CC BY
42
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №12/2015 ISSN 2410-6070
классификатор, нейронная сеть, дерево решений). Эти ансамбли, также статистически не различаются и их можно использовать равнозначно для решения данной задачи.
В задаче распознавания цифры по рукописи бустинг метода k ближайших соседей незначительно увеличил эффективность метода, поэтому в равной мере можно использовать как обычный метод, так и модернизированный. Обычный метод опорных векторов от них статистически не отличается и тоже может использоваться для классификации по данной базе.
В задаче распознавания типа автомобилей определенно рекомендуется использовать нейронную сеть, так как она показала лучшую эффективность, значительно отличающуюся от остальных методов.
В задаче распознавания объекта в сегментированном изображении лучшим вариантом решения оказался ансамбль из лучших методов, состоящий из метода k ближайших соседей, дерева решений и многослойного персептрона. По результатам t-test он имеет значимые отличия от других методов.
Таким образом, результаты оказались неопределенными, что не позволяет однозначно выбрать наилучший подход в задачах распознавания изображений. Это значит, что необходимо строить более мощные, а лучше - адаптивные методы, которые смогут автоматически настраиваться на решаемую задачу. Сделать это в рамках используемой системы RapidMiner не представляется возможным, поэтому следует использовать другие подходы. Примером таких подходов являются бионические и эволюционные алгоритмы [5, c. 499], особенно в самоадаптивных вариантах [6, c. 2207]. Список использованной литературы:
1. Machine Learning Repository [Электронный ресурс]. URL:http://archive.ics.uci.edu/ml/ datasets.html (дата обращения: 15.02.2015).
2. RapidMiner [Электронный ресурс]. URL: https://rapidminer.com/ (дата обращения: 23.06.2015).
3. Freund Y., Schapire R.E. A decision-theoretic generalization of on-line learning and an application to boosting // Journal of Computer and System Sciences, no. 55, 1997.
4. А. А. Корнеев, А. Н. Кричевец. Условия применимости критериев Стьюдента и Манна-Уитни. // Психологический журнал, 2011, том 32, № 1, с. 97-110.
5. Akhmedova S., Semenkin E. Data mining tools design with co-operation of biology related algorithms // Lecture Notes in Computer Science. 2014. Т. 8794. С. 499-506.
6. Akhmedova S., Semenkin E. Co-operation of biology related algorithms // 2013 IEEE Congress on Evolutionary Computation, CEC 2013 2013. С. 2207-2214.
© Митрофанов С. А., 2015
УДК 004.82
С.А. Мишин, к.т.н., доцент доцент кафедры автоматизированных информационных систем ОВД
Воронежский институт МВД России А.В. Мишин, к.т.н., доцент заведующий кафедрой правовой информатики, информационного права и
естественнонаучных дисциплин ЦФ ФГБОУ ВО «Российский государственный университет правосудия», г. Воронеж, РФ
ФОРМАЛЬНАЯ СТРУКТУРА ПОДСИСТЕМЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Аннотация
В статье рассматривается подход к построению формальной структуры «оболочки» подсистемы представления знаний интеллектуальной системы поддержки принятий решений, учитывающий
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №12/2015 ISSN 2410-6070
иерархическую структуру интересов различных сторон, образующих коллектив равноправных либо неравноправных участников, а также результаты решения задач соприкасающихся классов.
Ключевые слова
База знаний, интеллектуальная система поддержки принятий решений, целевая альтернатива.
Введение. В любой интеллектуальной системе поддержке принятий решений (ИС1II1Р) можно выделить три основных компонента: подсистема представления знаний (базы знаний и базы данных), решатель задач и подсистема интерфейса (общения на ограниченном естественном языке, визуализации информации и т.п.) [1].
Рассмотрим возможную структуру «оболочки» подсистемы представления знаний, т.е. набора формальных объектов в её составе, с помощью которых достигается окончательная формальная постановка задачи принятия решения согласно [2].
Описание предметной области. Будем считать, что существует коллектив K заинтересованных сторон (подразделения органов внутренних дел, преступные группировки) и объект их интересов. Интересы сторон не совпадают и противоречивы в том смысле, что продвижение по пути максимального удовлетворения интересов одной стороны сопровождается определённым снижением удовлетворённости интересов других сторон.
Интересы каждой из стороны неоднородны и имеют иерархическую структуру с тремя уровнями: стратегические, тактические и оперативные (непосредственные). При этом достижение удовлетворённости стратегических интересов развёрнуто во времени и реализуется через удовлетворение тактических и оперативных интересов.
Существуют множества альтернативных способов удовлетворения стратегических, тактических и оперативных интересов - ©, G, и Yсоответственно. Выбор альтернатив является направленным в том смысле, что каждая заинтересованная сторона стремиться выбрать наиболее предпочтительную для неё альтернативу. При этом эффективность и предпочтительность стратегической альтернативы в зависит от выбора тактических и управляющих альтернатив таким образом, что наилучшая оценка стратегической
ж * *
альтернативы в достигается при выборе наиболее эффективных тактических { g } и оперативных { y }
* J
альтернатив, где
i = 1, 2, ..., n; j = 1, 2, ..., m. В свою очередь, наилучшая оценка тактической альтернативы g * достигается
*
при выборе наиболее эффективных оперативных альтернатив { y }, где j =1, 2, ..., l.
Существует и задано множество ситуаций Х, элементы которого определяют оперативные ограничивающие условия принятия решений, от которых зависит допустимость и эффективность элементов множества оперативных управляющих альтернатив Y. В таком случае непосредственными объектами направленного выбора являются стратегические и тактические альтернативы, а также правила назначения оперативных управляющих альтернатив п: X— Yв зависимости от наблюдаемых ситуаций х е X. Множество таких правил обозначим символом П. Тогда непосредственными объектами направленного выбора должны
быть тройки a = (в, g, п ), где в — стратегическая альтернатива, g - тактическая альтернатива, П —
правило назначения оперативных управляющих альтернатив в зависимости от ситуаций. В этом случае
тройки a = (в, g, п ) е0х G х П естественно рассматривать в качестве целевых альтернатив [2].
Структура «оболочки» подсистемы представления знаний ИСППР определяется следующим набором объектов S = {K, A, Ф, P}, где К = {1, ... , k} - коллектив заинтересованных сторон (интересы которых связаны с выбором стратегических, тактических и оперативных управляющих альтернатив), А - множество целевых альтернатив, определяемых произведением множеств © х G х П, в котором © - множество стратегических альтернатив, G - множество тактических альтернатив, П = {п: X —^ Y} - множество правил назначения оперативных управляющих альтернатив в зависимости от
эквивалентность предпочтении.
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №12/2015 ISSN 2410-6070
ситуаций, Ф = Ф(А) - критерий качества (или полезности) целевых альтернатив; P - отношение предпочтения на A, удовлетворяющее условию x P y ^ Ф(х) P Ф(у), (x, y е A)
и аксиомам (символами —i, v, л обозначены логические связки булевой алгебры: импликация (если..., то ...), отрицание (не), дизъюнкция (или), конъюнкция (и)): А1. хРу ^ — (уРх) - асимметричность;
А2. хРу ^ (xPz) v (zPx) - сравнимость альтернатив.
В дополнение к отношению хРу можно ввести отношение безразличия целевых альтернатив xJy, обладающее свойствами отношения эквивалентности [3]: Т1. х1х - рефлексивность;
Т2. (х1у) ^ (yJx) - симметричность;
Т3. (хJz) л (zJy) ^ (xJy) - транзитивность;
Т4. (хРу) л (xJz) -> (zPy) Т5. (хРу) л (yJz) ^ (xPz)
Отношение предпочтения может использоваться для выбора наиболее предпочтительной (недоминируемой) целевой альтернативы или быть представлено в форме числовой функции полезности. В теории полезности показано [4], что при некоторых предположениях относительно предпочтений, выраженных аксиоматически, гарантируется существование действительной функции полезности Ф, обладающей следующими свойствами:
1) Vx Vy [(xPy) ^ (Ф (X) > Ф (у))] л [—(xPy ) ^ —(Ф (x) > Ф (у))] ;
2) Ф (p, x; (1 - p), у) = p • Ф (x) + (1 - p) • Ф (у).
Первое свойство означает, что Ф (x) > Ф (у) тогда и только тогда, когда х предпочтительней у. Второе свойство даёт правило вычисления полезности вероятностной смеси результатов, в которой х присутствует с вероятностью р, а у - с вероятностью (1-р).
Теория полезности [4] определяет также оптимальное правило выбора целевых альтернатив в условиях риска, заключающееся в выборе альтернативы, для которой достигается максимум математического
ожидания полезности max A = X pij fij , где pj - вероятность получения результата rj при целевой
i j
альтернативе ai; f у - численное значение полезности результата r j при целевой альтернативе ai.
Аксиоматическая теория действительных функций полезности может рассматриваться как некоторая модель для оценки полезности, применимая не во всех случаях, но дающая простейший с практической точки зрения метод вычисления полезности результатов [1]. В общем случае полезность может оцениваться по различным характеристикам вариантов решения, правила определения которых вытекают из объективных компонентов знаний, путём введения нескольких отношений предпочтения результатов или векторных функций полезности.
Заключение. Таким образом, представленный набор формальных объектов в составе структуры S, являющихся носителями априорной информации, отвечающей заданным условиям, составляет информационную базу принятия решений. При такой постановке алгоритм решения конкретной управленческой задачи учитывает иерархическую структуру интересов различных сторон, образующих коллектив равноправных либо неравноправных участников, а также результаты решения задач соприкасающихся классов.
Список использованной литературы:
1. Мишин А.В. Основы теории формальных систем: построение моделей принятия решений / А.В. Мишин. - Воронеж: Изд-во Воронежского института МВД России, 2003. - 116 с.
2. Баранов В.В. Структуры систем динамического принятия решений / В.В. Баранов, В.М. Матросов // Известия РАН. Теория и системы управления. - 1997. - № 1. - С. 5-15.
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №12/2015 ISSN 2410-6070
3. Мишин А.В. Состав логических компонент прагматики интеллектуальной системы / А.В. Мишин, С.А. Мишин // Вестник Воронежского института МВД России. - 2014. — № 3. - С. 73-80.
4. Фишберн П.С. Теория полезности для принятия решений / П.С. Фишберн. - М.: Наука, 1978. - 352 с.
© Мишин С.А., Мишин А.В., 2015
УДК 62
Ю.П. Моисеева
заместитель генерального директора, Е.Л. Филатова руководитель экспертного цетра, И.П. Щетинин
технический директор, ООО «Волжская газо-топливная компания»
г. Тольятти, Российская Федерация
СОВРЕМЕННЫЕ ПОДХОДЫ К СОЗДАНИЮ И СОВЕРШЕНСТВОВАНИЮ СИСТЕМ УПРАВЛЕНИЯ ПРОМЫШЛЕННОЙ БЕЗОПАСНОСТЬЮ
Аннотация
В статье рассмотрена система управления промышленной безопасности.
Ключевые слова
Промышленная безопасность, система управления промышленной безопасности, опасные производственные объекты, эксплуатация, интеграция
В связи с развитием производства усложняются задачи обеспечения промышленной безопасности. Это связано с расширением и концентрацией производства, внедрением новых технологий и материалов, усложнением управления технологическим и трудовым процессом, возрастающими информационными нагрузками. Положение усложняется в связи с ростом количества аварий и инцидентов на предприятиях, эксплуатирующих опасные производственные объекты.
Впервые серьезное внимание мирового сообщества к крупным промышленным авариям было привлечено после аварий 70-80-х годов на химических предприятиях в Севезо (Италия) и Фликсборо (Великобритания), приведших к массовому поражению людей и значительным материальным потерям. Выход 24 июня 1982 г. «Директивы Севезо» № 82/501/ЕЭС Европейского экономического сообщества по предотвращению крупных промышленных аварий открыл новый раздел в международном праве и послужил началом принятия соответствующих законов на национальном уровне. Для обеспечения выполнения требований законодательства были разработаны нормативы по системам управления промышленной безопасностью и охраной труда. Одним из первых в 1996 вышел широко известный британский стандарт BS 8800, затем в 1999 г. рядом международных и национальных организаций разработан международный стандарт OHSAS 18001. В 2001 г. Международная организация труда (МОТ) издала руководство по системам управления охраной труда и промышленной безопасностью.
Стандарт OHSAS 18001 был разработан с таким расчетом, чтобы он был совместимым со стандартом ISO серии 9000 (Системы менеджмента качества) и со стандартом ISO серии 14000 (Системы менеджмента охраны окружающей среды). Это было сделано с целью способствовать интеграции систем менеджмента качества, охраны окружающей среды, а также охраны труда и промышленной безопасности.
