.

h min hi' = i 255 [1] max min В т о р о й э т а п. Проводится кластеризация по гистограмме изображения прошедшего кон трастирование и вычисляется значение порога p1. Пиксели лежащие в диапазоне 0..p1 – отно сятся к объектам, а в диапазоне p1..255 – к фону.

Т р е т и й э т а п. На данном этапе происхо дит выявление теряемой информации принад а б лежащей объектам, при применении алгоритма Рис. 1:

k-средних в один этап. Для этого выполняется а – исходное изображение;

б – гистограмма изображения 58 ИЗВЕСТИЯ ВолгГТУ а б а б Рис. 2: Рис. 3:

а – результат препарирования до контрастирования;

б – результат а – изображение после контрастирования;

б – гистограмма изо препарирования после контрастирования бражения а б а б Рис. 5:

Рис. 4:

а – результат бинаризации после применения описанного алго а – потерянная информация;

б – область гистограммы соответст ритма;

б – результат обработки вующая потерянной информации (выделена серым) Для определения преимуществ предлагаемо Использование вышеописанного алгоритма го подхода в табл. 1 приведены сравнительные позволяет автоматизировать процесс, предвари характеристики исследованных алгоритмов.

тельной обработки изображений подлежащих Таким образом представленный в работе препарированию. Предлагаемый метод может алгоритм позволяет повысить качество бина быть применен не только к препаратам мазков ризации за счет двух уровневой кластериза периферической крови, но и к любым другим ции, с предварительным линейным контра изображениям, где объекты исследования имеют стированием.

области с яркостью близкой к яркости фона.

Таблица Сравнительные характеристики исследованных алгоритмов.

Качество обработки изображения с неравно Скорость Эффективность автома Метод Входные данные мерным распределением обработки тического применения яркости исследуемых объектов Анализ бимодальной Быстрый гистограмма Низкое Низкая гистограммы Адаптивная бинариза- Медленный яркость области окру- Среднее Низкая ция жения пикселя Алгоритм k-средних Быстрый гистограмма Низкое Средняя Предлагаемый комби- Быстрый гистограмма Высокое Высокая нированный алгоритм ИЗВЕСТИЯ ВолгГТУ БИБЛИОГРАФИЧЕСКИЙ СПИСОК 2. Павлидис Т. Алгоритмы машинной графики и об работка изображений. – М.: Радио и связь, 1988.

1. Грузман И. С., Киричук В. С., и др. Цифровая обра 3. Курс лекций по дисциплине "Введение в компью ботка изображений в информационных системах. Учебное терную графику". ВМиК МГУ, 2003.

пособие. Новосибирск, УДК 004.932. О. О. Привалов*, Л. Н. Бутенко** МЕТОДИКА АВТОМАТИЗИРОВАННОГО АНАЛИЗА МОРФОЛОГИЧЕСКИХ ХАРАКТЕРИСТИК КЛЕТОК ПЕРИФЕРИЧЕСКОЙ КРОВИ *КТИ ВолгГТУ, **Волгоградский государственный технический университет (butenko@vstu.ru, galva@mail.ru) В работе рассматривается подход к формализованному описанию клеток периферической крови человека с целью реализации автоматизированного анализа растровых изображений, полученных в результате микроскопии. Выделяются основные морфометрические признаки и последовательность вычисления их количественной оценки.

Ключевые слова: автоматизация, микроскопия, периферическая кровь, модель, методика, морфометрия.

O. O. Privalov, L. N. Butenko TECHNIQUE OF THE AUTOMATED ANALYSIS OF MORPHOLOGICAL CHARACTERISTICS OF CAGES OF PERIPHERAL BLOOD In work the approach to the formalized description of cages of peripheral blood of the person for the purpose of realisation of the automated analysis of the raster images received as a result of microscopy is considered. The basic are allocated morpho metric signs and sequence of calculation of their quantitative estimation.

Automation, microscopy, peripheral blood, model, technique.

Клинический анализ крови представляет зна- Ц е л ь м е т о д и к и: выделить численные чительную диагностическую ценность в сочета- значения параметров классификации для воз нии со всей симптоматикой болезни. Сравнение можности распознавания объекта с использо данных клинических анализов при повторных ванием системы искусственного интеллекта на исследованиях больного дает возможность су- базе нейронной сети.

дить о течении патологического процесса, эф- Входной информацией является растровое фективности лечения и возникновения ослож- изображение распознаваемой клетки в фор нений, а также предсказать исход заболевания. мате HSV.

Одним из основных и наиболее трудоемких Первостепенная задача распознавания обра этапов анализа является подсчет лейкоцитарной зов заключается в выявлении параметров класси формулы, цель которого не только подсчитать фикации. На основе морфологических особенно количество лейкоцитов на единицу объема, но и стей клеток IV, V и VI классов, согласно обще провести исследование морфологии найденных принятой схеме кроветворения, предлагается объектов. В настоящее время эта задача решает- следующая базовая модель описания клетки:

ся визуальным анализом препарата лаборантом M = K, Y, C, клинической лаборатории. Автоматические где К – кортеж выделенных метрик клетки в счетчики форменных элементов крови не позво целом;

ляют определить морфологию клеток.

Y – кортеж выделенных метрик ядра;

Автоматизация обработки результатов мик С – кортеж выделенных метрик цитоплазмы.

роскопии повышает качество и эргономику ра Рассмотрим более подробно кортеж выде боты лаборанта, а также способствует накопле ленных метрик клетки:

нию информационных банков, использование K = S, D, P, ( Z, B1), которых позволяет накапливать опыт исследо где S – площадь всей клетки [мкм2];

ваний и определения патологий.

D – диаметр (максимальное расстояние от Ц е л ь р а б о т ы: разработать методику и центра до контура цитоплазмы) [мкм];

выявить основные параметры классификации P – отношение площади ядра клетки к пло для распознавания клеток периферической кро ви на разных этапах созревания. щади цитоплазмы;

Описываемая методика ориентирована на ав- Z – отношение общей площади зернистости томатизированное распознавание отдельно выде- к площади всей клетки.

ленных клеток (кроме ретикулоцитов и эритро- B1 – цветовая гамма зернистости по H – со цитов) в препарате мазка периферической крови, ставляющей цветовой модели HSV (синяя, окрашенного по методу Романовского. темно-фиолетовая, желто-красная и т. д.).

60 ИЗВЕСТИЯ ВолгГТУ Детализация информации на уровне ядра Кортеж, описывающий подобъект цито и цитоплазмы представлена следующими кор- плазму:

тежами: кортеж, описывающий свойства ядра: C = R, B 2, O Y = T, V, G, где R – степень сферичности;

где Т – тип ядра, номер объекта из выявленного B2 – цветовая гамма по H – составляющей справочника ядер (сферическое, бобо- цветовой модели цветовая гамма в ка образное, и т. д. );

чественном описании (синяя, серова V – количество вакуолей в ядре;

то-фиолетовая, розовая);

G – мера "грубости" ядра. O – степень выраженности перенуклеарной зоны.

Изображение клетки в Предлагаемая методика направлена на рас формате HSV познавание отдельных (препарированных) объ ектов совокупного изображения. Предшест Бинаризация изображения с целью отделения фона и объекта вующими операциями следует считать: подго (Алгоритм автоматической бинаризации) товку растрового изображения, цель которой Определение контура объекта обеспечить улучшение качества изображения путем фильтрации и отсеивание таких паразит Определение площади клетки (S) ных явлений как неоднородность фона, нали чие посторонних включений и т. д., а также Вычисление центра клетки и диаметра (D) операцию пообъектного препарирования, по зволяющую выделить отдельные клетки из Анализ гистограммы яркости изображения клетки на зернистость (Z).

Выявление доминирующего цвета (B1) массы объектов препарата.

(Алгоритма вычисления связанности пикселей по цвету) Ниже приводятся основные этапы предла Препарирование RGB изображения с целью гаемой методики.

отделения ядра и цитоплазмы (Алгоритм автоматической бинаризации) Предлагаемая методика ориентирована на весь спектр морфологически распознаваемых Ядро Цитоплазма профилирующих клеток крови. Для опреде ления численных значений параметров клас Вычисление площади Определение контура ядра цитоплазмы (S(С)) сификации разработаны алгоритмы вычисле Вычисление площади ядра ния, входными данными для которых являются (S(Y)) цвето-яркостные характеристики исследуе мых объектов. Разработана автоматизиро Вычисление центра Вычисление P и O ядра клетки ванная система распознавания типа клеток по их изображению, система проходит тес Подсчёт количества вакуолей в ядре (V). Определение по контуру (Алгоритм нахождения деталей в клетки степени сферичности тирование.

бинарном изображении) цитоплазмы (R) Определение скелета ядра и БИБЛИОГРАФИЧЕСКИЙ СПИСОК позиционирование ядра Анализ гистограммы яркости изображения цитоплазмы и 1. Любина А. Я. Ильичева Л. П. Клинические лабора выявление доминирующего Распознавание образа ядра цвета (B2) выявление типа (Т) торные исследования. – М.: Медицина, 1984. – 288 с.

(нейро-сеть) 2. Козловская Л. В., Николаев А. Ю. Учебное пособие по клиническим лабораторным методам исследования, – Анализ гистограммы яркости изображения 2-е изд. – М.: Медицина, 1984. – 288 с.

ядра и выявление меры «грубости» (G) 3. Абрамов М. Г. Гематологический атлас. – М.: Ме дицина, 1979. – 280 с.

4. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний Решение задачи классификации на основе полученных параметров объекта интеллектуальных систем. Учебник для вузов. – С-Пб.:

(нейро-сеть) Питер, 2001. – 384 с.

5. Галушкин А. И. Теория нейронных сетей. Кн. 1. / Рис. 1. Основные этапы предлагаемой методики опреде Под ред. А.И. Галушкина. М.: ИПРРЖР, 2000.

ления морфологических признаков клеток крови ИЗВЕСТИЯ ВолгГТУ УДК 658.512.2: 66. М. А. Цыканова, Л. Н. Бутенко ОБЪЕКТНО-ОРИЕНТИРОВАННЫЙ ФОНД ЭВРИСТИЧЕСКИХ ПРИЕМОВ ДЛЯ ПРОЕКТИРОВАНИЯ АППАРАТОВ ХИМИКО-ТЕХНОЛОГИЧЕСКИХ СИСТЕМ Волгоградский государственный технический университет (tsykanova-marina@yandex.ru, butenko@vstu.ru) В данной статье рассмотрены основные положения построения фонда эвристических приемов в виде иерархической структуры. При формировании фонда эвристических приемов для уровня иерархии – химико-технологический аппарат использован межотраслевой фонд. Приведены технические решения, защищенные патентами РФ, подтверждающими правильность интерпретации.

Ключевые слова: эвристический прием, объектно-ориентированный фонд, межотраслевой фонд, интерпретация, хи мико-технологический аппарат.

M. A. Tsykanova, L. N. Butenko.

OBJECT-ORIENTED FUND OF HEURISTIC RECEPTIONS FOR DESIGNING EQUIPMENT OF CHEMICAL-TECHNOLOGICAL SYSTEMS In this article basic thesis construction the fund of heuristic receptions as a hierarchical structure are considered. At forming the fund of heuristic receptions for the level of hierarchy – a chemical-technological equipment was applied interbranch fund.

Technical decisions are protected by patents of RF and are confirmed the rightness of interpretation.

Heuristic reception, object-oriented fund, interbranch fund, interpretation, chemical-technological equipment.

материала и вещества, 7) приемы дифференциа В настоящее время для создания конкуренто ции, 8) количественные изменения, 9) использо способных изделий и технологий требуется нако вание профилактических мер, 10) использова пление и обобщение опыта разработчиков новой ние резервов, 11) преобразования по аналогии, техники на основе информационных технологий.


12) повышение технологичности.

Решение этой задачи возможно осуществить пу Целью данной работы является интерпрета тем структурирования эмпирического опыта в ция обобщенных эвристических приемов, при виде эвристических приемов.

веденных в межотраслевом фонде, относитель Эвристика – это последовательность пред но конкретной предметной области – химиче писаний или процедур обработки информации, ской технологии. По отношению к ней известен выполняемая с целью поиска более рациональ фонд, содержащий систематизированные и обоб ных и новых конструктивных решений. Ис щенные эвристики [2]. Они могут быть, по пользование эвристик позволяет сокращать мнению автора, использованы при разработке время решения задач по сравнению с методом технологической схемы любого химического целенаправленного перебора альтернатив. Эв производства. В данной работе также представ ристический прием обычно не содержит прямо лены специальные эвристики, характеризую го однозначного указания, как преобразовать щие принципы создания высокоэффективных прототип. Полученное решение не является производств хлорметана, но не показана проце наилучшим, а относится лишь к множеству до дура их получения. В связи с этим дополни пустимых решений. Эвристические методы тельной целью нашей работы явилось опреде обычно противопоставляют формальным мето- ление возможных процедур интеллектуальной дам решения, опирающимся на точные матема- обработки обобщенных фондов, которые по тические модели. Многие эвристические прие- зволили бы облегчить формулировку частных мы могут быть успешно использованы в самых эвристических приемов. Мы исходили из пред различных областях техники. Они со временем положения, что эвристики могут быть структу морально не стареют и оказываются полезными рированы в соответствии с иерархическим опи и в других предметных областях. Именно на санием объектов и процессов химической тех этих свойствах основывается метод эвристиче- нологии. Для построения иерархической струк ских приемов, который интегрирует в методи- туры фонда эвристических приемов нами было чески доступной форме опыт многих проекти- использовано иерархическое описание пред ровщиков новой техники. метной области по [2]. При декомпозиции по В работе описан межотраслевой фонд эври- вертикали химико-технологических систем, стических приемов [1]. Фонд разделен на 12 элементами которой являются отдельные физи групп: 1) преобразование формы, 2) преобразо- ко-химические системы, уровни иерархии ее вание структуры, 3) преобразование в про- структуры могут быть представлены в виде: I – странстве, 4) преобразование во времени, 5) пре- атомарно-молекулярный уровень (АМ-уровень);

образование движения и силы, 6) преобразование II – глобулярные, надмолекулярные структуры 62 ИЗВЕСТИЯ ВолгГТУ (Г-уровень);

III – единичное включение дис- чиков температуры и одного или нескольких персной среды (ЕВ-уровень);

IV – ансамбль средств управления нагревом потока материа включений дисперсной среды (АВ-уровень);

V – ла. Указанные средства управления нагревом контактное устройство (КУ-уровень);

VI – кон- потока материала выбраны из группы, содер тактная ступень (КС-уровень);

VII – технологи- жащей электрический нагреватель, находящий ческий аппарат в целом (ТА-уровень);

VIII – ся в контакте с интегральной структурой, теп комплекс технологических аппаратов (ХТС-уро- лообменник, находящийся в контакте с инте вень). Уровни КУ, КС, ТА образуют аппара- гральной структурой, и средства для передачи турно-технологическую единицу или хими- энергии излучения.

ко-технологический аппарат. В соответствии Эвристический прием – "присоединить к объ с вышеуказанными представлениями мы реши- екту жестко или шарнирно новый элемент ли формировать фонд эвристических приемов (пластину, стержень, оболочку, трубу и т. п.), для аппаратурного оформления процессов хи- находящийся в рабочей среде или в контакте мической технологии. с ней" был интерпретирован следующим обра Кроме того, для создания объектно-ориен- зом. Использовать шарнирно присоединенный тированного фонда эвристических приемов для элемент, который при определенном воздейст уровня иерархии – химико-технологический вии меняет свое положение таким образом, аппарат применялся межотраслевой фонд [3]. чтобы поток вещества через этот элемент попа Фактически наименование разделов этого фонда дал в другую рабочую среду. Использовать же являются обобщенными эвристиками, которые стко присоединенный элемент, который непре мы использовали для формулировки частных рывно, периодически, импульсно обеспечивает эвристических приемов. Нами было получено 7 поступление потока вещества в другую рабо эвристических приемов по "преобразованию чую среду. Возможно также разделение потока формы", 14 по "преобразованию структуры", 5 вещества на два или несколько и поочередное по "преобразованию во времени", 4 по "преоб- поступление их в каждую секцию контактного разованию движения и силы". Ниже приведены устройства. Использовать шарнирно или жест примеры интерпретации и технические реше- ко присоединенный к объекту элемент для уда ния, защищенные патентами РФ, подтверждаю ления нежелательных примесей, побочных щими правильность интерпретации.

продуктов, целевого продукта (химическое Эвристический прием – "сосредоточить ор взаимодействие, физическое связывание, воз ганы управления и контроля в одном месте" был действие поля).

интерпретирован следующим образом. Исполь Примером является – реактор для проведе зовать объект, который позволяет не только кон ния гетерогенного экзотермического синтеза [5].

тролировать параметры процесса, но и при от Описывается реактор для получения метанола клонении их от заданного диапазона изменять или аммиака из синтез-газа, который включает свою форму, приходить в движение, становиться вертикальный корпус, крышку и днище, шту источником физического, электрического поля, цера для ввода исходной газовой смеси и выво приводить рабочую среду в колебание.

да целевого продукта, газопроницаемые гори Примером является – интегральный аппарат зонтальные перегородки, на которых располо для химической обработки и способ его изго жены слои катализатора, по крайней мере одну товления [4]. Интегральная структура для обра камеру смешения для перемешивания горячего ботки и производства химических продуктов газового потока, выходящего из слоя катализа содержит множество соединенных вместе пла тора, и холодного газового потока, подаваемого стин с по крайней мере одним входным окном через распределительное средство от штуцера и по меньшей мере одним выходным окном, для ввода исходной газовой смеси. Ниже и па и по крайней мере один трехмерный извили раллельно газопроницаемой перегородки уста стый канал, сформированный сквозь пластины, новлена глухая перегородка, между которыми для размещения в нем химических продуктов, образовано промежуточное пространство, куда которые должны быть обработаны, а также поступают горячий и холодный газовые пото средства для проведения по крайней мере одно ки, а камера смешения сообщается с промежу го типового физического процесса химической технологии для обработки химических продук- точным пространством и снабжена газоходом, тов с осуществлением желаемого контроля. который установлен таким образом, что через Средства контроля температуры представляют него выходит, дополнительно перемешиваясь, собой комбинацию одного или нескольких дат- газовый поток из камеры смешения в объем ре ИЗВЕСТИЯ ВолгГТУ ния эвристических приемов, относящихся к дру актора ниже промежуточного пространства. Ка гим уровням описания процессов и объектов мера смешения выполнена в форме полого ци химической технологии.

линдра с глухими крышкой и днищем и отвер стиями для поступления в нее частично переме БИБЛИОГРАФИЧЕСКИЙ СПИСОК шанного в промежуточном пространстве газово го потока, выполненными в его стенке на уровне 1. Основы выявления патентоспособных технических промежуточного пространства. Она располага- решений. Эвристические приемы поиска изобретатель ется коаксиально и вдоль оси реактора, герме- ских идей [Электронный ресурс]. – [2007]. – Режим дос тупа: http://www.bru.mogilev.by/students/material/researches/ тично соединена с газопроницаемой перегород glava19-20.htm кой и частично погружена в слой катализатора. 2. Дорохов, И. Н. Системный анализ процессов хи Газоход в камере смешения выполнен в форме мической технологии. Интеллектуальные системы и ин трубы и установлен коаксиально и вдоль оси ре- женерное творчество в задачах интенсификации химико технологических процессов и производств/ И. Н. Дорохов, актора. Технический результат – устранение пе В.В. Меньшиков. – М.: Наука, 2005. – 584 с.

регревов и дезактивации катализатора. 3. Межотраслевой фонд эвристических приемов Таким образом, использование иерархиче- [Электронный ресурс]. – [2007]. – Режим доступа:

ского подхода к формулировке эвристических http://doc.unicor.ru/tm/ 4. Интегральный аппарат для химической обработки приемов и интерпретация их межотраслевого и способ его изготовления [Электронный ресурс]. – фонда позволило сформировать 30 эвристик [2007]. – Режим доступа: http://www.fips.ru/cdfi/fips.dll для аппаратурного оформления процессов хи- 5. Реактор для проведения гетерогенного экзотерми мической технологии. Полученные результаты ческого синтеза [Электронный ресурс]. – [2007]. – Режим доступа: http://www.fips.ru/cdfi/fips.dll могут быть распространены на методы получе УДК 004. О. А. Шиловский, Д. А. Давыдов РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ЗАДАЧАХ УПРАВЛЕНИЯ ВУЗОМ Волгоградский государственный технический университет (oleg@shilovskiy.be) В статье предлагаются подходы к построению систем поддержки принятия решений в задачах управления ВУЗом, используя интеллектуальные платформы обработки данных из различных источников.


Ключевые слова: системы поддержки принятия решений, аналитические платформы, задачи управления.

O. A. Shilovskiy, D. A. Davidov DEPLOYING DECISION SUPPORT SYSTEM FOR UNIVERSITY MANAGEMENT TASK.

Some approaches to building analytics system for middle-manager which uses in work decision support system.

Analytics platform for decision support system. Management system. Decision tree, Data sources.

В последние годы в Российской Федерации крывают все критерии при комплексной оценке государственными органами управления обра- вуза. Так результаты успеваемости студентов, зования и образовательными учреждениями итоговые оценки государственных экзаменов, различного уровня проводятся мероприятия оценки выпускных работ могут быть взяты во и эксперименты по диагностике качества обра- внимание наряду с количественными и качест зования. Как правило, эффективность деятель- венными оценками преподавательского состава и ности вуза оценивается на основе рейтинга по материально технической оснащенностью учеб Методике, представленной в приказе Минобра- ного заведения. Вместе с этим психолого зования РФ от 10 ноября 2002 г. № 3906 "Об социологические службы так же регулярно про утверждении перечня документов и материа- водят анкетирования студентов, результаты кото лов, представляемых к лицензионной эксперти- рых могут повлиять на целевые показатели.

зе при проведении комплексной оценки дея- Для поддержки процесса принятия решений тельности высшего учебного заведения". по управлению вузом с целью повышения рей Большое количество данных, которые накап- тинга целесообразно использовать инструмен ливаются в учебном заведении по студентам, пре- ты анализа поведения сложной системы, какой подавательскому составу и т. д. содержат в себе является вуз, при различных управляющих воз информацию, которая может быть использована действиях.

для выявления как явных, так и скрытых законо- Для структуризации показателей эффектив мерностей между определенными показателями ности деятельности вуза их необходимо разде эффективности, которые явно или косвенно по- лить на 3 группы. Первую группу составляют 64 ИЗВЕСТИЯ ВолгГТУ показатели, рассчитанные на основе статисти- наукоемкой продукции ВолгГТУ, так как основ ческих данных отражающие наиболее значи- ной контент магазина составляет литература мые ресурсы и процессы. Вторую группу – по- и научно-исследовательские работы сотрудников казатели, характеризующие качество научных вуза. С помощью информации из базы данных исследований и подготовки специалистов по Интернет-магазина можно собрать данные по на направлениям обучения в вузе. Третья группа учно-издательской деятельности преподавате параметров формируется на основе анализа лей университета, составить список публика скрытых зависимостей между процессами и по ций, а так же рейтинги просмотра и покупок казателями двух первых групп.

изданий. Для доступа к существующим базам Для того, что бы собрать необходимую ин данных рейтинга студентов и преподавателей це формацию по учебному заведению и ее даль лесообразно использовать программные интер нейшего анализа, необходимо наличие средств фейсы, которые сделают возможным использова сбора информации, а так же интерфейсы досту ние данных для составления общей, централизо па к данным из имеющихся источников.

ванной базы данных университета. Концептуаль В данном проекте, в качестве одного из ная схема системы изображена на рис. 1.

средств сбора данных является Интернет-магазин Рис. 1. Концептуальная схема системы поддержки принятия решений в задачах управления вузом ИЗВЕСТИЯ ВолгГТУ Сбор информации их различных источни- альные зависимости. Изменяя коэффициенты, ков дает возможность многоаспектного анализа влияющие явно или косвенно на целевые показа с помощью методов извлечения знаний (Data тели, можно проследить как изменятся целевые Mining). Data Mining – это процесс выделения показатели. При этом учебное заведение избегает из данных неявной и неструктурированной ин- больших временных и финансовых затрат.

формации и представления ее в виде, пригод- Важно отметить, что подход к оценке каче ном для реализации. В данной работе для обра- ства образования, как одного из аспектов разви ботки показателей необходимо использовать тия образовательного учреждения должен быть методы кластеризации (clustering), то есть системным и комплексным, поскольку если ка группировку записей, имеющих одинаковые кой-то компонент системы отсутствует или свя характеристики, например, по близости значе- зи между ними ослаблены, то эффективность ре ний полей. Кластеризация часто рассматрива- зультатов будет низкой. При комплексном под ется как первый необходимый шаг для даль- ходе учитываются педагогические, технические, нейшего анализа данных. экономические, организационные, социальные, Используя систему, руководство вуза и под- психологические, политические, демографиче разделений получает мощный инструмент для ские и другие аспекты и их взаимосвязи в сис анализа собственной деятельности и целепола- теме оценки качества образования.

гания на дальнейшее развитие. Как следствие, Определение факторов, которые будут учебное заведение сможет более эффективно влиять на востребованность выпускников ву использовать свой потенциал и продвигать за, возможно, осуществить при поддержке учебно-методическую и научно-техническую кадровых агентств, которые так или иначе продукцию вуза на мировом рынке. владеют информацией о том, какие специаль К примеру, достаточно сложно определить, ности востребованы. Эти критерии к соиска что для выпускников будет лучше: увеличение телям можно сопоставить с показателями ра жилищного фонда вуза, пополнение преподава боты учебного заведения и скорректировать тельского состава на N человек или закупка k развитие ВУЗа, а, следовательно, принимать компьютеров. Однако, исходя из информации, верные решения для вывода учебного заведе которая собирается годами в архивах можно ния на лидирующие позиции.

выявить как явные взаимосвязи, так и не триви УПРАВЛЕНИЕ В СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ СИСТЕМАХ УДК 681. П. Н. Воробкалов, О. А. Шабалина УПРАВЛЕНИЕ КАЧЕСТВОМ ПРОЦЕССА РАЗРАБОТКИ АДАПТИВНЫХ ОБУЧАЮЩИХ СИСТЕМ С ИСПОЛЬЗОВАНИЕМ МНОГОСЛОЙНОГО ПОДХОДА Волгоградский государственный технический университет (pavor84@mail.ru, shabalina@cad.vstu.ru) В статье анализируется подходы к оценке качества электронных обучающих систем. Предлагается многослойный подход для оценки качества электронных обучающих систем, расширенный за счет применения моделирования процес са обучения. В статье показано, что использование модели процесса обучения для оценки качества позволяет идентифи цировать недостатки существующих обучающих систем.

Ключевые слова: E-learning, адаптивная обучающая систем, оценка качества, многослойный подход.

Pavel Vorobkalov, Olga Shabalina MANAGEMENT OF ADAPTIVE E-LEARNING SYSTEMS DESIGN QUALITY USING LAYERED APPROACH Existing approaches to quality estimation of e-learning systems are analyzed. The “layered” approach for quality estimation of e-learning systems enhanced with learning process modeling and simulation is presented. We argue that using learning process modeling for quality estimation simplifies identifying lacks of an e-learning system for an expert.

E-learning, adaptive learning systems, quality estimation, layered approach.

На сегодняшний день в области разработки тификации). Предоставляемой информации электронных обучающих систем существует часто недостаточно для улучшения системы.

тенденция к персонификации процесса обуче- В спиральной модели ЖЦ делается упор на ния. Такие системы являются адаптивными, то начальные этапы: анализ и проектирование.

есть курс обучения в них формируется индиви- При этом оценка и контроль качества разраба дуально для каждого пользователя. Стратегия и тываемой системы особенно важны. Неполное тактика обучения в адаптивной обучающей завершение работ на каждом этапе приводит системе определяется самой системой. Таким к тому, что недостатки системы могут обнару образом, система берет на себя ответственность житься на любом из ее уровней. Применение руководства обучаемым в процессе обучения. подхода "в целом" к оценке качества системы Поэтому проблема оценки качества механизмов мало помогает при разработке системы на ос адаптации очень актуальна. В результате оцен- нове спиральной модели ЖЦ. Поэтому необхо ки качества разработчик получает данные, не- дим подход, позволяющий оценивать качество обходимые для новой итерации цикла разра- отдельных компонентов системы уже на этапе ботки системы. ее разработки, обнаруживать недостатки на В настоящее время наибольшее распростра- концептуальном уровне. Особенно это важно нение получили две модели жизненного цикла при разработке адаптивных обучающих систем.

(ЖЦ), применяемые при проектировании автома- Эффективность обучения определяется многи тизированных систем: каскадная и спиральная. ми факторами: интерфейсом, информационным Анализ модели AS-IS процесса проектиро- наполнением и тем, как организована адапта вания адаптивных систем на основе каскадной ция обучающего курса для обучаемого.

модели показывает, что каскадная модель на- В [1] предложен многослойный подход, ори ряду с очевидными достоинствами обладает ентированный на оценку качества адаптивных рядом недостатков, вызванных тем, что реаль- обучающих систем. Процесс адаптации ный процесс создания программного обеспече- в многослойном подходе разбивается на несколь ния никогда полностью не укладывается в та- ко стадий (т.н. слоев), которые рассматриваются кую жесткую схему. Кроме того, при использо- в отдельности. В результате анализа многослой вании каскадной модели для оценки качества ного подхода выявлены следующие достоинства:

системы используется подход, называемый методы, основанные на данном подходе, предос подходом "в целом". Оценка качества системы тавляют данные о функционировании отдельных в таком подходе осуществляется на основе оп- компонентов системы;

подход может быть ис ределения значений ее общих критериев каче- пользован на ранних этапах разработки системы.

ства (производительность, безопасность и т. д.), К недостаткам многослойного подхода можно анализа отзывов пользователей, статистическо- отнести: требование к знаниям о внутреннем уст го анализа результатов работы в системе и на ройстве системы;

полученные оценки полезны, основе проверки соответствия стандартам (сер- как правило, только для разработчиков.

ИЗВЕСТИЯ ВолгГТУ QI = EV KV, Применение данного подхода требует опре деления набора слоев для оценки и формирова- где: QI – качество интерфейса;

ния набора критериев для оценки качества на EV – вектор степени уверенности для вы каждом слое [2]. Для определения набора слоев водов правил;

был проведен анализ и построена модель TO-BE KV – вектор степени уверенности для правил.

процесса проектирования адаптивной обучаю щей системы (см. рис. 1). В результате опреде- T1 T2 Tn EV =,…,,, лен следующий набор слоев: слой "Интер T1 + F1 T2 + F2 Tn + Fn фейс";

слой "Построение моделей адаптации";

где Ti – число раз, когда вывод правила, соот слой "Обучающие материалы и структура предметной области";

слой "Принятие решений ветствующего i-ой эвристике, оказался по адаптации" и сформированы наборы крите- верным для оцениваемого интерфейса;

риев качества для оценки на каждом слое [3]. Fi – число раз, когда вывод правила, соот Оценка качества интерфейса адаптивных ветствующего i-ой эвристике, оказался обучающих систем может осуществляться на ложным для оцениваемого интерфейса;

основании мнения экспертов и/или с использо n – число правил, используемых для оцен ванием обработки результатов работы в систе ки интерфейса.

ме пользователей. Существуют проекты, в ко KV = K1, K 2,…, K n, торых знания экспертов в области построения интерфейса объединены, сформированы руко- где K i – степень уверенности для i-ого правила.

водства по построению практичного интерфей Слой "Построение моделей адаптации" яв са. Практичность интерфейса – это комплекс ляется во многом определяющим в адаптивных ная характеристика, которая подразумевает обучающих системах. Современные подходы к удобство, простоту в использовании и изучении разработке адаптивных обучающих систем ос и общую привлекательность интерфейса.

нованы на использовании следующих моделей:

Для количественной оценки качества сис темы в слое "Интерфейс" предлагается пред- модель предметной области, модель обучаемо ставлять в виде правил накопленные знания в го и адаптационная модель. При оценке качест области построения практичного интерфейса. ва моделей адаптации используются различные Оценка качества тогда сводится к нахождению критерии [4]: доля правильно классифициро степени уверенности для вывода правила. Чем ванных пользователей;

отклонение значений больше степени уверенности для выводов пра характеристик пользователя в модели обучае вил, тем выше качество интерфейса системы.

мого от характеристик, определенных экспер Таким образом, качество интерфейса можно том;

точность определения целей обучения.

оценить по формуле:

Рис. 1. Модель процесса разработки адаптивной обучающей системы на основе спиральной модели жизненного цикла TO-BE (в нотации IDEF3) 68 ИЗВЕСТИЯ ВолгГТУ Эти критерии основаны на уже полученных основе, как правило, лежат данные о процессе результатах обучения, поэтому могут приме- работы системы, полученные в ходе ее тести няться при наличии рабочей версии созданной рования группами пользователей. Для ком адаптивной обучающей системы. плексной оценки адаптационных решений су Для оценки модели обучаемого на этапе ществующих критериев недостаточно.

разработки адаптивной обучающей системы Несмотря на многообразие тактик взаимо предлагается критерий адекватности. Под адек- действия адаптивной обучающей системы с поль ватностью модели обучаемого будем понимать зователем, при работе системы может возник степень соответствия информации о нем в мо- нуть ситуация, при которой большинство так дели его реальным характеристикам, играю- тик либо совсем не используются, либо исполь щим важную роль при обучении. Адекватность зуются крайне редко. Для определения такой модели обучаемого определяется как набором ситуации предлагается критерий сбалансиро характеристик, которые она учитывает, так и спо- ванности адаптации системы, значение которо собом определения этих характеристик. В об- го определяется относительной частотой при щем случае модель обучаемого можно предста- менения тактики по формуле:

вить в виде: B = Fi log N Fi, Learner _ Model = LC1, LC2,..., LC K, i где: B – сбалансированность адаптации обу где LCi – i-ая характеристика обучаемого. чающей системы;

При расчете оценки адекватности модели Fi – относительная частота использования i обучаемого предлагается использовать функ- ой тактики взаимодействия пользова ции чувствительности. Под чувствительностью теля с системой;

модели обучаемого по параметру P будем по P – число всех возможных тактик взаимо нимать отношение изменения заключения сис действия пользователя с системой, со темы о характеристике обучаемого LC к изме ответствует числу путей в графе, опи нению значения измеряемого параметра P:

сывающим процесс взаимодействия LC пользователь-система.

SP =, P При анализе полученного значения крите где: SP – чувствительность модели обучаемого рия сбалансированности при большом объеме по параметру P;

выборке можно однозначно сделать вывод о LC – изменение заключения системы о ха- низкой гибкости механизма адаптации, если большая доля людей воспользовалась только рактеристике обучаемого;

одной стратегией, т. е. имеют смысл только P – изменение значения измеряемого па близкие к нулю значения.

раметра.

Покажем применение критерия адекват Характеристика чувствительности модели ности для оценки модели обучаемого, осно обучаемого может быть использована для ана ванной на сети доверия Бейеса [5]. Такая лиза степени влияния поведения обучаемого на модель представляется множеством вида:

изменение его характеристик в модели. Пра Knowledge = {KL1, KL2,..., KLn }, где KLi – пе вильное различение пользователей по поведе нию повышает адекватность моделей адаптации. ременная, определяющая уровень знания Качество на слое "Обучающие материалы концепта Ci сети предметной области на ве и структура предметной области" определяется роятностной шкале. Для оценки знаний ис следующими факторами: соответствием струк- пользуется дискретная шкала с четырьмя зна туры гиперпространства структуре предметной чениями: KL = {value 1, value 2, value 3, value 4 }, области, полнотой содержания обучающих ма где value k – k-ый уровень знания концепта.

териалов и целостностью всех связей (отсутст вием "пустых" ссылок). Оценку системы по Значение каждой переменной KLi определяется первым двум факторам сложно автоматизиро таблицей условных вероятностей состояний пе вать, она должна осуществляться экспертами.

ременной P( KLi ). Процесс обучения был смо Целостность же связей возможно оценить с по делирован и были проанализированы результа мощью программного средства уже после реа ты адаптации системы для различных типов лизации системы.

обучаемых. Была рассчитана чувствительность Оценка на слое "Принятие решений по модели обучаемого к колебаниям поступающих на адаптации" обучающей системой производится вход модели данных о тестировании (см. рис. 2).

на последнем этапе разработки системы. В ее ИЗВЕСТИЯ ВолгГТУ различные модели обучаемого и выбрать модель, удовлетворяющую требованиям конкретной раз работки.

Таким образом, предложен способ оценки ка чества адаптивных обучающих систем, основан ный на использовании многослойного подхода.

Для каждого слоя проведен анализ существую щих критериев и введены новые критерии оценки качества для каждого слоя. Использование дан ного способа позволяет повысить качество разра батываемых адаптивных обучающих систем, за счет обнаружения и исправления недостатков на концептуальном уровне разработки.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК Рис. 2. Графики зависимостей чувствительности модели обучаемого от числа пройденных вершин: 1. Brusilovsky, P. Layered evaluation of adaptive learn ing systems / P. Brusilovsky, C. Karagiannidis, D.G. Sampson // Int. J. of Continuing Engineering Education and Lifelong Learning.– 2004.– Vol. 14, № 4/5. – P. 402–421.

2. Weibelzahl, S. A database of empirical evaluations of adaptive systems. / S. Weibelzahl, G. Weber // Proceedings of Для этого были рассчитана зависимость состоя- the Workshop "Adaptivitt und Benutzermodellierung in in teraktiven Softwaresystemen". – P. 1–6.

ния атрибута концепта KLi от значений атрибу 3. Воробкалов, П. Н. Критерии оценки качества адап тов всех дочерних концептов KLij j = 1,2...N. тивных систем / П.Н. Воробкалов // Технологии Microsoft Анализ показал, что модель на сети Бейеса в теории и практике программирования: сб. науч. трудов, позволяет адаптироваться к процессу обучения с Москва, 2005.

учетом стабильности показываемых результатов 4. Chin, D. N. Empirical evaluation of user models and user-adapted systems / D. N. Chin // User Modeling and User обучения. Чем выше стабильность результатов Adapted Interaction. – 2001. – 11(1-2), P. 181–194.

обучаемого, тем меньше отклонения от ожидае- 5. Шабалина, О. А. Модель пользователя для изуче мых результатов влияют на оценку уровня зна- ния языков программирования в адаптивной обучающей ний. Применение критерия адекватности позво- системе / О. А. Шабалина // Вестник компьютерных и ин ляет на этапе проектирования системы оценить формационных технологий. – 2005. – № 02. – C. 36–39.



Pages:     | 1 | 2 || 4 | 5 |   ...   | 6 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.