CC BY
67
УДК 615.47
МЕТОД СИНТЕЗА КОМБИНИРОВАННЫХ ПРАВИЛ КЛАССИФИКАЦИИ И ОЦЕНКИ УРОВНЯ ПОКАЗАТЕЛЕЙ, ХАРАКТЕРИЗУЮЩИХ ФУНКЦИОНАЛЬНОЕ
СОСТОЯНИЕ ЧЕЛОВЕКА
О.И. Филатова, Н.А. Кореневский
В работе рассматриваются вопросы синтеза комбинированных нечетких решающих правил для классификации и оценки уровня функциональных состояний по трем блокам разнородных признаков: по субъективным тестовым опросникам; по показателям, характеризующим внимание человека; по энергетическому разбалансу биологически активных точек
Ключевые слова: нечеткая логика, классификация, функциональные состояния, уверенность в принимаемом решении, функция принадлежностей
Современное состояние общества характеризуется увеличением количества энерго- и информационно-насыщенных систем, в управлении работой которых активно задействован человек. Человеческий фактор во многом определяет надежность, безотказность и качество их работы. Ошибки работы оператора могут приводить не только к снижению количественных и качественных показателей работы человеко-машинных систем и комплексов, но иногда и к фатальным последствиям. Как показывают многочисленные исследования отечественных и зарубежных ученых оценку готовности человека выполнять требуемую работу с заданными ограничениями на оперативность и качество можно проводить, оценивая его функциональное состояние (Медведев В.И., Леонова А.Б., Плотников В.В. и др.) [6,7,8].
Дополнительным условием в организации трудовой деятельности является требование того, что трудовой процесс не только не должен вызывать возникновение и развитие профессиональных заболеваний, но и обеспечивать восстановление израсходованных ресурсов в период, когда человек не занят основной производственной деятельностью. Для этого реакция организма должна находиться в пределах физиологической адаптации и не превышать порогов компенсации (Казначеев В.П., Баевский Р.М., Дмитриева Н.В., Глазачев О.С. и др.) [1,2,3]. Такой режим работы можно организовать также на основе знаний о функциональном состоянии и адаптационных резервах человека.
Существует большой арсенал методов и средств определения функциональных состояний человека по различным системам психологических, психофизиологических и физиологических признаков. Однако проблема диагностики этих состояний и их связи с работоспособностью человека остается далекой от своего разрешения. Единство мнений отсутствует даже при определении самого понятия
Филатова Ольга Игоревна - ЮЗГУ, аспирант, тел.
(4712) 58-70-98
Кореневский Николай Алексеевич - ЮЗГУ, д-р техн. наук, профессор, тел. (4712) 58-70-98
функционального состояния (Леонова А.Б., Забродин Ю.М., Плотников В.В. и др.) [6,8].
На основании анализа существующих подходов к диагностике функциональных состояний (ФС) человека за классификационные основы были взяты такие состояния, анализ которых позволяет решать задачи прогнозирования и ранней диагностики заболеваний, связанных с изменением ФС, а так же задачи оценки эффективности работы операторов человеко-машинных информационно насыщенных систем.
Как показали специально проводимые исследования выбранный комплекс задач может быть решен, если обеспечить достаточно точное выделение таких классов ФС как состояния покоя, активации, эмоционального напряжения и различных стадий утомления. В связи с этим основным объектом исследования были выбраны люди, находящиеся в названных классах состояний полученных в их обыденной жизни и смоделированных искусственно. Дополнительно изучались ФС людей, болеющих некоторыми типами психосоматических заболеваний (нервные болезни, заболевания сердечнососудистой системы, заболевания желудочнокишечного тракта). В ходе проведенных исследований было показано что простое разделение классов ФС на номинальное состояние (состояние оперативного покоя - класс ю0), состояние активации (класс юл), состояние психоэмоционального напряжения (класс юН), состояние утомления (класс а>У), сточки зрения задач эффективности работы человеко-машинных систем и оценки риска появления и развития заболеваний является весьма грубой.
Например, состояние кратковременного нервно-психического напряжения низкой и средней интенсивности повышает эффективность работы операторов в человеко-машинных системах и не создает риска появления профессиональных заболеваний. Наоборот длительное психоэмоциональное напряжение средней и высокой интенсивности, особенно, в сочетании с утомлением приводят к снижению эффективности работы человеко-
машинных систем и к повышению риска появления и развития психосоматических заболеваний.
Аналогичные примеры легко привести и по сочетаниям других введенных классов состояний.
С учетом сказанного перед экспертами был поставлен вопрос о более детальной классификации ФС человека, которая способствовала бы более качественному решению поставленных в работе задач.
Анализ литературных данных и специально организованный и проведенный разведочный анализ показали, что между различными классами ФС нет четкой границы, а используемые информативные признаки носят неполный и нечеткий характер, поэтому основываясь на рекомендациях
[11,12,14,15] в качестве основного математического аппарата выбран аппарат мягких вычислений, в частности теория уверенности разработанная и развиваемая Е. Шортлифом и его учениками [11]. Основу этой теории составляет понятие коэффициента
уверенности в гипотезе
рассчитываемого по
ряду свидетельств (информативных признаков х.).
Каждый из информативных признаков характеризуется своим коэффициентом или функцией уверенности, которые свидетельствуют в пользу исследуемой гипотезы или против неё. В рассматриваемом варианте в качестве исследуемых гипотез выбраны классы сформированных состояний а
(1 =О,А,Э,У), а привлекаемая гетерогенная система признаков такова, что каждый из них свидетельствует в пользу той или иной гипотезы. Каждый из информативных признаков х1 представляет собой непрерывную шкалу, на которой по аналогии с нечеткой логикой принятия решений [15] в интервале [0,1] определена функция уверенности / (х^ в гипотезе а,. Назовем, по аналогии с теорией Л.Заде
[12,15] шкалу х1 базовой переменной функции уверенности / (х) тогда, исходя из рекомендаций
[11,12,14] для каждой из выделенных групп признаков частная уверенность в гипотезе а1 может быть определена с помощью итерационных выражений типа:
КУа ( р + 1) = КУа (р ) + /а, (х, )[1 - КУа (Р )] , (1)
где 1 - имя класса (1 =О, А, Э, У); р - номер итерации в расчете КУа , /щ - функция уверенности в классе а с базовой переменной по шкале х., , -
номер базовой переменной в общем списке информативных признаков.
Финальная уверенность в классах Ю/ определяется агрегацией частных коэффициентов уверенности рассчитываемых по формуле (1) в соответствии с выражением:
У (д +1) = КУа (д) + У (я +1)[1 - КУа (д)] ,
где q - номер итерации совпадающей с номером
частного решающего правила.
При окончательном решении предпочтение отдается классу а( с максимальным значением
КУФ .
В результате работы экспертов было предложено для каждого базового класса состояний аА,аЭ,аУ ввести дополнительные градации по парам: уровень и продолжительность.
В ходе проведенного экспертного оценивания проверенного результатами математического моделирования и статистическими испытаниями для каждого из классов ФС было выбрано два способа описаний уровня и продолжительности в виде непрерывных шкал в интервале [0-1]; в виде семейств функций принадлежностей на непрерывных шкалах.
В предлагаемой работе каждый из выделяемых классов описывается тремя блоками информативных признаков:
- блок признаков, определяемых методами субъективной оценки с помощью специализированных психологических тестов;
- блок признаков, определяемых объективным психологическим тестированием с помощью аппаратуры, регистрирующей состояние внимания человека;
- блок признаков, характеризующих физиологическую составляющую, регистрируемую по энергетическому состоянию меридианных структур организма.
По первому блоку признаков уровень активации определяется тестом субъективной оценки психической активации, интереса, эмоционального тонуса и напряжения по шкале УАС [9]. Уровень психоэмоционального напряжения (ПЭН, класс аЭ) определяется по шкалам ситуативной тревожности (СТ) и личной тревожности (ЛТ) теста Спил-бергера-Ханина. Уровень утомления - с использованием индекса хронического утомления (ИХРУ), индекса умственного утомления (ИУУ) и индекса физического утомления (ИФУ), способ расчета которых описан в работе [9].
По второму блоку признаков показатели внимания оцениваются с помощью специализированной аппаратуры, описание которой приведено в [8,13]. Из множества методик по оценке параметров внимания, используя метод оценки информативности по Кульбаку, было отобрано три, с помощью которых исследуются такие показатели как пере-ключаемость внимания (ПК), концентрированность внимания (КВ) и устойчивость внимания (УВ).
Причем, согласно результатам работы [10] принятие решений о принадлежности к классам состояний ю0,аА,аЭ,аУ целесообразно осуществлять в двумерном классификационном(2п) ространст-ве с координатами У1 = <р1 (ПВ, КВ); У2 = р2 (УВ), где р1 и (р2 функции отображения из пространства признаков характеризующих свойства внимания
а
человека в двумерное классификационное пространство р = 71 х 72 [8, 10].
В качестве информативных признаков характеризующих энергетическое состояние меридианных структур по выбранному множеству БАТ используются величины относительных отклонений энергетических характеристик этих точек от своих номинальных значений - 8Я], где ] - номер БАТ в
блоках информативных признаков.
Рассматривая полученные шкалы субъективных тестов, величины 71, 72, и SRj как базовые
переменные функций уверенности к классам состояний ал ,аЭ и юУ , а так же придавая функциям
уверенности свойства меры увеличения доверия к классификации по Е. Шортлиффу получаем систему решающих правил для определения коэффициентов уверенности КУа в искомых классах функциональных состояний как модификацию выражения (1):
кую(р +1) + кую(р) + (2г)[1 -кую(р)], где 2Г=УАС,
СТ, ЛТ, ИХРУ, ИУУ, ИФУ, 71, 72, Щ ;;=1,...,7щ ,
КУа (1) = ЦЩ (1г) .
Из списка 7г для каждого а, выбирается «своя» группа информативных признаков описанная выше.
В результате математического моделирования, экспертного оценивания и статистических испытаний на контрольных выборках было установлено, что уверенность в правильной классификации по всем классам ФС превышает уровень 0,95.
В ходе специально проводимых исследований при искусственном введении испытуемых в различные классы функциональных состояний с различными уровнями активации, ПЭН и утомления было установлено, что все вводимые показатели 2г достоверно изменяют свои значения в зависимости от различной степени изменения показателей ха-растеризующих состояние ФС. Это позволило поставить задачу получения графиков зависимостей уровней активации 7А* (Лг), уровней психоэмоционального напряжения 7Н- (Н ) и уровней утомления 7и* (и г) от соответствующих параметров
1г = Аг,Иг,иг с такими же свойствами, как и коэффициент уверенности по Е. Шортлиффу [11].
Тогда по всем полученным составляющим уровень показателей, характеризующий функциональные состояния целесообразно определять соотношениями:
7А(з +1) = 7А($) + 7А* (Аг )[1 - 7А(з)]; (2)
7H(s +1) = 7H(s) + 7И*(Иг)[1 -7А(э)]; (3)
Уи(з +1) = Уи(з) + 7и* (и г )[1 - Уи(з)]; (4)
Уровень активации, ПЭН и утомления по шкалам (2), (3) и (4) определяется в диапазоне [0,...,1].
Для оценки продолжительности нахождения человека в различных классах функциональных состояний может быть использована непрерывная
шкала времен, тогда влияние времени нахождения в ю на решение выбранных классов задач удобно характеризовать соответствующей функцией уверенности /ю (().
Если обозначить уровень показателя характеризующего состояние класса <п( через и , тогда
каждый из выделяемых классов будет определяться парой:
яг=и*,/*М)},
где иЮ = 7А,7Н ,7и.
В настоящее время проводятся исследования связанные с практическим использованием предложенного метода для решения задач прогнозирования и ранней диагностики психосоматических заболеваний. Показано, что если использовать полученные в работе результаты при прогнозировании заболеваний первой системы, системы пищеварения и сердечно-сосудистой системы то качество прогноза увеличивается на 10-15%.
Работа была выполнена в рамках реализации федеральной целевой программы «Научные и научно-педагогические кадры инновационной России» на 2009-2013 годы. Государственный контакт №П424.
Литература
1. Баевский, Р.М. Оценка адаптационных возможностей организма и риск развития заболеваний [Текст] / Р.М. Баевский, А.П. Барсенева. М.: Медицина, 1997. 235 с.
2. Баевский, Р.А. Диагноз донозологический [Текст] / Р.М. Баевский, В.П. Казначеев // БМЭ, М. 1978. С. 252-255.
3. Дмитриева Н.В, Глазачев О.С. Индивидуальное хдоровье и полипараметрическая диагностика функциональных состояний организма. (системноинформационный подход).- VI. 2000. - 214с.
4. Кореневский, Н.А. Проектирование систем принятия решений на нечетких сетевых моделях в задачах медицинской диагностики и прогнозирования [Текст]: Н.А. Кореневский // Вестник новых медицинских технологий, 2006. Т. XIII, №2. С. 6-
10.
5. Кореневский Н.А., Крупчатников Р.А., Серегин С.П. Теоретические основы биофизики акупунктуры с приложениями в биологии, медицине и экологии на основе нечетких моделей [Текст]: монография / Курск.гос.тех.ун-т.-Курск: ОАО «И1Ш «Курс», 2010.- 521с.
6. Леонова А.Б. Психодиагностика функциональных состояний человека.-М.: Изд-во Моск. унта. 1984. - 200с.
7. Леонова А.Б., Медведев В.И. Функциональное состояние человека в трудовой деятельности. М., 1981.-125с.
8. Плотников В.В., Кореневский Н.А., Забродин Ю.М. Автоматизация методик психологического исследования: Принципы и рекомендации.
Орел: Изд-во ин-та психологии АНССР; ВНИИОТ Госагропрома СССР, 1989.-327 с.
9. Практикум по инженерной психологии и эргономике: Учеб. Пособие для студ. высш. учеб. заведений / С.К. Сергиенко, В. А. Бодров, Ю.Э. Писаренко и др.; Под ред. Ю.К. Стрелкова.- М.: Издательский центр «Академия», 2003. -400с.
10. Штотланд Т.М. Разработка методов и средств комплексной диагностики и управления функциональным состоянием человека по фазам динамики деятельности: дисс. канд. техн. наук: 05.13.01, защищена 28.10.03 Штотланд Татьяна Михайловна, Курск, 2003.-145с.
11. Bruce, G. Buchanan, Edward H. Shortlife. Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addi-son-Wesley Publishing Company. Reading, Massachusetts, 1984, ISBN 0-201-10172-6.
12. Korenevskii N. A. , Krupchatnikov R. A., Gorbatenko S. A. “Generation of fuzzy network models taught on basis of data structure for medical expert systems“ Biomedical Engineering. Springer New York.
Volume 42, Number 2 / March 2008. pp. 67-72. ISBN 0006-3398 (Print) 1573-8256 (Online)
13. N. A. Korenevsky, D. E. Skopin, R. T. Al Ka-sasbeh, A. A. Kuz’min, System for Studying Specific Features of Attention and Memory ,Biomedical Engineering Journal , Springer, New York ,Vol. 44, No. 1, 2010, pp. 32-35.
14. Riad Taha Al-Kasasbeh, Korenevskii N. A., Ionescu F., Kuzmin A.A. “Synthesis of the Combined Fuzzy Rules for Medical Applications with Using Tools of Exploration Analysis”. Proc. 4th IAFA Intern. Conference Interdisciplinary Approaches in Fractal Analysis, Bucharest, Romania, May 26-29, 2009 ISSN 2066-4451, pp. 71-78.
15. Zadeh, L.A. Advances in Fuzzy Mathematics and Engineering □ Fuzzy Sets and Fuzzy Information-Granulation Theory. Beijing. Beijing Normal University Press. 2005. ISBN 7-303-05324-7.
Юго-Западный государственный университет, г. Курск
METHOD OF SYNTHESIS OF COMBINED RULES OF THE CLASSIFICATION AND MEASUREMENT OF LEVEL INDICATORS CHARACTERIZING THE FUNCTIONAL CONDITION OF THE PERSON
O.I. Filatova, N.A. Korenevskii
In the article the questions of synthesis combined fuzzy decision rules for the classification, and evaluation of the functional state on three blocks of various signs: on the index of functional regional changes; according to the indicators, characterizing the attention and the memory of man; for the energy biologically active points
Key words: fuzzy logic, classification, functional state, confidence in the received decision, the function accessories
