CC BY
4
СИСТЕМНЫЙ АНАЛИЗ, УПРАВЛЕНИЕ И ОБРАБОТКА ИНФОРМАЦИИ
УДК 004.9
Б01: 10.24412/2071-6168-2024-8-292-293
ИНФОРМАЦИОННЫЕ РЕСУРСЫ И ИХ КЛАССИФИКАЦИЯ
М.А. Прохоров
В статье сформулировано общесистемное определение категории «информационный ресурс», представлены выводы из анализа подходов к классификации информационных ресурсов автоматизированных систем. Предложена математическая модель современных информационных ресурсов и обоснован подход к их классификации. Разработан механизм определения принадлежности информационных ресурсов конкретным классам.
Ключевые слова: автоматизированная система, информационный ресурс, классификация, математическая модель, метаданные.
Современный этап развития общества характеризуется цифровизацией всех сторон его жизни. Все большую популярность и востребованность приобретают системы автоматизации инновационной, научной, управленческой и многих других направлений деятельности человека [1-4]. Не вызывает сомнений, что эффективность функционирования автоматизированных систем (АС) во многом определяется качеством специализированных информационных ресурсов (ИР) [5, 6]. Это обстоятельство предопределяет ИР в качестве самостоятельных объектов исследования, что требует рассмотрения проблемы их классификации.
Необходимо отметить, в общем смысле классификация является важным методом осмысления и описания закономерностей действительности, а также формой, так называемого, контролируемого познания [3] и широко используется для упорядочивания знаний. Таким образом, роль классификации в научном познании таких объектов как ИР сложно переоценить.
Классификация информационных ресурсов. Перед рассмотрением применяемых на практике подходов к классификации информационных ресурсов целесообразно рассмотреть саму категорию «информационный ресурс».
Следует отметить, что в настоящее время наблюдается плюрализм мнений в раскрытии понятия ИР. Так в [8] указывается, что под термином ИР понимаются: сайт в геоинформационной системе «Интернет» или страница сайта; информационная система; программа для электронных вычислительных машин. Вместе с тем ГОСТ Р 598532021 однозначно определяет ИР как совокупность идентифицируемой информации в АС, обладающей смыслом.
Для формирования общесистемного определения ИР проведена процедура контент-анализа источников, апеллирующих к этой категории, с последующей интерпретацией результатов. В результате проведенного анализа понятие ИР рационально сформулировать следующим образом:
информационный ресурс - это классифицированная совокупность информационных материалов в форме, обеспечивающей их автоматизированный поиск, отбор и предоставление пользователю АС.
В соответствии с [9] «удачной» классификацией считается та, которая: объединяет в один класс сущности, максимально сходные друг с другом в существенных признаках; является устойчивой и вместе с тем достаточно гибкой, чтобы сохраняться в условиях появления все новых и новых объектов исследования. Эти качества обеспечиваются выбором соответствующего основания классификации - признака, обеспечивающего расчленение всей совокупности исследуемых объектов на классы.
В настоящее время, для классификации ИР используются различные признаки (категория доступа, коммерциализации и другие). При этом наиболее обобщенным, не требующим сложного анализа является форма представления (фиксации) информации [10]. Классификация ИР по основанию «форма представления» представлена на рисунке 1.
Следует отметить, представленное основание является естественным и в целом удовлетворяет обозначенным выше качествам. Вместе с тем существующая практика автоматизации современных бизнес-процессов наглядно показывает, что в настоящее время большинство ИР представляют собой полисемию форм представления информации. Однородные, в смысле формы представления информации, ИР практически отсутствуют.
Для разработки классификации, позволяющей сопоставить всему многообразию современных ИР конкретные свойства, характеризующие их качество, целесообразно рассмотреть ИР как самостоятельную математическую конструкцию - модель.
Разработка математической модели современного информационного ресурса. Целевой функцией любого ИР является удовлетворение информационных потребностей пользователей системы. При этом, в АС как
правило реализуются различные механизмы разграничения доступа пользователей к контенту, что необходимо учитывать при моделировании.
Принимая во внимание сложность организации современных ИР, для построения соответствующей модели в качестве основы целесообразно использовать фундаментальное понятие математической структуры по Бурбаки [11, 12].
Рис. 1. Классификация информационных ресурсов по форме представления информации
= р'
Для этого, учитывая содержание (контент) современного ИР, введём следующие базисные множества:
0 = <*!' Хз.....*п>,
где - множество текстовых материалов; - множество графических материалов; Х3 - множество видеоматериалов; - множество других материалов (например, ИР может содержать 3Б или анимационные материалы, что укладывается в рассмотренную выше классификацию).
Далее зададим соответствующую математическую структуру Д, построенную над 0 [13]:
Д = {0,5, F},
где 5 - упорядоченная совокупность ступеней шкалы, построенной рекуррентным путем в виде семейств множеств в соответствии с правилами Бурбаки над базисными множествами; F - введенные на этих ступенях отношения (аксиоматика).
Учитывая особенности моделируемого объекта, были использованы следующие ступени (5): ф(Х2),ф(Х3),...,ф(Хп), шкалы второго уровня «сада Бурбаки», где £ = 1,п булеан множества .
Также были введены следующие отношения:
г = ф(*2), Ф(*з).....Ф(*„); д>, _
д = {<*!,^2,хз.....^>|<кх') = 1},х' е ад), г = 1,п,
, множество материалов, доступных пользователю; 0 - в противном случае.
Построенная таким образом математическая структура (Д) является полноценной моделью современных ИР, отражающей содержание и структуру контента. Анализ разработанной модели наглядно показывает непригодность классификации современных ИР по форме представления информационных материалов.
Таким образом, возникает обоснованная необходимость поиска других подходов к классификации, включающих выбор соответствующего основания и механизмов отнесения объектов к выделенным классам.
Классификация современного информационного ресурса. Центральным понятием любой классификации является ее основание. Учитывая предназначение ИР в целом, перед выбором того или иного основания для разрабатываемой классификации необходимо рассмотреть понятие информационной потребности.
В соответствии с [13] под информационной потребностью понимается осознанная необходимость в знании, требуемом для решения научных (учебных), производственных, социально-культурных задач, а также необходимых для самообразования или удовлетворения личного интереса. При этом информационные потребности имеют деятельностную природу, то есть они возникают в конкретной предметной области в результате определенной деятельности индивида [14-16].
Таким образом, в качестве естественного основания для разрабатываемой классификации ИР целесообразно использовать их принадлежность к той или иной предметной области. Тогда классы ИР могут быть сформулированы следующим образом: научно-исследовательские; отраслевые; социальные; нормативно-правовые; статистические, развлекательные и другие.
В рамках любой классификации понятие класса является ключевым. При этом, под классом понимается совокупность объектов, элементы которой обладают одинаковым набором всех существенных свойств. Заметим, что любая классификация не ограничивается одним классом, а представляет собой их совокупность. Рассмотрим математическую интерпретацию класса.
В соответствии с [17, 18] класс может быть представлен открытым множеством следующего вида:
к1 = ) = 1},
где I - идентификатор класса; - т-й классифицируемый объект; о>(йт) - правило формирования множества Л; (отнесения т-го объекта к классу ().
При этом правило формирования имеет бинарный характер:
(1, если объект удовлетворяет критерию для отбора в класс т; I 0 - в противном случае.
В соответствии с выбранным признаком классификации ИР, условием отбора объекта в тот или иной класс может являться критерий пригодности:
треб.
) =
чГ > Щ'
где - требуемое значение коэффициента соответствия информационных материалов тематической направленности ресурса (КС); - КС т-го объекта.
треб.
Известия ТулГУ. Технические науки. 2024. Вып. 8
При этом КС может быть определен в соответствии с выражением:
w
q = -,qe [0; 1];
где w - количество информационных материалов, соответствующих предметной области, которой посвящен ИР; е -общее количество информационных материалов в ИР.
В настоящее время для автоматизации различных операций с информационными материалами широко используются описательные метаданные. В соответствии с ГОСТ Р 7.0.10-2019 для межотраслевого описания информационных материалов используется 15 основных элементов метаданных, одним из которых является «Тематика ресурса, предметное содержание ресурса» («subject»). Причем в ГОСТ Р 7.0.10-2019 отмечено, что стандарт не устанавливает каких-либо ограничений на то понятие, которое может быть ресурсом. Следовательно, в контексте исследования под «ресурсом» следует обосновано понимать именно «информационный материал».
Таким образом задача расчета значения КС для конкретного ИР может быть успешно автоматизирована. При этом, формирование требуемых значений КС возможно любым из удобных методов, будь то статистические или экспертные.
Заключение. Таким образом, разработанный подход к классификации современных ИР АС позволяет обоснованно перейти к формированию характерных свойств ресурсов в зависимости от классовой принадлежности, что, в свою очередь, будет являться исходными данными для выработки стратегий управления качеством ИР в целом.
Следует также отметить, что несмотря на имеющийся опыт классификации ИР по основанию тематической направленности, предложенный аппарат позволяет разрешить существенный недостаток, а именно отсутствие строгих правил отнесения того или иного ресурса к конкретному классу.
Список литературы
1. Тобин Д.С., Голосовский М.С., Богомолов А.В. Технология обеспечения достоверности информации при проведении сетевых экспертиз // Современные информационные технологии и ИТ-образование. 2020. Т. 16. № 3. С. 623-632.
2. Богомолов А.В., Ушаков И.Б. Информационные технологии разработки и реализации программ восстановительной медицины // Вопросы курортологии, физиотерапии и лечебной физической культуры. 2022. Т. 99. № 52. С. 17.
3. Иванов А.А., Богомолов А.В. Архитектура гетерогенной информационной среды интеграции информационных ресурсов предприятий, решающих задачи инвестирования в человеческий капитал // Математические методы в технологиях и технике. 2022. № 8. С. 76-79.
4. Прудников С.И., Богомолов А.В., Теребов Д.С. Направления совершенствования поддержки принятия решений в органах военного управления // Математические методы в технологиях и технике. 2022. № 6. С. 16-19.
5. Мосин Д.А., Прохоров М.А., Квасов М.Н., Митряев Г.А., Злобин Р.С. Методика оценивания качества информационных ресурсов специализированных систем информационного обеспечения научных исследований // Известия Тульского государственного университета. Технические науки. Выпуск 9. 2023. С. 283-286.
6. Прохоров М.А., Злобин Р.С., Квасов М.Н., Митряев Г.А. Обоснование требований к информационным системам обеспечения научных исследований // Известия Тульского государственного университета. Технические науки. Выпуск 3. 2023. С. 358-363.
7. Понкин И.В., Редькина А.И. Классификация как метод научного исследования, в частности в юридической науке // Вестник Пермского университета. Юридические науки. № 3 (37). 2017. С. 249-259.
8. Федеральный закон от 27 июля 2006 г. № 149-ФЗ «Об информации, информационных технологиях и о защите информации».
9. Розова С.С. Классификационная проблема в современной науке. Новосибирск: Наука, 1986.
225 с.
10. Бекбулатова З.А. Управление информационными ресурсами. Махачкала: ДГУНХ, 2019.
46 с.
11. Калинин В.Н. Теоретические основы системных исследований. СПб: ВКА им. А.Ф. Можайского, 2016. 293 с.
12. Мосин Д.А., Прохоров М.А., Квасов М.Н. Разработка подхода к организации информационного сопряжения информационно-управляющих систем в интересах формирования единого информационного пространства Вооружённых Сил Российской Федерации // Сборник статей III Всероссийской научно-практической конференции «Состояние и перспективы развития современной науки» по направлению «АСУ, информационно-телекоммуникационные системы». Том 2. Анапа, 2021. С. 79-85.
13. Соколов А.В. Что есть информационная потребность? // Труды СПБГИК. № 197. 2013. С. 7-18.
14. Голосовский М.С., Богомолов А.В., Тобин Д.С. Алгоритм настройки систем нечёткого логического вывода на основе статистических данных // Научно-техническая информация. Серия 2: Информационные процессы и системы. 2023. № 1. С. 1-9.
15. Прудников С.И., Котляр А.В. Метод формирования ведомственных сетевых экспертных сообществ // Математические методы в технологиях и технике. 2023. № 3. - С. 104-107.
16. Богомолов А.В., Климов Р.С. Автоматизация обработки информации при проведении коллективных сетевых экспертиз // Автоматизация. Современные технологии. 2017. Т. 71. № 11. С. 509-512.
17. Микони С.В. Дискретная математика для бакалавра: множества, отношения, функции, графы. СПб: Лань, 2012. 192 с.
18. Микони С.В. Оклассе, классификации и систематизации // Онтология проектирования. Том 6, № 1 (19). 2016. С. 67-80.
Прохоров Михаил Александрович, канд. техн. наук, старший научный сотрудник, [email protected]. Россия, Санкт-Петербург, Санкт-Петербургский Федеральный исследовательский центр РАН
INFORMATION RESOURCES AND THEIR CLASSIFICATION M.A. Prokhorov
The article formulates a system-wide definition of the category "information resource " and presents conclusions from the analysis of approaches to the classification of information resources of automated systems. A mathematical model of modern information resources is proposed and an approach to their classification is substantiated. A mechanism has been developed to determine whether information resources belong to specific classes.
Key words: automated system, information resource, classification, mathematical model, metadata.
Prokhorov Mikhail Alexandrovich, candidate of technical sciences, senior researcher, [email protected], Russia, St. Petersburg, St. Petersburg Federal Research Center of the Russian Academy of Sciences
УДК 629.7.018.7
Б01: 10.24412/2071-6168-2024-8-295-296
МЕТОДИКА ПРОВЕРКИ РАЗРЕШАЮЩЕЙ СПОСОБНОСТИ РАДИОЛОКАЦИОННЫХ СИСТЕМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ПО КООРДИНАТАМ ПУТЕВОЙ И НАКЛОННОЙ
ДАЛЬНОСТИ
А.С. Молчанов, М.А. Лозицкий
В статье рассмотрена методика проверки разрешающей способности радиолокационных систем дистанционного зондирования Земли по координатам путевой и наклонной дальности при проведении летных испытаний, отличающийся от ранее известных тем, что для определения разрешающей способности (ширины отклика на уровне половинной мощности) применяется метод аппроксимации цифровых сигналов преобразования Фурье.
Ключевые слова: разрешающая способность, метод Фурье, радиолокационное изображение, аппроксимация, уголковый отражатель, летные испытания.
Основным параметром радиолокационных систем дистанционного зондирования Земли (РЛС ДЗЗ) является разрешающая способность, характеризующая информативные свойства радиолокационного изображения (РЛИ). Проверка разрешающей способности РЛС ДЗЗ является главной задачей на этапе ее летных испытаний [1]. Проверка разрешающей способности РЛС ДЗЗ проводится методом натурных испытаний путем выполнения полетов на радиолокационную съемку в заданном диапазоне высот и скоростей полета.
Разрешающая способность радиолокатора - это минимальное расстояние между целями, при котором они могут наблюдаться раздельно, или ширина выходного сигнала в координатахX, У.
Разрешающая способность может оцениваться двумя методами:
1) визуальным методом по минимальному расстоянию между двумя точечными объектами, при котором они наблюдаются раздельно. Объекты считаются наблюдаемыми раздельно, если их отметки на РЛИ имеют форму «земляного ореха»;
2) методом измерения ширины отклика от одиночного точечного отражателя на РЛИ (метод импульсного реагирования). Разрешающая способность определяется шириной отклика на уровне половинной мощности.
Для определения ширины откликов применяются два метода аппроксимации цифровых сигналов:
использование функции Гаусса;
метод преобразования Фурье.
Первый метод используется тогда, когда форма откликов импульсного реагирования не искажается различными дестабилизирующими факторами. Второй метод значительно сложнее и требует большого объема памяти и времени для получения результатов анализа [2].
Разрешающая способность определяется разрешением по путевой (по азимуту) АХ и наклонной дальности
АУ.
Разрешающая способность РЛС ДЗЗ по ширине отметки на РЛИ от одиночного точечного отражателя (импульсному реагированию) по путевой АХ и наклонной дальности АУ определяется по формуле:
АХ = кхРх , (1)
АУ = куРу, (2)
где АХ - разрешающая способность по путевой дальности (по азимуту); АУ - разрешающая способность по наклонной дальности; кх, ку - коэффициенты пространственного градуирования; Рх, Ру - средние значения ширины откликов на уровне половинной мощности излучения РЛС ДЗЗ [3, 4].
Коэффициенты пространственного градуирования кх, ку вычисляются по формулам:
а2lx2-b2(lv cos0)
= J—-—-- , (3)
X ] a2d2-c2b2 295
