Данная работа посвящена рассмотрению одной из интеллектуальных автоматизированных систем распознавания (ИАСР), в которой используются принципы коллективного принятия решений. Основное назначение системы – решение задач классификации данных и распознавания образов. Вместе с тем ИАСР является достаточно гибкой системой и позволяет выполнять адаптацию заложенных в нее моделей для решения задач других классов.

Задачу выработки коллективного решения при распознавании объекта s определим следующим образом [1, 2]:

где a_m(s) – коллективная решающая функция, ставящая в соответствие распознаваемому объекту s номер некоторого класса исходного алфавита классов; G – процедура формирования конечного решения задачи на основе результатов, выдаваемых отдельными представителями коллектива решающих правил A, полученного на базе коллектива методов распознавания M; qa – размерность коллектива решающих правил.

В ИАСР в основу процедуры принятия решений в процессе коллективного распознавания положена модель выборочного взвешенного голосования [3, 4]:

где d – функция формирования коллективного решения на множестве значений голосующих функций классов g_k(s); qc – размерность алфавита классов; x_ij – коэффициент i-го класса по j-му решающему правилу; b_j – нормированный весовой коэффициент j-го решающего правила, который назовем коэффициентом доверия j-му решающему правилу; b_min – минимально допустимое (пороговое) значение коэффициента доверия; E_j – нормированная величина эмпирического риска при использовании j-го решающего правила на обучающей выборке T.

На рисунке 1 представлена структура процесса коллективного распознавания на базе выборочного взвешенного голосования на множестве
решающих правил, включающего три этапа обработки для получения конечного результата классификации.

Качество распознавания при использовании представленной модели в значительной мере зависит от сформированного коллектива методов и синтезируемого на его основе множества решающих правил. В ИАСР для синтеза коллектива
решающих правил используется детермированно-стохастический подход, суть которого заключается в генерировании случайным образом для каждого метода в соответствии с заданными параметрами и ограничениями набора решающих правил и модификации полученного множества (добавлении, изменении, удалении правил) на основе априорных соображений и данных о задаче.

Функциональное ядро ИАСР Q построено как совокупность взаимосвязанных модулей, каждому из которых соответствует определенный этап автоматизации: Q=Q(D, M, L, V, R), где D – модуль задания исходных данных; M – модуль определения методов решения задач; L – модуль обучения; V – модуль верификации решающих правил; R – модуль распознавания. Модули D, M, L, V образуют комплекс средств синтеза решения, а модули R и частично D составляют средства решения задачи. На рисунке 2 приведена обобщенная схема, отражающая структуру и процесс функционирования системы.

Формализованные знания о способах решения прикладных задач распознавания хранятся в базе знаний ИАСР. База знаний K обеспечивает поддержку рассмотренной ранее модели коллективного распознавания и представляет собой композицию четырех взаимосвязанных элементов: K=<K_M, K_S, K_C, K_D>, где K_M – банк формализованных методов распознавания; K_S – банк формализованных схем принятия решений; K_C – банк описаний коллективов решающих правил; K_D – банк описаний синтезированных решений (рис. 3).

Вместе с тем ИАСР представляет собой экспертно-ориентированный программный комплекс. Принадлежность ИАСР к системам экспертного типа обусловливается наличием в процессе распознавания неформализованных процедур выбора методов решения задачи и синтеза на их основе решающих правил. Эти процедуры должны выполняться экспертом-когнитологом – специалистом в области теории распознавания образов с привлечением при необходимости специалистов в конкретной предметной области.

В соответствии с этим выделим два типа пользователей системы: когнитологов, выполняющих синтез решений прикладных задач и сопутствующие этому процедуры, и конечных пользователей, решающих свои частные задачи с помощью ИАСР.

Наличие базы знаний и соответствующих инструментальных средств позволяет достаточно гибко конфигурировать положенную в основу ИАСР модель распознавания для повышения качества распознавания и/или адаптации к специфичной проблемной области благодаря возможности создания и применения в системе различных схем реализации управления множествами методов, правил и результатов классификации.

Данная характеристика ИАСР, как уже было отмечено, ориентирована в первую очередь на использование экспертных знаний. Принципы и модели, положенные в основу ИАСР, были апробированы на экспериментальных данных и подтвердили свою эффективность.

Литература

1.   Глаз А.Б. Параметрическая и структурная адаптация решающих правил в задачах распознавания. Рига: Зинатне, 1988. 167 с.

2.   Растригин Л.А., Эренштейн Р.Х. Метод коллективного распознавания. М.: Энергоиздат, 1981. 80 с.

3.   Барабаш Ю.Л. Коллективные статистические решения при распознавании. М.: Радио и связь, 1983. 224 с.

4.   Теория выбора и принятия решений: учеб. пособие. М.: Наука, 1982. 328 с.