CC BY
45
Распознавание образов - это научная дисциплина, целью которой является классификация объектов по нескольким категориям или классам [1]. Практичность этого метода очевидна, так как после классификации работа с определённым классом информации требует меньше ресурсов, нежели работа с полным её объёмом.
На практике решение задач, связанных с распознаванием образов, является сложной теоретической и практической задачей. Это связано в первую очередь с тем, что каждый конкретный случай обладает своей спецификой, что не позволяет создать универсального алгоритма работы с информацией [2]. Однако, несмотря на данные трудности, был сформулирован следующий перечень задач распознавания образов:
- первая задача связана с построением набора измерений исходных данных, представленных некоторым образом. Такой набор измерений называется вектором образа;
- вторая задача распознавания образов связана с выделением характерных признаков или свойств из полученного вектора образа;
- третьей задачей является формулировка алгоритмов, на основе которых объекты будут относиться к определённым классам по полученным признакам. [3].
В случае рассмотрения целой картины объектов следует выделить четвёртую задачу, связанную с решением вопроса разбиения всех исходных данных на отдельные объекты. В итоге получается пространство образов [1].
В ходе независимых рассуждений на эту тему, исследователи в большинстве случаев приходили к выделению основных методов распознавания образов. Конечно, классификации этих методов отличаются друг от друга (в основном различия заключаются в сложности организации классификации, в наличии разного рода групп, подгрупп методов), но всё же в них можно выделить четыре основных метода: метод сопоставления с эталоном, статистический метод, метод, использующий искусственные нейронные сети (ИНС) и структурный метод [2, 4].
В основе метода сопоставления с эталоном лежит набор векторов эталонных образов, описывающих классы. В ходе выполнения метода исходный образ относят к тому классу, чей эталонный вектор имеет наибольший коэффициент схожести с исходным.
Статистический метод основан на построении функции плотности распределения вероятностей образов (с учётом того что решена четвёртая задача) для каждого класса объектов и классификации появления каждого из классов по какому-либо правилу.
Метод, использующий искусственные нейронные сети получает на вход вектор образа, а на выходе выдаёт сигналы, соответствующие заданным образам. Сигнал, имеющий большую амплитуду, определяет класс, к которому относится объект. При этом одновременно выполняются следующие действия: происходит отнесение объекта к классу, а в случае отсутствия такого класса в базе, происходит пополнение базы этим классом.
Структурный метод основывается на анализе самого вектора образа. Основное внимание в этом методе уделяется структурным связям между составляющими вектора образа (измерениями). На основе этих связей производится выделение признаков и отнесение объектов к определённым классам (выполнение второй и третьей задач теории распознавании образов) [3].
Однако, следует отметить, что алгоритм выполнения задач для каждого конкретного случая свой. Так, например, в с структурном методе, может быть сначала построен алгоритм распределения объектов по классам, а затем уже способ выделения признаков, ориентирующийся по набору имеющихся классов.
В силу определения перечисленных методов как основных для них характерен ряд очевидных недостатков.
Метод сопоставления с эталоном сопровождается искажениями рассматриваемых образцов, что требует учета немалого множества случаев небольших отклонений от эталона.
Статистические методы встречаются с рядом трудностей при решении практических задач, так как выборки образцов из каждого класса часто оказываются недостаточно представительными, а функции плотности распределения вероятностей сложны для построения.
Для нейронных сетей характерно длительное обучение, основанное на рассмотрении множества примеров.
Структурные методы чувствительны к искажениям распознаваемых образов и требуют сложной процедуры построения набора признаков. [2].
Такая ситуация приводит к необходимости комбинирования данных методов с целью компенсации недостатков одних подходов преимуществами других, что активно используется в решении практических задач. Так в том же структурном методе можно сразу после получения векторов имеющихся образов задействовать ИНС, что со временем даст ряд наборов связей, которые можно будет брать в качестве эталона для сравнения с последующими (ещё не рассмотренными) векторами объектов (применение метода сопоставления с эталоном).
Литература
1. Местецкий Л.М. Математические методы распознавания образов: курс лекций. - М.:МГУ, 2002. - 86 с.
2. Верн Х., Васильев В.И., Сафронов К.В., Чушенков И.М. Иерархический итерационный метод распознавания образов при анализе многомерных данных // Вестник УГАТУ. Управление, ВТиИ. -2007. -Т.9. -№5(23). -C.3-8.
3. Новикова Н.М. Структурное распознавание образов: учебное пособие для вузов. - ВГУ, Воронеж, 2008. - 30 с.
4. Бабаян П.В., Смирнов С.А. Слежение за объектом на основе алгоритма сопоставления с эталоном при одновременном наблюдении в видимом и инфракрасном диапазонах // Цифровая обработка сигналов. -№4. -2010. -С.18-21
Манжула М.В.
Студент, Институт сферы обслуживания и предпринимательства (филиал) Донского государственного технического
университета в городе Шахты Ростовской области
ПРОГРАММНАЯ РЕАЛИЗАЦИЯ АЛГОРИТМА ФОРМИРОВАНИЯ МНОЖЕСТВА ЭЛЕМЕНТОВ ИНТЕГРИРОВАННОЙ ФУНКЦИОНАЛЬНОЙ ПОДСХЕМЫ
Аннотация
В статье рассмотрен вариант программной реализации алгоритма формирования множества элементов интегрированной функциональной подсхемы. Приводится программное обеспечение для пакета MatLab, позволяющее проводить интеграцию множеств функциональных подсхем.
Ключевые слова: система, агрегирование, интеграция.
Manzhula M.V.
Student, Institute of the service and enterprise (branch) of Don State Technical University SOFTWARE IMPLEMENTATION THE ALGORITHM FOR GENERATING THE SET OF ELEMENTS INTEGRATED
FUNCTIONAL SUBCIRCUIT
Abstract
The article describes the software version of the algorithm generate a plurality of elements of the integrated functional subcircuit. Provides a software package MatLab, which allows to carry out the integration of many functional subcircuits.
Keywords: system, aggregation, integration.
63
Современные аналоговые системы характеризуются многообразием функциональных возможностей, режимов работы и алгоритмов функционирования [1-4]. При реализации таких систем целесообразно использовать метод, основанный на последовательном использовании операций редуцирования и агрегирования [5-8]. На рисунке 1 представлен один из возможных вариантов построения алгоритма агрегирования, позволяющего синтезировать конечную неизбыточную функциональную схему из ряда исходных функциональных подсхем.
Исходные функциональные подсхемы соответствуют различным режимам работы системы и представляются в виде конечных множеств элементов схем. Избыточность в синтезируемом блоке исключается за счет агрегации однотипных элементов,
Рис. 1 - Блок-схема алгоритма формирования множества элементов интегрированной функциональной подсхемы
Разработанное программное обеспечение для пакета MatLab позволяет проводить интеграцию функциональных подсхем, элементы которых заданных в виде символов. function y1 = koef()
m = тр^('Введите количество подсхем: '); shema1 = cell(m,1); for n=1:m
pri=strcat('Введите ',num2str(n),'^ подсхему: '); shema1 {n,1}=input(pri,'s'); end
disp(shema1); bust=''; len1=0; len2=0; for j=1:m
bust=union(bust,shema1{j,1});
end
disp(strcat('Объединенное множество элементов:',bust));
y1 = bust;
end
Таким образом, используемый алгоритм формирования множества элементов интегрированной функциональной подсхемы и предложенная программная реализация, позволяют повысить уровень интеграции конечной функциональной схемы.
Литература
1. Манжула, В. Г. Модели, методы и алгоритмы структурно- параметрического синтеза неизбыточных смешанных СФ-блоков // Известия Южного федерального университета. Технические науки. - 2011. - Т. 115. - № 2. - С. 79-87.
2. Манжула, В. Г. Оценка интегральной избыточности в процессе синтеза микроэлектронных систем // Современные проблемы науки и образования. - 2011. - № 4. - С. 33.
3. Манжула, В. Г. Моделирование системного уровня процесса обработки информации при синтезе аналоговых сложных функциональных блоков // Системы управления и информационные технологии. - 2010. - Т. 41. - № 3. - С. 36-40.
64
4. Манжула, В. Г. Синтез неизбыточных структур сложных функциональных блоков // Системы управления и информационные технологии. - 2010. - Т. 39. - № 1.2. - С. 242-247.
5. Манжула, В. Г. Синтез неизбыточных функциональных схем микроэлектронных систем в корпусе (SIP) // Системы управления и информационные технологии. - 2011. - Т. 45. - № 3. - С. 41-44.
6. Манжула, В. Г. Исключение структурной, функциональной и схемотехнической избыточности при синтезе аналоговых систем в корпусе // Научно-технический вестник Поволжья. - 2011. - № 2. - С. 123-127.
7. Манжула, В. Г. Функционально интегрированная микроэлектронная система защиты на основе быстродействующего датчика температуры // Датчики и системы. - 2012. - № 7. - С. 18-22.
8. Манжула, В. Г. Снижение параметрической избыточности в импульсных компенсационнопараметрических стабилизаторах напряжения // Научно-технический вестник Поволжья. - 2012. - № 1. - С. 199.
9. Манжула, В. Г., Федяшов, Д. С. Нейронные сети Кохонена и нечеткие нейронные сети в интеллектуальном анализе данных // Фундаментальные исследования. - 2011. - № 4. - С. 108-114.
10. Манжула, В. Г. Информационная поддержка синтеза схемотехнически интегрированных принципиальных электрических схем // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. Информатика. Телекоммуникации. Управление. - 2012. - Т. 2. - № 145. - С. 144-150.
Мельникова Е.Ф. 3, Лобанов О. С. 2, Баша Н.В. 3,
1 2 3 аспирант, Санкт-Петербургский государственный экономический университет ПРИОРИТЕЗАЦИЯ ПРОЕКТОВ В ИНЖИНИРИНГОВОЙ КОМПАНИИ КАК ИНСТРУМЕНТ ПРИНЯТИЯ ОПЕРАТИВНЫХ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ
Аннотация
Предложен подход к приоритезации проектов инжиниринговой компании, предназначенный для оперативного реагирования на непредвиденные обстоятельства в рамках управления изменениями в проектах. В основе концепции лежит формирование комплексного приоритета из статической и динамической, зависящей от текущего состояния проекта, составляющих.
Ключевые слова: приоритезация, управление проектами, управление портфелями проектов, проектирование, инжиниринг.
Melnikova E.F. 3, Lobanov O.S. 2, Basha N.V. 3,
1 2 3 postgraduate, St. Petersburg State University of economics
PROJECT PRIORITIZATION IN AN ENGINEERING COMPANY AS A TOOL FOR OPERATIONAL DECISIONMAKING
Abstract
An approach to project prioritization in an engineering company is proposed in order to provide rapid response to unforeseen circumstances within the project change management. The concept is based on the formation of an integrated priority, consisting of static and dynamic components, the latest of which depends on the current state of the project.
Keywords: prioritization, project management, project portfolio management, design, engineering.
Введение. Деятельность инжиниринговой компании в большинстве случаев характеризуется выполнением множества проектов единовременно [1 - 7], при этом в них вовлечены все производственные подразделения. Сотрудники компании часто сталкиваются с проблемой, когда ввиду срочности реализации задач в разных проектах, им самим приходится решать, к какой из них необходимо приступить в настоящий момент [1]. Детерминантом в осуществлении выбора может стать уровень власти руководителя проекта (ГИПа), его харизма и настойчивость, личное желание сотрудника выполнять ту или иную работу, а также множество других субъективных факторов. При этом нести ответственность за принимаемое решения член команды проекта уровня исполнителя не может, а последствия нерационального выбора могут быть как незначительными, так и приводящими к срыву срока сдачи этапа (или этапов) проекта, штрафным санкциям, потере заказчика [2, 8]. Таким образом, в проектной компании возникает необходимость в создании формальной приоритезации проектов.
Задача формирования приоритета. Необходимо уточнить, что речь идет не столько о распределении и перераспределении ресурсов в портфеле активных проектов компании, сколько об оперативном реагировании на непредвиденные обстоятельства и возникающих вследствие них задач в рамках управления изменениями в проектах. В качестве инструмента может быть использован приоритет - как указатель первоочередности для принятия решения о переключении на другую задачу. Для решения обозначенной проблемы необходимо, чтобы значение присваиваемого ранга (приоритета) получалось не только, исходя из формальных критериев проекта в целом, но и было актуальным, то есть менялось в зависимости ситуации в нем [9 - 12].
Обозначим P - приоритет проекта k Е K, где K - множество выполняющихся проектов компании, i=1, 2, ..., n.
i i
Статическая часть приоритета. Пусть Ps - статическая часть приоритета, формируемая согласно многокритериальной модели весового ранжирования [13], причем тогда Ps >1. Данный показатель характеризует сам проект. В качестве критериев оценки для его формирования в инжиниринговой компании могут быть взяты следующие: продолжительность, стоимость, комплексность (относительное количество задействованных специальностей), опыт выполнения аналогичных проектов, сложность технологии, «политическая» важность, количество стадий проекта, схема управления (собственные силы / внешние силы / смешанная) [14]. Помимо перечисленных показателей могут быть использованы метрики экономической эффективности проекта и прочие.
Динамическая часть приоритета. Динамическая часть P, обозначим ее Pd, характеризует выполнение проекта. Его роль в значении общего показателя приоритета такова, что он увеличивает Ps, если отклонение от директивных параметров выполнения превышает допустимое значениеf, и оставляет Ps без изменения, если отклонение незначительно. Тогда P = Ps*Pd, причем если отклонение от директив больше f, то Pd >1, в обратной ситуации Pd =1.
Большой интерес представляет формирование динамической части приоритета, по той причине, что основное требование к ней - актуальность, обусловленность реальной ситуацией в проекте. Для решения этой задачи необходимо наличие системы управления проектами с подспорьем в виде специализированного программного обеспечения. Причем показатели, используемые при составлении динамической части приоритета, зависят от уровня зрелости календарно-сетевого планирования в проектном институте. В рамках данной модели рассмотрим две ситуации: когда оценка выполнения проекта производится только по срокам и когда возможно нахождение показателей освоенного объема.
Оценка по срокам. Для формирования динамической части приоритета в случае оценки выполнения работ проекта по срокам воспользуемся показателем полного резерва проекта (TF, Total Float) [15], причем если TF<f, то Pd =1, т.к. в данном случае TF характеризует именно отклонение от директивных сроков выполнения. Если TF>f, то с учетом необходимости соблюдения условия Pd >1, получим следующее значение Pd:
Pd=1+ TF / D, где D — длительность проекта. Таким образом, P= Ps * Pd = Ps *(1 + TF / D)= Ps + Ps *TF / D , что означает увеличение приоритета проекта в случае большого отставания по срокам, причем, чем больше |TF|, тем больше значение P.
65
