Методы и алгоритмы синтеза нечетких моделей анализа состояния сложных систем на дистальных шкалах многомерных пространств тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Рябкова, Елена Борисовна

  • Рябкова, Елена Борисовна
  • кандидат технических науккандидат технических наук
  • 2012, КурскКурск
  • Специальность ВАК РФ05.13.01
  • Количество страниц 184
Рябкова, Елена Борисовна. Методы и алгоритмы синтеза нечетких моделей анализа состояния сложных систем на дистальных шкалах многомерных пространств: дис. кандидат технических наук: 05.13.01 - Системный анализ, управление и обработка информации (по отраслям). Курск. 2012. 184 с.

Оглавление диссертации кандидат технических наук Рябкова, Елена Борисовна

1. АНАЛИТИЧЕСКИЙ ОБЗОР И ПОСТАНОВКА ЗАДАЧ ИССЛЕДОВАНИЯ.

1.1. Теоретические основы нечеткой логики принятия решений по Л. Заде

1.2. Синтез продукционных правил нечеткого логического вывода.

1.3. Нечеткий логический вывод по коэффициентам уверенности и его модификации.

1.4. Цель и задачи исследования.

2. СИНТЕЗ НЕЧЕТКИХ РЕШАЮЩИХ ПРАВИЛ НА МНОГОМЕРНЫХ ДИСТАЛЬНЫХ ШКАЛАХ ОТНОСИТЕЛЬНО КЛАССИФИКАЦИОННЫХ ГИПЕРСТРУКТУР.

2.1. Общий подход к синтезу нечетких решающих правил на дистальных шкалах относительно классификационных гиперструктур.

2.2. Синтез нечетких решающих правил с базовой переменной, определяемой по дистальной шкале относительно линейной разделяющей поверхности.

2.3 Синтез кусочно-линейных нечетких классификаторов.

2.4. Синтез нечетких решающих правил с базовой переменной определяемой относительно многомерных эталонных структур.

2.4. Выводы второй главы.

3. РАЗРАБОТКА ОСНОВНЫХ ЭЛЕМЕНТОВ ЭКСПЕРТНОЙ СИСТЕМЫ ИНТЕЛЛЕКТУАЛЬНОЙ ПОДДЕРЖКИ ПРОЦЕССОВ ПРИНЯТИЯ РЕШЕНИЙ ПО ОЦЕНКЕ СОСТОЯНИЯ СЛОЖНЫХ СИСТЕМ С НЕЧЕТКОЙ СЕТЕВОЙ БАЗОЙ ЗНАНИЙ.

3.1. Использование методов разведочного анализа для оценки структуры данных с целью выбора формы и параметров нечетких решающих правил . 101 3.2 Алгоритм интеллектуальной поддержки процессов обучения и принятия решений по оценке состояния сложных систем на основе нечетких решающих правил с базовыми переменными на многомерных дистальных шкалах.

3.3. Разработка структуры программного обеспечения системы поддержки принятия решений.

3.4. Выводы третьей главы.

4. РЕЗУЛЬТАТЫ ЭКСПЕРИМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ.

4.1. Синтез нечетких решающих правил для прогнозирования заболеваний системы дыхания у работников пылевых профессий.

4.2. Диагностика профессиональных заболеваний системы дыхания сварщиков

4.3. Диагностика ранней и клинической стадий вибрационной болезни.

4.4. Выводы четвертой главы.

Рекомендованный список диссертаций по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы синтеза нечетких моделей анализа состояния сложных систем на дистальных шкалах многомерных пространств»

Актуальность темы. Современное развитие науки и техники происходит в мире сложных системных отношений и огромного объема информационных потоков. Такие условия требуют новых подходов к анализу возникающих проблем и принятию управленческих решений, базирующихся на теоретическом и прикладном аппарате системного анализа. Значительное число задач по анализу поведения и управления сложными системами приходится решать в условиях неполных, нечетких и неопределенных суждений когда использование формализованного языка традиционной математики существенно обедняет математическую модель выработки решения, не позволяет учитывать всех деталей проблемной ситуации и часто приводит к неудачным и неправильным решениям. Многочисленными исследованиями отечественных и зарубежных ученых было показано, что для успешного решения задач в условиях нечеткой информации целесообразно использовать аппарат нечеткой логики принятия решений. Однако эффективность применения этого аппарата для различных проблемных ситуаций изучена недостаточно. Отсутствует теоретическая определенность в таких вопросах как выбор типа и параметров функций принадлежностей, агрегация функций принадлежностей при решении задач со многими переменными и т.д.

Одним из хорошо зарекомендовавших себя аппаратов принятия решений в задачах со многими переменными является теория распознавания образов в ее геометрической интерпретации.

Проведенные исследования показывают, что повысить качество решения целого ряда задач оценки состояния сложных систем в условиях неопределенности и нечеткости представления данных можно объединяя идеи теории нечеткой логики принятия решений с геометрическим подходом, принятым в теории распознавания образов с учетом данных многомерного разведочного анализа.

С учетом сказанного исследование теоретических и практических возможностей сочетанного использования нечеткой логики принятия решений, разделяющих гиперповерхностей, многомерных эталонных структур и методов разведочного анализа для анализа и принятия решений о состоянии сложных систем, является актуальной научной и практической задачей.

Работа выполнена в соответствии с Федеральной целевой программой «Научные и научно-педагогические кадры инновационной России на 2009-2013 гг., в рамках реализации мероприятия № 1.2.1 «Проведение научных исследований научными группами под руководством докторов наук», в соответствии с Федеральной целевой программой «Предупреждение и борьба с социально-значимыми заболеваниями (2007-2011г.г.) и научными направлением Юго-Западного государственного университета «Медико-экологические информационные технологии».

Цель работы. Разработка методов и алгоритмов синтеза нечетких решающих правил по информации о геометрической структуре многомерных данных относительно классификационных гиперструктур для экспертных систем решающих задачи анализа состояния сложных систем, позволяющих обеспечивать повышение качества принятия решений в условиях неполного и нечеткого описания объекта исследования.

Для достижения поставленной цели решались следующие задачи:

- на основании изучения существующих подходов к анализу состояния сложных объектов, функционирование которых описывается разнородной системой нечетких признаков, определены задачи и выбран адекватный математический аппарат исследования;

- разработаны методы синтеза нечетких решающих правил, в которых форма и параметры функций принадлежностей определяются структурой данных, а базовая переменная определяется как дистальная шкала относительно классификационных гиперструктур в многомерном пространстве признаков, определяющих состояние исследуемых систем; предложен способ коррекции параметров классификационной гиперплоскости определяющий базовую переменную для функций принадлежностей к исследуемым классам состояний;

- разработан алгоритм интеллектуальной поддержки процессов обучения и принятия решений по оценке состояния сложных систем на основе нечетких решающих правил с базовыми переменными на многомерных дистальных шкалах;

- созданы основные элементы программного обеспечения для системы поддержки принятия решений с сетевой базой знаний для выбранного типа решающих правил;

- оценены эффективность предложенных методов, моделей и алгоритмов на примере решения задач прогнозирования и диагностики заболеваний системы дыхания и вибрационной болезни.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, теории нечеткой логики принятия решений, экспертного оценивания, статистического анализа и математического моделирования. Для синтеза и проверки качества работы нечетких решающих правил использовалась система компьютерной математики МАТЬАВ 7 8Р1 и пакет визуального моделирования 81шиПпк.

Область исследований. Содержание диссертации соответствует п.4 «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений, обработки информации» паспорта специальности 05.13.01 «Системный анализ, управление и обработка информации» (технические науки).

Научная новизна. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- метод синтеза нечетких решающих правил, отличающийся тем, что базовые переменные соответствующих функций принадлежностей определяются по мере близости к классификационным гиперплоскостям, а форма и параметры этих функций выбираются с учетом структуры классов состояний исследуемых систем и задаваемых критериев качества, что позволяет решать задачи прогнозирования и оценки состояний исследуемых объектов на различных уровнях их функционирования в условиях нечеткого представления данных; метод синтеза кусочно-линейных нечетких классификаторов, отличающийся тем, что каждая из полученных гиперплоскостей используется для формирования базовой переменной соответствующей функции принадлежности к разделяемым классам состояний с использованием операторов агрегации, что позволяет обеспечивать высокое качество оценки состояния сложных объектов для задач со сложной многомодальной и пересекающейся структурой классов в условиях нечеткого их описания;

- метод получения нечетких решающих правил, отличающийся тем, что базовые переменные определяются как дистальные шкалы относительно эталонных многомерных объектов, а операция агрегации осуществляется с помощью максиминных нечетких операторов, что позволяет решать задачи классификации с «вложенной» структурой классов;

- алгоритм интеллектуальной поддержки процессов обучения и принятия решений по оценке состояния сложных систем на основе нечетких решающих правил с базовыми переменными на многомерных дистальных шкалах, отличающийся тем, что выбор типов и параметров нечетких решающих правил осуществляется на основе анализа многомерной геометрической структуры данных, обеспечивающий взаимодействие разрабатываемой системы с лицом принимающим решение как на этапе обучения, так и на этапе принятия решений в условиях разнородного, неполного и нечеткого представления информации об объекте исследования;

- система нечетких решающих правил экспертной системы медицинского назначения для прогнозирования и ранней диагностики заболеваний системы дыхания и вибрационной болезни, отличающаяся тем, что высокое качество принятия решений обеспечивается агрегированием различных типов правил, выбираемых в соответствии со структурой данных с учетом индивидуальных особенностей организма, что позволяет достигать уверенности в принимаемых решениях на уровне 0,85 и выше в зависимости от количества собираемой о пациентах информации.

Практическая значимость работы. Разработанные методы, решающие правила и алгоритмы составили основу построения системы интеллектуальной поддержки принятия решения о состоянии сложных систем на примере построения экспертных систем медицинского назначения, в частности врачей специалистов. Клинические испытания этой системы показали целесообразность ее использования в медицинской практике.

Применение предложенных в диссертации методов позволяет снизить риск возникновения, развития и обострения заболеваний системы дыхания и вибрационной болезни, а также выбрать рациональные схемы проведения лечебно-оздоровительных мероприятий, повышая эффективность лечения и сокращая его сроки.

Основные теоретические и практические результаты работы внедрены в составе медицинской информационной системы в практическую деятельность муниципального учреждения здравоохранения «Городская больница №2» г. Белгорода и используются в учебном процессе Юго-Западного государственного университета при подготовке специалистов по направлению «Биомедицинская инженерия» при чтении лекций и проведении лабораторных по курсу «Компьютерные технологии в медико-биологических исследованиях».

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научно-технических конференциях: на XIII и XIV Международной научно-технической конференции «Медико-экологические информационные технологии» (Курск 2010, 2011); на III Всероссийской научно-практической конференции с международным участием «Биотехническая и биомедицинская инженерия» (Курск 2010), на научно-практической конференции «Современные проблемы физики, биофизики и информационных технологий» (Краснодар 2010); на межрегиональной научно-практической конференции «Информационные проекты в медицинской и педагогической практике» (Курск 2010); на V Всероссийской научно-технической конференции «Информационные и управленческие технологии в медицине и экологии» (Пенза 2011); на международной научно-практической конференции «Интегративные процессы в науке» (Москва 2011).

Публикации. По материалам диссертации опубликовано 18 научных работ, перечень которых приведен в конце автореферата, из них 4 статьи в рецензируемых научных журналах.

Личный вклад автора. В работах, опубликованных в соавторстве, лично соискателем предложены: в работах [1, 4, 5, 8, 11, 12] - метод синтеза нечетких моделей анализа состояния сложных систем на многомерных дистальных шкалах относительно разделяющих поверхностей и многомерных эталонов, в работе [2] -способ и алгоритм коррекции параметров классификационной гиперплоскости определяющей базовую переменную нечеткого решающего правила, в работах [3, 7, 9, 13, 15, 17] - получены нечеткие решающие правила для прогнозирования и диагностики системы дыхания на основе нечетких правил логического вывода, в работе [6] - гибридные нечеткие решающие правила с учетом особенностей информации снимаемой с акупунктурных точек, в работе [10] - структура нечеткой базы знаний для системы поддержки принятия решений медицинского назначения, в работе [14] - нечеткие решающие правила для классификации стадий виброболезни, в работе [16] - нечеткое решающее правило для дифференциальной диагностики профессиональных заболеваний сварщиков, а в работе [18] - предлагает использовать комбинированные нечеткие решающие правила построения в многомерных пространствах для медицинских и экологических приложений.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 128 наименований. Объем диссертации 183 страницы машинописного текста, 47 рисунков и 13 таблиц.

Похожие диссертационные работы по специальности «Системный анализ, управление и обработка информации (по отраслям)», 05.13.01 шифр ВАК

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Рябкова, Елена Борисовна

4.4. Выводы четвертой главы

1. Полученные решающие правила для прогнозирования заболеваний дыхания у работников пылевых профессий обеспечивают уверенность в принимаемых решениях на уровне 0,86 подтвержденную в ходе статистических испытаний по показателям прогностической значимости

П3+ - 0,9, П3~ = 0,86).

2. Решающие правила для диагностики таких профессиональных заболеваний сварщиков как интоксикация, пневмокониоз и хронический бронхит обеспечивает уверенность в принимаемом решении на уровне 0,85 подтвержденному в ходе статистических испытаний такими показателями качество классификации как диагностическая чувствительность, специфичность и эффективность.

3. Нечеткие решающие правила, полученные для диагностики стадий виброболезни обеспечивают уверенность в принимаемых решениях на уровне 0,92 и выше, что позволяет рекомендовать все полученные решающие правила для использования в медицинской практике.

ЗАКЛЮЧЕНИЕ

Диссертационная работа посвящена решению научных и практических задач, связанных с повышением качества оценки состояния и управления сложными объектами за счет совершенствования методов теории нечеткой логики принятия решений.

В ходе проведенных исследований получены следующие основные результаты.

1. На основании анализа достижимости целей и задач исследования определены объекты, методы и средства исследований. Обосновано использование аппарата нечеткой логики принятия решений как наиболее адекватного для решаемых в работе задач.

2. Разработан метод синтеза нечетких решающих правил в соответствии с которым базовые переменные соответствующих функций принадлежностей определяются по мере близости к классификационным гиперплоскостям, а форма и параметры этих функций выбираются с учетом структуры классов состояний исследуемых систем и задаваемых критериев качества, что позволяет решать задачи прогнозирования и оценки линейно разделимых состояний исследуемых объектов на различных уровнях их функционирования в условиях нечеткого представления данных с требуемым для практики качеством принятия решений;

3. Предложен способ коррекции параметров классификационной гиперплоскости определяющей базовую переменную для функций принадлежностей к исследуемым классам состояний позволяющий формировать дистальную шкалу с минимальным пересечением гистограмм исследуемых классов состояний, что обеспечивает минимизацию ошибок классификации нечеткими решающими правилами.

4. Разработан метод синтеза кусочно-линейных нечетких классификаторов, в соответствии с которым каждая из полученных линейно-разделяющих гиперповерхностей используется для формирования базовой переменной соответствующей функции принадлежности к разделяемым классам состояний с использованием в качестве оператора агрегации операции нечеткого объединения, что позволяет обеспечивать высокое качество оценки состояния сложных объектов для задач со сложной многомодальной и пересекающейся структурой классов в условиях нечеткого их описания.

5. Предложен метод получения нечетких решающих правил с базовыми переменными определяемыми по дистальным шкалам относительно эталонных многомерных объектов в котором операция агрегации осуществляется с помощью максиминных нечетких операторов, что позволяет решать задачи классификации с «вложенной» структурой классов.

6. Разработан алгоритм интеллектуальной поддержки процессов обучения и принятия решений по оценке состояния сложных систем на основе нечетких решающих правил с базовыми переменными на многомерных дистальных шкалах, обеспечивающий взаимодействие разрабатываемой системы с лицом принимающим решение как на этапе обучения, так и на этапе принятия решений в условиях разнородного, неполного и нечеткого представления информации об объекте исследования;

7. Получена система нечетких решающих правил экспертной системы медицинского назначения для прогнозирования и ранней диагностики заболеваний системы дыхания и вибрационной болезни, отличающаяся тем, что высокое качество принятия решений обеспечивается агрегированием различных типов правил, выбираемых в соответствии со структурой данных с учетом индивидуальных особенностей организма, что позволяет достигать уверенности в принимаемых решениях на уровне 0,85 и выше в зависимости от количества собираемой о пациентах информации.

8. Проведена апробация предложенных методов и средств на репрезентативных контрольных выборках и показана целесообразность их использования при проектировании систем поддержки принятия решений медицинского назначения.

Список литературы диссертационного исследования кандидат технических наук Рябкова, Елена Борисовна, 2012 год

1. Айвазян, С.А. Прикладная статистика. Классификация и снижение размерностей Текст. / С.А. Айвазян, В.М. Буштабер, И.С. Енюков, Л.Д. Мешалкин // М.: - Финансы и статистика, 1989 г. - 607 с.

2. Айвазян, С.А. Прикладная статистика. Основы моделирования и первичная обработка данных Текст. / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин // Справочное издание. М.: Финансы и статистика, 1983. - 472 с.

3. Александров, В.В. Обработка медико-биологических данных на ЭВМ Текст. / В.В. Александров, B.C. Шнейдеров // Л.: Медицина, 1984. -160с.

4. Александров, В.В. Анализ данных на ЭВМ (на примере СИТО). Текст. / В.В. Александров, А.И. Алексеев, И.Д. Горский // М.: Финансы и статистика, 1990. 245с.

5. Алексахин, C.B. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения. Текст. C.B. Алексахин // В 2-х томах. М. ПРИОР, 2002. - 688с.

6. Андерсен, Т. Введение в многомерный статистический анализ // М.: Физматгиз, 1963. 500с.

7. Бешелев, С.Д., Гурович Ф.Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. - 263с.

8. Бикел, П., Доксам, К. Математическая статистика. М.:Финансы и статистика, 1983. вып. 1. - 278 е.; вып. 2. - 254с.

9. Бобырь М.В., Титов B.C., Емельянов С.Г. Теоретические основы построения автоматизированных систем управления технологическими процессами на основе нечеткой логики: монография / М.В. Бобырь, B.C. Титов, С,Г. Емельянов. Старый Оскол: ТНТ, 2011.-232с.

10. Боровников, В.П. Statistica для студентов и инженерво. М.: Компьютер Пресс, 2011. - 301 с.

11. Браверманн, Э.М., Мучник, Ч.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. - 464с.

12. Васильев, Н.С., Панов, В.М. «Имитационное моделирование сложных систем» М.: Практика, 1998.

13. Вапник, В.Н., Червоненкис, А .Я. Теория распознавания образов. -М.: Наука, 1974.-487с.

14. Васильев, В.Н. Распознающие системы. Текст. / В.Н. Васильев // Справочник, Киев.: Наукова думка, 1983. - 82с.

15. Воронцов, И.М., Шаповалов В.В., Шерстюк Ю.М. Здоровье. Опыт разработки и обоснование применения автоматизированных систем для мониторинга и скринирующей диагностики нарушений здоровья. СПб.: ООО «ИПК «Коста». 2006. - 432с.

16. Гайдышев, И.П. Анализ и обработка данных: специальный справочник. СПб.: Питер, 2001. - 752с.

17. Галушкин, А.И. Синтез многослойных систем распознавания образов. Текст. / А.И. Галушкин М.: Энергия, 1974. - 386с.

18. Генкин, Я.Я. Новая информационная технология анализа медицинских данных. СПб: Политехника, 1999 г. - 191с.

19. Глухов, A.A. Статистика в медицинских исследованиях Текст. / A.A. Глухов, A.M. Земсков, H.A. Степанян, A.A. Андреев, А.Н. Рог, Э.В. Савенюк, И.Н. Химина, В.А. Куташов. Воронеж: Изд-во «Водолей», 2005. -158с.

20. Горбань, А.Н., Дунин-Барковский B.JL, Кирдин А.Н., и др. / Нейроинформатика. Новосибирск: Наука. Сибирское предприятие Ран, 1998.-296С.

21. Горбань, А.Н. Обучение нейронных сетей. М.: Изд. СССР-США СП «ParaGraph», 1990. - 160с.

22. Горбатенко, П.К. Моделирование процесса распознавания с помощью нейронной сети. Текст. / П.К. Горбатенко, JI.H. Паринский // Вестник новых медицинских технологий. 2000 - Т.: VII, №3 - 4.С.21-22.

23. Горелик, A.JT. Методы распознавания. Текст. / A.JI. Горелик, В.А. Скрипкин М.: Высшая школа, 1984. - 258с.

24. Гублер, E.B. Применение непараметрических критериев статистики в медико-биологических исследованиях / Е.В. Гублер, A.A. Генкин. JL: Медицина, 1973. -103с.

25. Дуброва, Т.А. Статистические методы прогнозирования Текст.: Учебное пособие для вузов / Т.А. Дуброва. М.: ЮНИТИ-ДАНА, 2003. 206с.

26. Дуда, Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1978.-510с.

27. Дюбуа, Д. Теория возможностей. Приложения к представлению знаний в информатике Текст.: пер. с фр./ Д. Дюбуа, А. Прад. М.: Радио и связь, 1990.-288с.

28. Дюк, В., Эммануэль, В. Информационные технологии в медико-биологических исследованиях. СПб: Питер, 2003. - 528с.

29. Елисеева, H.H. Общая теория статистики. Текст. / H.H. Елисеева, М.М. Юзбашев // Учебник под ред. И.И. Елисеевой. 4-е изд., перераб. и доп. - М.: Финансы и статистика, 2003. - 480с.

30. Емельянов, С.Г. Формальные грамматики и грамматические сети. Особенности применения при решении задач распознавания и обработки сложноструктурированных разнородных данных и знаний Текст. / С.Г. Емельянов, A.B. Николаев.- М.: Высш. шк., 2005. 251с.

31. Енюков, И.С. Методы распознавания и их применение. М.: Сов. Радио, 1972. -308с.

32. Загоруйко, Н.Г. Методы распознавания и их применение. М.: Сов. Радио, 1972.-308с.

33. Заде, JI. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М.: Знание, 1974.

34. Заде, J1.A. Понятие лингвистической переменной и ее применение к принятию приближенных решений. Текст. / JI.A. Заде М.: Мир, 1976. -312с.

35. Ивахненко, А.Г., Юрачковский, Ю.П. Моделирование сложных систем по экспериментальным данным. М. Радио и связь, 1987. - 118с.

36. Исаева, Н.М. Системный подход к математическому моделированию в биологии и медицине / Н.М. Исаева, Т.н. Субботина // Вестник новых медицинских технологий. 2000 - T.VII №3-4.-25с.

37. Коптева, H.A. Прогнозирование возникновения заболеваний работников сельскохозяйственного производства Текст. / H.A. Кореневский, В.И. Серебровский, H.A. Коптева // Курск: изд-во Курск, гос. с.-х.ак., 2005. -35с.

38. Кореневский, H.A. Проектирование нечетких решающих сетей настраиваемых по структуре данных для задач медицинской диагностики. Текст. / H.A. Кореневский // Системный анализ и управление в биомедицинских системах. Москва, 2005, Т.4, №1. С. 12-20.

39. Кореневский, H.A. Проектирование систем принятия решений на нечетких сетевых моделях в задачах медицинской диагностики и прогнозирования. Текст. / H.A. Кореневский // Вестник новых медицинских технологий, 2006. Т. XIII, №2. С.6-10.

40. Кореневский, H.A. Проектирование систем принятия решений на нечетких сетевых моделях в задачах медицинской диагностики и прогнозирования Текст.: H.A. Кореневский // Телекоммуникации, № 6. 2006.С. 25-31.

41. Кореневский, H.A. Метод синтеза двумерных классификационных пространств Текст. / Известия ВУЗов. Приборостроение. Т.48, №2, 2005. С. 35-38.

42. Кореневский, H.A. Обучение классификации в режиме диалога Текст. / H.A. Кореневский // Курск, ПИ.-ОФАП.ВНИИМТИ; Инв. №5348939.-1993.-116с.

43. Кореневский, Н.А, Проектирование нечетких систем принятия решений, обучаемых по структуре данных Текст. H.A. Кореневский // Мехатроника, автоматизация, управление. 2005.-№9.-С.47-53.

44. Кореневский, H.A. Проектирование систем поддержки принятия решений для медико-экологических приложений: монография Текст. / H.A. Кореневский, B.C. Титов, Н.Е. Чернецкая; Курск.гос.техн.ун-т. Курск, 2004. 180с.

45. Кореневский, H.A. Проектирование медико-технологических информационных систем. Текст. / H.A. Кореневский, Н.Д. Тутов, Л.П. Лазурина //Монография. Курск.гос.техн.ун-т., Курск, 2001. 194с.

46. Кореневский, H.A. Комплексная оценка уровня психоэмоционального напряжения Текст. / H.A. Кореневский, О.И. Филатова, М,И. Лукашов, P.A. Крупчатников // Биомедицинская радиоэлектроника. 2009. - №5. - с.4-9.

47. Круглов, В.В., Нечеткая логика и искусственные нейронные сети Текст. / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. М.: Физматлит, 2001. -221с.

48. Кульбак, С. Теория информации и статистика. М.: Наука, 1967.408с.

49. Кэнал, J1. Обзор систем для анализа структуры образов и разработки алгоритмов классификации в режиме диалога Текст. / Л. Кэнал // Распознавание образов при помощи цифровых вычислительных машин. М.: мир, 1974. -157с.

50. Лбов, Г.С. Логические функции в задачах эмпирического предсказания Текст. / Г.С. Лбов // Эмпирическое предсказание и распознавание образов: Вычислительные системы. Новосибирск, 1978, вып. 76.-С. 34-64.

51. Лбов, Г.С. Методы обработки разнотипных экспериментальных данных Текст. / Г.С. Лбов, Новосибирск: Наука. 1981. 287с.

52. Леоненков, А. Нечеткое моделирование в среде MATLAB и fuzzyTECH Текст. / А. Леоненков. СПб.: Изд. BNV, 2008. - 736с.

53. Лукашов, М.И. Определение уровня длительного физического утомления как фактора риска рецидива хронических заболеваний Текст. / М.И. Лукашов, H.A. Кореневский, Еремин A.B., Филатова О.И. // Биомедицинская радиоэлектроника. 2009. - № 5. - с. 10-15.

54. Литвак, Б.Г. Экспертная информация. Методы получения и анализа. -М.: Радио и связь, 1982. 184с.

55. Малышев, Г. Нечеткие модели для экспертных систем в САПР Текст. / Г. Малышев, Л. Берштейн, А. Боженюк. М.: Энергоатомиздат, 1991.- 135с.

56. Методика применения экспертных методов для оценки качества продукции // М.: Стандарт, 1975. 31с.

57. Мелихов, А.Н. Расплывчатые ситуационные модели принятия решений Текст. / А.Н. Мелихов, Л.С. Берштейн, С.Я. Коровин // Учеб. пособие, Таганрог: ТРТИ, 1986. 211с.

58. Нечеткие множества в моделях управления и искусственного интеллекта Текст.: под ред. Д.А. Поспелова. М.: Наука, 1986. - 312с.

59. Нечеткие множества и теория возможностей. Последние достижения Текст.: пер. с англ./под ред. P.P. Ягера. М.: Радио и связь, 1986.-408с.

60. Новак, В. Математические принципы нечеткой логики Текст.:пер. с англ./ В. Новак, И. Перфильева, И.М. Мочкрож. Физматлит, 2006. - 352с.

61. Новосельцев, В.И. Теоретические основы системного анализа Текст. / В.И. Новосельцев, Б.В. Тарасов, В.А. Голиков, Б.Е. Демин / Под ред. В.И. Новосельцева // М.: Майор, 2006. 592с.

62. Нильсен, Н.Д. Искусственный интеллект. Методы поиска решений. М.: Мир, 1973.-298с.

63. Омельченко, В.П. Практикум по медицинской информатике Текст. / В.П. Омельченко, A.A. Демидова // Серия учебники. Учебные пособия / Ростов на Дону. Феникс, 2001. 304с.

64. Орлов, А.И. Прикладная теория измерений // Прикладной многомерный статистический анализ. -М.: наука, 1978. С. 68-138.

65. Осовский, С. Нейронные сети для обработки информации. Текст. / Осовский С. / пер. с польского Рудинского Л.Д. М.: Финансы и статистика. 2002.-344с.

66. Попечителев, Е.П. Методы медико-биологических исследований. Системные аспекты Текст.: учеб. Пособие / Е.П. Попечителев. Житомир, 1997. 186с.

67. Попов, Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. - 287с.

68. Портнов, Ф.И. Электропунктурная рефлексотерапия. Рига: Зинатне. 1980.-245с.

69. Порохна, В.С, Некоторые аспекты рефлексодиагностики и рефлексотерапии // Вестник новых медицинских технологий. 2003г. Т.Х, №3 - С.45-47.

70. Построение экспертных систем: Пер. с англ./ под ред. Ф. Хейса-Рота, Д. Уотермана, Д. Лената. М.: Мир, 1987.-412с.

71. Распознавание образов и медицинская диагностика / под ред. Неймарка Ю.И., гл. ред. Физ.-мат. Литературы издательства «Наука», -М., 1972.-328с.

72. Рыков, A.C. Модели и методы системного анализа: принятие решений и оптимизация// Учебное пособие для вузов / М.: «МИСИС». Издательский дом «Руда и металлы», 2005. 352с.

73. Рябкова Е.Б. Метод синтеза нечетких решающих правил по информации о геометрической структуре многомерных данных Текст. / H.A. Кореневский, Е.Б. Рябкова // Вестник Воронежского государственного технического университета 2011г. Т.7. №8. С.128-137.

74. Рябкова, Е.Б. Алгоритм коррекции многомерной разделяющей поверхности Текст. / Е.Б. Рябкова, Т.Н. Говорухина, H.A. Кореневский // Вестник Воронежского государственного технического университета. 2011г. Тю7.№7. С. 194-200

75. Рябкова, Е.Б. Синтез нечетких решающих правил для медицинских экспертных систем с сетевой базой знаний: Коллективная монография Текст. / H.A. Кореневский, Е.Б. Рябкова, С.А. Горбатенко, Е.А. Нечаева, Краснодар. 2010. с. 166-187.

76. Сергиенко, С.К. Практикум по инженерной психологии и эргономике: учеб. пособие для студ. высш. учеб. заведений / под ред. Ю.К. Стрелкова Текст. / С.К. Сергиенко, В.А. Бодров, Ю.Э. Писаренко и др. М.: Издат. Центр «Академия», 2003, 400с.

77. Сидельников, Ю.В. Теория и организация экспертного прогнозирования. М.: ИМЭМО АН СССР, 1990г. - 196с.

78. Справочник по функциональной диагностике в педиатрии Текст. / Под ред. Ю.Е. Ватищева, И.С. Кисляк. М.: Медицина, 1979г. 624с.

79. Танака, К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве Текст. / К. Танака // в кн. Нечеткиемножества и теория возможностей. Последние достижения. Пер. с англ. / Под ред. P.P. Ягеря М.: Радио и связь, 1986. - 408с.

80. Таусенд, К., Фохт, Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика. 1990г.-346с.

81. Терехина, А.Ю. Анализ данных методами многомерного шкалирования Текст. / А.Ю. Терехина. М.: Наука, 1986.-215с.

82. Титов, B.C. Выбор оптимальных параметров управления технологическим процессом методами нечеткой логики Текст. / B.C. Титов, М.В. Бобырь, С.С. Тевс // Промышленные АСУ и контроллеры. Москва. -2003. -№5.-с.21-23.

83. Тэрано, Г. Прикладные нечеткие системы Текст. / Г. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993. - 368с.

84. Уинстон, П. Искусственный интеллект. М.: Мир, 1980. - 520с.

85. Уотермен, Д. Руководство по экспертным системам. 1980. - 384с.

86. Уотерман, Р. Д. Построение экспертных систем Текст.: Д. Уотерман, Д. Ленат, Ф. Хейсе-рот.: пер. С англ. М. Мир, 1987. - 521с.

87. Усков, A.A. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика Текст. / A.A. Усков, A.B. Кузьмин.М.: горячая линия телеком, 2004. - 143с.

88. Устинов, А.Г. Автоматизированные медико-технологические системы в 3-х частях Текст. / А.Г. Устинов, В.А. Ситарчук, Н.А, Кореневский // Под ред. А.Г. Устинова // Монография КурскГТУ, Курск. 1995г.-390с.

89. Флейшман, Б.С. Брусиловский П.М., Розенберг Г.С. О методах математического моделирования сложных систем // Системные исследования. Ежегодник. М.: Наука, 1982. - С.65-79.

90. Фогель, Л., Оуэне А., Уолш М. Искусственный интеллект и эволюционное моделирование. Мир, 1969. - 230с.

91. Фомин, А.А., Тарловский Г.Р. Статистическое распознавание образов. Текст. А.А. Фомин, Г.Р. Тарловский. Радио и связь, 1986.-288с.

92. Фролов, В.Н. Управление в биологических и медицинских системах Текст.: учеб. Пособие / В.Н. Фролов. Под ред. д-ра техн. наук, проф. Я.Е. Львовича и д-ра мед. наук, проф. М.В. Фролова. Воронеж.гос.техн.ун-т. Воронеж, 2001. 327с.

93. Фу, К. Структурные методы распознавания образов. Текст. К. Фу. -М.: Мир, 1977.-320с.

94. Фукунага, К. Введение в статистическую теорию распознавания образов. Текст. / К. Фукунага. Пер. с англ. М.: наука, 1979. 350с.

95. Яхъяева, Г.Э. Нечеткие множества и нейронные сети. Учебное пособие Текст. / Г.Э. Яхъяева // М.: Интернет-университет информационных технологий; БИНОМ. Лаборатория знаний. 2006. 316с.

96. Bruce, G/ Buchanan, Edward Н. Sportlife. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Projext. Addison-Wesley Publishng Company. Reading, Massachusetts, 1984, ISBN 0201-10172-6/ P742.

97. Chandrasekaran, В., Mittal, S., Conceptual Representation of Medical Knowledge for Diagnosis by Computer: MDX and Related Systems // Adv. Comput. 1983.-N22.-P.217-293.

98. Hayes-Roth, F.: "The Knowledge Based Expert Systems: A Tutorial". IEEE COMPUTER.-1987,-Vol. 17, N9.-P. 11-18.

99. Kazuo Tanaka, Hua O. Wang Fuzzy Control Systems Design and Analysis: A Linear Matrix Inequality Approach. 2001. John Wiley &Sons, INC. ISBNS: 0-471-32324-1 (Hardback).-305p.

100. Klir, George, J., Ute H. St. Clair, and Bo Yuan. Fuzzy Set Theory Foundations and. Applications. Prentice-Hall, Inc. (1997), 345p.

101. Mamdani, E.N. Application of fuzzy algorithm for simple dynamic plant / Proceedings IEEE / 1974, N 12. P. 1585-1588.

102. Mamdani, E.N., Asslian S. An experiment in lingquistic synthesis whis a fuzzy logic controller // international Journal of Man-Machine Studies. 1975. N 7. P.l-13.

103. Negoita, C.N. Expert Systems and Fuzzy Systems. The Benjamin / Cammings Publishing Co., Menio Park, C.A, 1985.

104. Pal, N.R., Eluri, V.K., Mandai, G.K. "Fuzzy logic approaches to structure preserving dimensionality reduction", IEEE Transactions on Fuzzy Systems. June 2002, Vol. 10, Issue 3, P.277 286.

105. Sammon, Y.W. An optimal discriminant plane // IEEE Trans. Comput.-1970.-Vol. 19, N9.-P. 15-25.

106. Sammon, Y.W. A. Nonlinear mapping for Data Structure Analysis // IEEE Trans / Comput.-1969, -C-18-N5-P.401-409.

107. Sandifort, P., Annett H., Cibulskis ZR. What can information systems do for primary health care. An international perspective // Social sei. Andmed.-1992.-Vol.34.-P. 1077-1087.

108. Shortliffe, E.H. Computer-Based medical Consultations: MYCIN, New York: American Elseviver. 1976.

109. Takagi T., Sugeno M. Fuzzy identification of Systems and its applications to Modeling and Control // IEEE. Trans. SMC. 1985. Vol. 15, Nl.P.l 16-132.

110. Weiss, S.M., Kulikowski, C.A. A practical Gude to Desinging Expert System.-New Gersey: Powman&Allan heild Publ., 1984.

111. Wen, Z. Fuzzy-based determination of model and parameters of dual-wavelength vision system for on-line apple sorting / Z.Wen, Y. Tao // Opt. Eng. -1998. vol.37. - no.l. - P.293-299.

112. Zadeh, L.A. Advances in Fuzzy Mathematics and Engineering Fuzzy Sets and Fuzzy information-Granulation Theory. Beijing Normal University Press. 2005. ISBN 7-303-05324-7.

113. Zadeh, L.A., King-Sun Fu, Kokichi Tanaka, Massamichi Shimura. Fuzzy sets and their applications to cognitive and decision processes. Academic Press, inc. New York San Francisco London, 1975. ISBN 0-12-775260-9.

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.