Введение к работе
Актуальность темы диссертации. Идея использования личных или субъективных экспертных знаний для знаниеориентированной обра-іотки и распознавания изображений возникла практически одновре-іенно с появлением первых интеллектуальных систем анализа изо-іражений. Предпосылками для этого явились психометрические ис-;ледования экспертов, проводимые в рамках инженерии знаний в :вязи с формализацией и представлением экспертных знаний. К на-:тоящему времени реализован ряд исследовательских проектов по юзданшо интеллектуальных систем анализа изображений, использу-лцих в процессе распознавания субъективные экспертные знания, ;оторые отражают не только форму представления их экспертом ;естественно-языковая или вербальная либо неязыковая или неЕер-!альная),но и характер (модальность) сенсорного восприятия зкс-іерта. Анализ публикаций по состоянию дел в области обработки и применения субъективных знаний подтверждает, что интенсивность забот в этом направлении постоянно возрастает. Особенно акту-ільннми являются попытки применения систем анализа изображений іа основе субъективных экспертных знаний (по принятой термино-ІОГИИ,систем распознавания когнитивных изображений) для решения задач диагностики состояний исследуемого объекта в слабоформа-шзованных предметных областях : психологии,экономике, социологии, программах исследования природных ресурсов и т. д..
Однако для достижения результативности в применении субъективных экспертных знаний требуется решение ряда проблем. Одной із наиболее существенных здесь является проблема разработки зданого подхода к описанию разнородности и неопределенности субъективных знаний на различных этапах знаниеориентированной обработки данных - от приобретения и формализации экспертных знаний до распознавания изображений на их основе. Не в достаточной мере разработана сама концепция разнородности субъективен: знаний,не предложена эффективная методика их приобретения и формализации, отсутствует теоретическая проработка вопроса применения различных родов (типов) субъективных экспертных знаний цля построения алгоритмов распознавания когнитивных изображе-зий. Все это снижает работоспособность и надежность реализуемых
интеллектульных систем анализа изображений.
Актуальность данной диссертационной работы заключается в устранении перечисленых выше недостатков с целью улучшения характеристик систем автоматизированной обработки и распознавания когнитивных изображений на основе различных типов субъективных экспертных знаний применительно к задачам диагностики. Это уменьшит материальные и временные затраты, связанные с процессом достоверной обработки изобразительной информации.
Связь работы с крупными научными програшами, темами. Диссертационная работа выполнена в рамках научных исследований по плановой госбюджетной теме "Разработка методов и алгоритмов решения задач оптимизации информационных потоков, распознавания образов и обработки естественно-языковой информации как модулей интеллектуальных автоматизированных систем" (гос. регистрация И ОІ92000І54Є), выполняемой кафедрой математического обеспечения АСУ Белгосуниверситета. Она также соответствует государственному плану важнейших научных исследований в области технических наук ИТК АН Беларуси по теме "Алгоритмы и методы анализа когнитивных изображений" (гос. регистрация J6 ИТ-32), программе научных исследований кафедры психологии Гомельского госуниверситета им. Ф. Скорины по госбюджетной теме "Совершенствование методов определения пригодности школьников к обучению на более высоком образовательном уровне" (гос. регистрация Jfc ГБ 93-01).
Цель и задачи исследования. Целью диссертационной работы является разработка математического и программного обеспечения для распознавания изображений на основе различных типов субъективных экспертных знаний в условиях их неопределенности.
Для достижения поставленной цели необходимо решить следующие задачи :
-
Провести анализ природы разнородности субъективных знаний и существующих технологий распознавания изображений на основе априорных экспертных знаний. Сформулировать задачу распознавания когнитивных изображений в условиях разнородности и неопределенности субъективных экспертных знаний.
-
Разработать математическую модель описания субъективной неопределенности разнородных знаний, обеспечивающую адаптацию системы распознавания когнитивных изображений при изменении ви-
да неопределенности данных и знаний.
-
В рамках предложенной модели построить соответствующие алгоритмы для приобретения, качественного анализа, согласования и организации субъективных экспертных знаний с учетом их разнородности, алгоритмы распознавания когнитивных изображений для задач диагностики.
-
Разработать систему распознавания когнитивных изображений на основе разнородных знаний, включая подсистемы приобретения знаний и обработки их неопределенности применительно к задачам диагностики.
Методы исследования. В работе применяются методы теории частично упорядоченных и теории нечетких множеств, методы распознавания образов и обработки изображений, методы искусственного интеллекта, алгебры логики и техника программирования на ПЭВМ.
Научная новизна полученных результатов. Научная новизна работы заключается в следующем :
предложен способ формализации неопределенности субъективных экспертных знаний в виде обобщенных Р-нечетких множеств типа п (QP-множеств); на основе разработанных формализмов предложен подход к адаптации системы распознавания когнитивных изображений при изменении вида субъективной неопределенности данных и знаний в условиях сквозной автоматизации : от приобретения разнородных знаний до распознавания на их основе;
построена математическая модель нечеткого векторного пространства признаков, обеспечивающая решение задачи обработки и распознавания когнитивных изображений на основе разнородных знаний в условиях субъективной неопределенности; введены и обоснованы основы алгебры изображений на элементах нечеткого векторного пространства;
на модели нечеткого векторного пространства предложено алгоритмическое решение задачи обработки и распознавания когнитивных изображений с обоснованием необходимости обобщения традиционного понятия когнитивного изображения;
разработаны новые алгоритмы для автоматизированного приобретения, качественного анализа и согласования субъективных экспертных знаний с учетом их разнородности;
разработан программный комплекс для решения задач приобре-
тения различных типов субъективных экспертных знаний и распознавания когнитивных изображений на их основе в условиях изменения неопределенности данных и знаний; применительно к решению задач диагностики реализован ряд практических приложений таких инструментальных средств.
Практическая значииость полученных результатов. Разработанные в диссертации алгоритмы и методы могут служить основой для построения автоматизированных систем распознавания когнитивных изображений на основе разнородных экспертных знаний применительно к задачам диагностики. Они могут быть использованы в соответствующих НИИ (в частности психологических) для проведения дальнейших исследований. Теоретические результаты, полученные в работе, использованы при создании автоматизированных психодиагностических систем, применяющихся в практике школьной психологической службы г. Гомеля, при отборе студентов и слушателей факультета повышения квалификации Гомельского госуниверситета им Ф. Скориш. Они также внедрены в учебный процесс в Гомельском госуниверситете для чтения специальных курсов студентам.
Основные положения, выносимые на защиту :
подход к построению системы распознавания когнитивных изображений, обеспечивающий инвариантность ее структуры к разнородности субъективных экспертных знаний и различным видам их неопределенности;
теоретические положения обобщенных Р-нечетких множеств типа п и способ формализации на их основе неопределенности субъективных экспертных знаний;
теоретические положения с обоснованием основных свойств модели нечеткого векторного пространства признаков, основы алгебры изображений на элементах нечеткого векторного пространства;
алгоритмы предобработки, сегментации и распознавания когнитивных изображений на основе разнородных экспертных знаний;
алгоритмы приобретения, качественного анализа и согласования субъективных знаний с учетом их разнородности и неопределенности;
комплекс программных средств, реализующий единый подход к
решению задачи приобретения и формализации различных типов субъективных знаний,а также распознаванию когнитивных изображений на их основе в условиях изменения неопределенности данных и знаний. Все основные результаты диссертационной работы получены автором самостоятельно.
Апробация результатов диссертации. Основные положения диссертации докладывались на I Всесоюзной конференции "Распознавание образов и анализ изображений : новые информационные технологии" (Минск,I991); Международном семинаре "Интеллектуализация систем баз данных" (Калининград,1992); VI конференции математиков Беларуси (Гродно, 1992); Международной конференции "Компьютерные технологии в обучении" (Киев, 1993); научно-технической конференции стран СНГ "Распознавание образов и анализ изображений" (Минск,1993); VI конференции стран СНГ "Математические методы в распознавании образов" (Москва, 1993); I Международном конгрессе "Нечеткие множества в экономике и управлении" (Испания, Реус, 1994), а также на семинарах ГГУ им. Ф. Скориш (Гомель ,1993-1997), ГО ИМ АН Беларуси (Гомель, І99І-І997), ИТК АН Беларуси (Минск, 1997).
Опубликованность результатов. По теме диссертации опубликовано 14 научных работ, в том числе :
I статья во Всесоюзном сборнике научных трудов;
I статья в республиканском академическом журнале;
2 статьи в трудах международных конференций;
2 авторских препринта ВЦ АН Беларуси;
8 тезисов докладов на Всесоюзных, СНГ и республиканских конференциях.
Структура и объем диссертации. Диссертация состоит из введения, общей характеристики работы, четырех глав, выводов, списка литературы и приложения. Работа содержит 100 стр. печатного текста, 10 стр. иллюстраций, I таблицу, список использованных источников на 10 стр. (122 наименования) и 2 стр. приложения.
