Автоматизированное проектирование систем анализа динамических газоразрядных изображений

Бабицкий, Максим Александрович

Системы автоматизации проектирования (по отраслям)

автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.12, диссертация на тему:Автоматизированное проектирование систем анализа динамических газоразрядных изображений

кандидата технических наук: Бабицкий, Максим Александрович
город: Санкт-Петербург
год: 2004
специальность ВАК РФ: 05.13.12

Диссертация по информатике, вычислительной технике и управлению на тему «Автоматизированное проектирование систем анализа динамических газоразрядных изображений»

Автореферат диссертации по теме "Автоматизированное проектирование систем анализа динамических газоразрядных изображений"

На правах рукописи

Бабицкий Максим Александрович

АВТОМАТИЗИРОВАННОЕ ПРОЕКТИРОВАНИЕ СИСТЕМ АНАЛИЗА ДИНАМИЧЕСКИХ ГАЗОРАЗРЯДНЫХ ИЗОБРАЖЕНИЙ

Специальность: 05.13.12. Системы автоматизации проектирования (приборостроение)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург - 2004

Работа выполнена на кафедре проектирования компьютерных систем Санкт-Петербургского Государственного университета информационных технолошй, механики и оптики.

Научный рукоеодитель:

доктор технических наук, профессор Короткое К.Г.

доктор технических наук, профессор Коробейников А.Г. кандидат технических наук, доцент Ван-дер-Флаас A.C.

Ведущая организация:

Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина)

Запила диссертации состоится 2004 г. ъг/с часов на заседании

диссертационного Совета Д 212.227.05 Санкт-Петербургского Государственного университета информационных технологий, механики и оптики по адресу: 197101, г. Санкт-Петербург, ул. Саблинская, 14.

С диссертацией можно ознакомится в библжнеке СПб ГУ ИТМО. Автореферат разослан " ¿-ru.'i— 20U4 г.

Ученый секретарь диссертационного совета

Поляков В.И.

л чоь&

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Тенденции развития информационных систем (ИС), диктуемые потребностями общества в информационном обеспечении всех сторон человеческой деятельности, влекут за собой непрерывный рост сложности программ и баз данных. С другой стороны, динамика технического прогресса требует значительного ускорения разработки программного обеспечения (ПО), снижения трудоемкости и обеспечения возможности их совершенствования в процессе эксплуатации, наращивания или модификации функций при изменении требований к ним со стороны пользователей. Поэтому поиск путей реализации непрерывно растущих требований составляет одно из актуальных направлений современной информатики. В частности, одним из таких путей является разработка специализированных систем автоматизации проектирования (САПР), ориентированных на разработку ПО.

Многие отрасли техники, имеющие отношение к получению, обработке, хранению и передаче информации, в значительной степени ориентируются сегодня на развитие систем, в которых информация имеет характер изображений. Такие системы, и, в особенности, системы анализа видеоинформации, характеризуются большими объемами входных данных, сложностью алгоритмов обработки, широкой номенклатурой рассчитываемых количественных характеристик и разнообразием методов анализа, что существенно осложняет задачу их проектирования. Поэтому, во многих случаях, целесообразным является создание и использование специализированных САПР для разработки подобных систем.

Одной из областей применения систем анализа (СА) видеоинформации является метод газоразрядной визуализации (ГРВ или ГРВ-графия). В основе метода лежит получение информации о свойствах различных объектов путем компьютерного анализа изображений (ГРВ-грамм) индуцированного свечения газового разряда вблизи этих объектов в импульсных электромагнитных полях высокой напряженности. Метод ГРВ является относительно новой, интенсивно развивающейся методикой, которая находит применение в таких областях, как: медицина, психофизиология, экология, контроль материалов.

На сегодняшний день достаточно хорошо изученной и нашедшей широкое практическое применение является, так называемая, статическая ГРВ-графия. Сущность этой методики сводится к регистрации одной ГРВ-граммы в заданный момент от начала экспозиции. Современный уровень развития компьютерной техники, каналов передачи данных и аппаратных средств цифровой видеосъемки позволил создать методику динамической ГРВ-графии. В отличие от статической ГРВ-графии, регистрируется последовательность ГРВ-грамм с заданной частотой дискретизации в течение всего времени экспозиции.

Необходимым условием практического внедрения метода ГРВ в различных предметных областях является создание автоматизированных СА ГРВ-грамм, которые на основании анализа параметров исходного набора ГРВ-грамм объектов вырабатывают содержательную интерпретацию их состояния. Задача проектирования СА ГРВ-грамм осложняется рядом особенностей метода ГРВ, такими как:

1. Нерегулярная структура экспериментальной информации, на основании анализа которой разрабатываются правила выработки заключения для СА. То есть для различных исследуемых объектов может присутствовать различный набор

тс. км^чин^'-ь _ С Петербург

ГРВ-изображений, рассчитанных ГРВ-параметров и верифицирующей информации.

2. Экспертный характер анализа закономерностей и взаимосвязей между характером свечения объекта и его свойствами, в ходе которого исследователь формирует специфическую для конкретной предметной области последовательность этапов обработки ГРВ-грамм и аналитические правила выработки заключения.

3. Необходимость частого внесения изменений в проект СА на этапе разработки и в готовые СА на этапе эксплуатации, вызванная высокой интенсивностью научных исследований в области ГРВ. Причем изменения касаются как структуры исходной информации об объектах исследования, так и алгоритмов обработки, анализа и выработки заключения.

На сегодняшний день известны подходы к созданию средств САПР по разработке проблемно-ориентированных процедур обработки и анализа статических ГРВ-грамм. В связи с разработкой в последние годы новых проблемно-ориентированных методик на базе динамической ГРВ-графии актуальным является дальнейшее совершенствование САПР СА ГРВ-грамм в направлении роста уровня автоматизации, сокращения сроков разработки и повышения качества готовых проектных решений. В частности, применение таких элементов искусственного интеллекта, как фреймовое представление информации и вынесение правил обработки и интерпретации данных в отдельную базу знаний, позволяет устранить часть перечисленных трудностей и унифицировать структуру проектируемых СА ГРВ-грамм.

Таким образом, актуальность темы диссертационной работы определяется: о практической значимостью метода ГРВ в различных предметных областях; о появлением новой методики динамической ГРВ-графии, позволяющий расширить сферу практического применения метода ГРВ в целом, и, как следствие, необходимостью разработки интегрированных программных систем, предназначенных для автоматизации процессов обработки и анализа динамических газоразрядных изображений (ГРВ-грамм); о необходимостью разработки и совершенствования средств САПР проблемно-ориентированных СА ГРВ-грамм в связи с высокой трудоемкостью проектирования таких систем. Цель работы. Целью диссертационной работы является разработка методов, алгоритмов и программ автоматизации проектирования систем параметрического анализа динамических газоразрядных изображений.

Задачи работы. Для достижения поставленной цели необходимо решить следующие задачи:

1. Анализ существующей технологии САПР проблемно-ориентированных процедур обработки и анализа статических ГРВ-грамм и развитие на ее основе новой методики автоматизированного проектирования СА ГРВ-грамм с учетом особенностей динамической ГРВ-графии.

2. Построение унифицированной архитектуры СА ГРВ-грамм.

3. Разработка адаптивной информационной модели, предназначенной для обмена данными между модулями системы и сохранения информации в базах данных (БД).

4. Создание программной библиотеки процедур обработки и анализа динамических ГРВ-грамм.

5. Разработка методов автоматизации синтеза проектируемых СА ГРВ-грамм с целью достижения заданной эффективности функционирования готовых систем.

6. Практическая апробация разработанных методов, алгоритмов и программ на примере создания проблемно-ориентированных СА ГРВ-грамм.

Методы исследования. Для решения поставленных задач использованы теория и методы автоматизации проектирования технических систем, методы теории вероятностей и математической статистики, методы обработки сигналов, дискретной математики и численного анализа, теория и методы реляционных баз данных, методы искусственного интеллекта, методы цифровой обработки изображений и машинной графики. Программное обеспечение разработано с применением методов объектно-ориентированного программирования.

Научные положения, выносимые на защиту:

1. Методика автоматизированного проектирования СА ГРВ-грамм, основанная на повторном использовании программных компонент, настраиваемых на конкретную предметную область за счет коррекции атрибутивного состава входных и выходных фреймов данных и аналитических правил формирования заключения на скриптовом языке программирования высокого уровня.

2. Автоматизированный метод синтеза проектируемых СА ГРВ-грамм для обеспечения требуемой эффективности анализа, основанный на технике про-тотипирования и статистических критериях отбора рабочего подмножества ГРВ-параметров, используемых для формирования заключения.

3. Унифицированная архитектура С А ГРВ-грамм, основанная на применении технологии баз знаний.

4. Адаптивная информационная модель, основанная на фреймовом представлении данных для организации межмодульного информационного обмена.

Научная новизна работы. В ходе работы над диссертацией получены следующие результаты, характеризующиеся научной новизной:

1. Разработано методическое, математическое и алгоритмическое обеспечение автоматизации проектирования СА ГРВ-грамм, учитывающее особенности нового метода динамической ГРВ-графии.

2. Предложен итерационный подход к задаче автоматизированного синтеза СА ГРВ-грамм, основанный на постепенном наращивании функциональности прототипа проектного решения и включении в структуру системы программных процедур, обеспечивающих эффективное решение проблемно-ориентированной задачи анализа.

3. Предложена обобщенная архитектура СА ГРВ-грамм, ориентированная на интеграцию исходных ГРВ-изображений с информационными массивами, полученными в результате расчета их количественных характеристик, в единую базу данных и осуществление анализа этих данных с использованием элементов искусственного интеллекта.

4. Разработана гибкая информационная модель, основанная на фреймовом представлении данных, обеспечивающая единый способ информационного обмена между модулями системы, сохранение данных в БД, расширение и

адаптацию обобщенной архитектуры под решение конкретных прикладных задач в различных областях применения ГРВ.

Практическая ценность работы. Применение разработанных методов и программ позволило с\ щественно сократить трудоемкость проектирования новых и модификации существующих СА ГРВ-грамм, за счет унификации архитектуры СА и повторного использования программных компонентов. На базе предложенной технологии автоматизированного проектирования создано две автоматизированные системы: система анализа психофизического состояния спортсменов и система анализа свойств жидкофазных объектов.

Внедрение результатов работы. Разработанная в рамках работы система анализа психофизического состояния спортсменов внедрена в учебно-тренировочный процесс училищ олимпийского резерва № 1 и 2 города Санкт-Петербурга, в соответствии с программой Госкомспорта России. С 2003 г. Система внедряется в учебно-тренировочный процесс школ и училищ Олимпийского Резерва России (контракт Госкомспорта России №197). Система анализа свойств жидкофазных объектов - используется в лабораториях фирм «Aveda» (США) и «Estee Lauder» (США). Разработанное в рамках работы программное обеспечение входит в состав пакета программ «ГРВ-технология», распространяемого в комплекте с серийно выпускаемым прибором «ГРВ-камера».

Апробация работы. Научные и практические результаты диссертационной работа докладывались и обсуждались в период 2000-2003 г.г. на международных конференциях и семинарах. Среди них: конгрессы по биоэлектрографии «Наука-Информация-Сознание» (Санкт-Петербург, 2000, 2001, 2002, 2003), конференции европейского колледжа спортивных наук (Кельн, 2001; Афины, 2002); «Медицинская техника-2002» (Минск, 2002); «Новые медицинские технологии» (Санкт-Петербург, 2001); Итоговые конференции СПбНИИФК (Санкт-Петербург, 2001, 2002); Научно-техническая конференция профессорско-преподавательского состава СПбГИТ-МО(ТУ) (Санкт-Петербург, 2003). '

Публикации. По теме диссертации опубликовано 12 работ из них 2 статьи и 10 тезисов к докладам на международных и российских конференциях.

Структура и объем работы. Диссертация состоит из введения, 5 глав, заключения, списка использованной литературы, включающего 85 наименований. Оснозная часть работы изложена на 100 стр. машинописного текста. Работа содержит 30 рисунков и 2 таблицы.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Введение. Во введении обосновывается актуальность темы диссертации, формулируется цель и задачи работы, приводится краткое содержание работы по главам.

Первая глава. В первой главе дается краткий обзор метода ГРВ. Описываются аппаратные принципы регистрации ГРВ-грамм. Рассматриваются различия между статической и динамической ГРВ. Формулируется задача анализа ГРВ-грамм. Обсуждается принцип реализации существующей САПР проблемно-ориентированных процедур обработки и анализа ГРВ-грамм.

Процедура формирования ГРВ-грамм заключается в регистрации изображений свечения стимулированного газового разряда, развивающегося от поверхности иссле-

дуемого объекта в ЭМП высокой напряженности. Пространственное распределение разряда фиксируется видеокамерой на базе ПЗС-матрнцы, преобразуется в цифровую форму и передается в компьютер. При использовании статической ГРВ-графии регистрируется одно изображение в заданный момент от начала подачи импульсов напряжения. Получаемое изображение представляет собой сложную двумерную, полутоновую, фрактальную фигуру, пространственные, спектральные и динамические характеристики которой несут информацию о структуре и свойствах объекта индуцировавшего разряд. В динамической ГРВ-графии регистрируется временная последовательность изображений с заданной частотой дискретизации в течение всего времени экспозиции.

Интенсивность излучаемой световой энергии с единицы поверхности в точке с координатами (х,у) можно представить числом е [0; ¡^ ]. Шаг дискретизации по каждой координате определяется техническими характеристиками светочувствительной матрицы видеокамеры и видеопреобразователя. Таким образом, ГРВ-грамма представляет собой матрицу интенсивностей / = [¡г>] размерности wy.li, где и- - ширина, а А - высота изображения. Для динамических ГРВ-грамм имеется семейство матриц /(г,) = [1,Д0], гае =«-Де'(0;Т).

Процедуру обработки и анализа ГРВ-грамм можно представить следующим образом. Пусть I - истинное изображение газового разряда. Процесс получения, формирования, дискретизации и т.д. можно рассматривать как передачу истинного изображения по каналу с помехами. В результате предметом анализа служит не истинное, а наблюдаемое изображение /'. Поэтому первичная обработка изображения заключается в фильтрации шума 7) ■./->/', результатом которой будет изображение, максимально приближенное к истинному.

При дальнейшей обработке изображения осуществляется расчет вектора характеристик - ГРВ-параметров = количественно описывающих геометрические, яркостные, статистические и другие свойства изображения. Для динамических ГРВ-грамм формируются временные ряды ГРВ-параметров ^ (')}"„, каждый из которых имеет собственный набор признаков VJ = {у/ }"„,, содержащий статистические, энтропийные, фрактальные и другие численные характеристики.

Пусть исследуемый объект находится в одном или нескольких состояниях из множества достижимых состояний 5 = {з-, . Состояние объекта может быть классифицировано методом ГРВ, если существует преобразования анализа : С? —5 (для динамической ГРВ-графии, соответственно, V -> 5). Таким образом, задача обработки и анализа ГРВ-грамм сводится к последовательному применению преобразований Т, и Г, к зарегистрированным изображениям с целью определения текущего состояния объекта.

При фиксированном состоянии .г, объекта конкретный временной ряд ГРВ-параметра g'¡,(/) можно рассматривать как реализацию некоторого случайного процесса, в общем случае нестационарного. В каждый момент времени / значение временного ряда представляет собой реализацию случайной величины, с известными статистическими характеристиками, такими как М^' (/)) - математическое ожидание,

(/)) - дисперсия и т.д. Если существует момент времени /'е[0;Г]. такой что случайная величина (/') статистически значимо отличается от случайной величины #''(«'), то можно применять статическую ГРВ-графию для классификации состояний и по параметру g,. В противном случае необходимо использовать для классификации другие ГРВ-нараметры или переходить к динамической ГРВ-графии, т.е. применить тот же принцип для векторов V характеристик временных рядов.

Известен подход к созданию САПР проблемно-ориентированных процедур обработки и анализа статических ГРВ-грамм. Сущность этого подхода сводится к следующему. Существует специализированная библиотека операций, реализующая достаточно широкий диапазон алгоритмов фильтрации шумов в изображениях и расчета количественных характеристик. Дня проектирования конкретной СА ГРВ-фамм эксперту в рассматриваемой предметной области необходимо опытным путем или на основании различных эвристик определить численные оценки компетентности каждой операции в библиотеке по отношению к решаемой задаче. Такая оценка характеризует оптимальность применения данной операции в смысле минимума вероятности ошибки анализа, машинного времени или требуемого объема памяти. Предложена, теоретически обоснована и программно реализована двухуровневая иерархическая процедура, которая на основании указанных оценок позполяег определить оптимальный набор операций из библиотеки, обеспечивающий эффективное (по заданным критериям) решение конкретной проблемы. Тем не менее, описанный подход к реализации САПР процедур обработки и анализа ГРВ-грамм отличается рядом недостатков, основные из которых это: сложность первоначального определения численных оценок компетентности операций и отсутствие подхода к интеграции отобранного подмножества процедур в единую информационно-аналитическую систему. Поэтому в данной работе предлагается использование альтернативного подхода (описанного в главе 4), основанного на технике прототипирования проектируемой СА и статистических критериях отбора рабочего подмножества операций.

Вторая глава посвящена разработанной в рамках данной работы программной библиотеке процедур обработки и анализа динамических ГРВ-грамм. Описаны методы фильтрации шума в изображениях, алгоритмы расчета ГРВ-параметров, способ формирования и анализа временных рядов этих параметров.

Алгоритм анализа динамических ГРВ-грамм включает следующие этапы:

1. Выявление полезного сигнала из зашумленного изображения ГРВ-граммы.

2. Расчет количественных параметров для каждого кадра ГРВ-граммы и формирование временного ряда параметров.

3. Анализ характеристик временного ряда.

На первом этапе выполняется анализ и подавление высокочастотной и низкочастотной составляющих шума, а также вычисление центра свечения газоразрядного изображения. Для подавления высокочастотной составляющей шума используется пороговая фильтрация исходного изображения. Для подавления низкочастотной составляющей шума в данной работе предложен подход, основанный на удалении из изображения отдельных фрагментов свечения, площадь которых меньше эвристически определяемого порогового значения.

На втором этапе анализа динамической ГРВ-граммы формируется набор временных рядов (г) = {<>,, (')}*,> где г е [1, я], Р- количество ГРВ-параметров, а Лг - количество кадров ГРВ-грхчмы. Временная дискретизация рядов определяется частотой следования кадров в видеопоследовательности. Каждый из параметров может быть рассчитан не только для всего изображения, но и для отдельных угловых секторов. В разработанной библиотеке операций обработки и анализа динамических ГРВ-грамм реализован расчет следующих числовых характеристик изображения:

1. Площадь изображения разряда 5- количество пикселей свечения;

2. Средняя интенсивность пикселей свечения I;

3. Количество фрагментов Ы, количество восьмисвязных групп пикселей;

4. Средняя площадь фрагмента - среднее количество пикселей в каждом

фрагменте свечения;

5. Среднее расстояние фрагментов до центра Ое - среднее расстояние от центра

тяжести фрагмента до центра свечения;

6. Средний радиус контура свечения Я;

7. Нормализованное среднеквадратическое отклонение радиуса контура а-;

8. Коэффициент формы изображения разряда Кг\

9. Энтропия Н-мера информативности изображения;

Анализ рядов осуществляется средствами специализированного программного модуля, разработанного в рамках данной работы. Модуль обеспечивает автоматизацию решения следующих задач:

1. Визуальный анализ и сравнение временных рядов ГРВ-параметров;

2. Анализ трендов, с помощью аппроксимации временных рядов различными видами математических зависимостей;

3. Выполнение преобразований над временными рядами, таких как:

3.1. Сглаживание:

3.2. Приведение к стационарной форме одним из следующих методов:

3.2.1. Методом задержек с заданным лагом;

3.2.2. Вычитанием сглаженного ряда;

3.2.3. Вычитание аппроксимирующих функций;

3.3. Преобразование Фурье (спектральный анализ);

4. Вычисление статистических характеристик временных рядов;

5. Фрактальный анализ временных рядов по алгоритму Хигучи;

6. Энтропийный анализ временных рядов;

7. Статистическое сравнение групп временных рядов с использованием различных критериев.

Энтропийный анализ позволяет вычислить меру «хаотичности» временного ряда. Величина энтропии вычисляется на основании вероятностей ру попадания значе-

ния временного ряда в интервал следующим образом: Я = -^р/(Лу)1п(р^(й/)), где

Л'(йу) -количество значений ряда в интервале М- общее количество интервалов, а Дг£ - общее количество дискретных отсчетов по времени.

Фрактальный анализ предназначен для оценки сложности процесса изменения ГРВ-параметра в течение времени регистрации ГРВ-граммы. Так как длина временного ряда параметра ГРВ-граммы относительно невелика (до нескольких сотен точек), для расчета фрактальной размерности выбран алгоритм Хигучи, основанный на многократном измерении длины кривой ¿{к), где к - количество точек временного ряда, использованных для ее вычисления, разбивающих весь диапазон временной оси на равные интервалы. Значение фрактальной размерности £>,. рассчитывается подгонкой методом наименьших квадратов линии регрессии углового коэффициента логарифмической зависимости Ь(к) = а-к"' .

Полученное множество параметров используется на последующих этапах проектирования для формирования конкретного вида преобразования анализа ТА.

Третья глава посвящена вопросам разработки обобщенной архитектуры систем анализа ГРВ-грамм. Описывается фреймовая модель представления данных. Предлагается реляционная структура БД. обеспечивающая хранение фреймов с изменяемым атрибутивным составом.

Необходимое условие для разработки эффективной методики автоматизированного проектирования СА ГРВ-грамм - это унификация архитектуры проектируемых систем, что позволяет компоновать готовое проектное решение из заранее разработанных модулей, настраивая межмодульные связи и параметры модулей в соответствии с определенным набором критериев оптимальности. Анализ существующих программных решений в ГРВ-графии выявил отсутствие решений по комплексной автоматизации ГРВ-тсстирования и интеграции различных программных модулей в единую информационно-аналитическую систему. Поэтому в рамках работы на основании формализации типичной последовательности обработки ГРВ-данных предложена концепция обобщенной архитектуры СА ГРВ-грамм.

В общем случае, анализ ГРВ-грамм включает следующие шаги:

1. Регистрацию ГРВ-грамм;

2. Сохранение зарегистрированных ГРВ-1-рамм и сопутствующей информации в специализированной базе данных (БД);

3. Обработку ГРВ-грамм, включая фильтрацию шума, расчет ГРВ-параметров и формирование временных рядов;

4. Расчет характеристик временных рядов ГРВ-параметров;

5. Расчет аналитических параметров, являющихся функциями от одного или нескольких ГРВ-параметров и/или характеристик временных рядов;

6. Получение содержательной интерпретации полученного множества аналитических параметров для конкретной области применения СА на основании определенного набора диагностических правил.

Анализ особенностей описания объектов в различных приложениях метода ГРВ позволяет сформулировать ряд особенностей информационной структуры:

о данные объекта исследования представляются с помощью моделей атрибутивного (признакового) типа;

о признаки образуют иерархическую структуру с переменным количеством уровней вложенности;

• допускается переменный состав признаков, характеризующих объект;

Как отмечалось выше, при выборе информационной модели специфическим требованием является гибкость модификаций БД объектов исследования и адаптируемость на различные предметные области применения метода ГРВ-графии.

Поэтому, в качестве модели представления данных в настоящей работе использованы фреймы, широко применяемые в области искусственного интеллекта. Формально фрейм описывается следующей порождающей грамматикой: <ФРЕЙМ> <ИМЯ> | <ИМЯ> <СПИСОК СЛОТОВ>, СПИСОК СЛОТОВ> ~ <СЛОТ> |<СПИСОК СЛОТОВ> <СЛОТ> , <СЛ01> := <ИМЯ> <ДАННЫЕ>[<ПРОЦЕДУРА>], <ДАННЫЕ> := <ЗНАЧЕНИЕ> | <ФРЕЙМ>, <ЗНАЧЕНИВ>~-<ЦЕЛОЕ ЧИСЛО | ВЕЩЕСТВЕННОЕ ЧИСЛО | <БУЛЕВСКОЕ ЗНАЧЕНИЕ > | <СТРОКА> Таким образом, вся информация об объекте исследования представляется в виде единой ассоциативной иерархической фреймовой структуры. Каждая функциональная подсистема СА ГРВ-грамм может обращаться к произвольному признаку в этой иерархии по имени слота или по его номеру в родительском фрейме, исходя из правил и методов интерпретации данных, которыми оперирует данная подсистема. Тем самым, обеспечивается независимость модулей СА от конкретного атрибутивного состава фрейма, описывающего объект исследования. То есть, расширение набора информативных признаков объекта не нарушит работоспособности существующих модулей, а модификация структуры фрейма может затронуть только те модули, которые оперируют с изменяемой веткой иерархии. Дополнительно, для любого слота можст быть подключена процедура, вызываемая в случае изменения его значения.

Рис. 1 Обобщенная архитектура систем анализа ГРВ-грамм

Исходя из описанной выше последовательности процедур получения, обработки и анализа ГРВ-грамм. а также особенностей описания объектов исследования, в работе предлагается концепция унифицированной архитектуры автоматизированных СА ГРВ-грамм (рис. 1), обеспечивающая базовую схему соединения компонентов системы, с возможностью последующего расширения и модификации отдельных модулей.

Центральным звеном СА выбрана информационная подсистема, обеспечивающая межмодульный информационный обмен, посредством выполнения запросов остальных подсистем на выполнение операций чтения/записи фреймов данных из/в БД. Преимущество такого решения состоит в появлении дополнительного уровня абстракции, позволяющего обеспечить независимость модулей СА от формата и способа хранения фреймов в БД. В зависимости от потребностей конкретной СА информационная подсистема может хранить данные в виде совокупности текстовых файлов или использовать какую-либо промышленную систему управления базами данных (СУБД) для сохранения фреймов в виде набора связанных реляционных таблиц. В работе описана нормализованная схема реляционной БД для хранения фреймов с модифицируемым атрибутивным составом.

Для реализации полноценной системы анализа необходимо выбрать язык описания знаний (ЯОЗ), позволяющий адекватно описывать аналитические правила формирования заключения в СА ГРВ-грамм. Причем, язык должен поддерживать непосредственную запись операций с фреймовыми структурами. Из литературы известно, что плата за гибкость при использовании фреймовой модели данных заключается в увеличении расхода памяти и времени выполнения программ, в то время как для реализации низкоуровневых операций обработки изображений, особенно динамических, эта ресурсы являются очень ценными. Поэтому, в качестве системного средства разработки модулей СА ГРВ-грамм выбран язык С++, а интерпретируемый язык Python использован для реализации фреймовой модели данных и исполнения сценариев анализа. Библиотека времени исполнения языка Python встроена в информационную подсистему, в которой реализован набор классов-оболочек, обеспечивающих использование функциональности программного интерфейса интерпретатора. Это позволяет определять фреймы данных и оперировать ими в остальных модулях СА. В то же время, возможно определение новых фреймов и описание сложных предметно-ориентированных процедур анализа информации на языке Python. Таким образом, экспертно-аналитическая подсистема разрабатывается под конкретную задачу анализа на выбранном ЯОЗ, формируя тем самым базу знаний (БЗ) необходимых для решения проблемы.

Таким образом, за счет выбранной архитектуры проектируемых СА ГРВ-грамм, основанной на информационной модели данных на базе фреймового представления, обеспечена открытость системы по отношению к структуре хранимой информации и расширению набора расчетных и аналитических модулей. Этот аспект позволяет адаптировать работу системы к анализу свойств различных объектов исследования. Предложенная обобщенная архитектура СА ГРВ-грамм является основой для решения задачи автоматизации проектирования таких систем.

В четвертой главе описывается разработанная технология автоматизированного проектирования систем анализа динамических ГРВ-грамм. Приводится формализованная последовательность проектных процедур. Описывается метод автоматизации,

приводятся статистические критерии отбора рабочего подмножества ГРВ-параметров и характеристик временных рядов.

Сущность проектирования заключается в принятии проектных решений, обеспечивающих выполнение будущим объектом предъявляемых к нему требований. В настоящей работе таким объектом является автоматизированная система анализа ГРВ-грамм. Задача проектирования СА ГРВ-грамм при использовании обобщенной архитектуры, описанной в главе 3, сводится к следующему. Имеется разработанная библиотека программных модулей М = {т,;2 е [1;Л']Ь реализующих отдельные этапы обработки и визуализации ГРВ-данных, и поддерживающие внешние интерфейсы, обеспечивающие базовый уровень информационного обмена. Необходимо синтезировать маршрут регистрации, обработки и анализа ГРВ-грамм путем интеграции рабочего подмножества модулей М £ М, реализующих требуемую для проектируемой СА ГРВ-грамм функциональность, в единую автоматизированную информационно-аналитическую систему. Основным критерием качества проектного решения является эффективность работы СА, оцениваемая по количеству достоверных выводов, получаемых при анализе контрольной БД для конкретной прикладной задачи.

Так как структура проектируемой системы фиксирована (описана в главе 3), то в ходе синтеза варьируемыми параметрами являются - набор рассчитываемых параметров ГРВ-грамм и характеристик их временных рядов и вид преобразования анализа Тл (глава 1), которое определяется конкретным содержанием БЗ. Поэтому предлагается использовать нисходящую модель проектирования, основанную на построении прототипа будущей системы с последующим итерационным уточнением набора решающих правил в БЗ, обеспечивающих заданную эффективность анализа.

В рамках работы разработана методика автоматизированного проектирования СА-грамм, которая предполагает выполнение следующей последовательности проектных процедур (рис. 2):

1. Формирование иерархии признаков, описывающих объект исследования, и описание се с помощью ЯОЗ в виде фреймовой структуры данных.

2. Сборка прототипа СА по унифицированной схеме, описанной в главе 3.

3. Формирование экспериментальной БД, содержащей ГРВ-граммы исследуемых объектов и верифицирующие данные.

4. Расчет полного набора ГРВ-параметров и формирование их временных рядов для всех изображений, содержащихся в БД.

5. Анализ объединенного информационного массива, содержащего результаты обработки изображений и верифицирующие данные, с целью формирования набора аналитических правил выработки заключения в СА.

6. Описание сформированных правил анализа средствами ЯОЗ и включение экспсртно-аналитической подсистемы в состав проектируемой СА.

Данная схема проектирования предполагает перебор возможных вариантов реализации проектного решения путем построения модели (прототипа) С А с последующей оценкой эффективности и циклическим возвратом к начальным этапам, в случае необходимости. Варьируемыми параметрами в этой оптимизационной процедуре являются набор рассчитываемых ГРВ-параметров и характеристик временных рядов, а также вид аналитических правил, содержащихся в базе знаний.

jYi Библиотека процедур регистрации и

I—' обработки дкнлмлческих ГРВ-грамм

рп Библиотека поддержки работы с

' фреймовыми структурами

ш Программа GOV Vtfeo Analyze г

ГП Программа GDVSoentf с Laboratory

|*s] Программа GDV Frame Studio

Коррекция описании фрейм оз ых структур наЯОЗ

ИГ

Разработка модулей для расчета

кс-вых ГРВ-лсрзь$етроо и характеристик временных рядоз

Ш"

Формирование иерархии признаков описания объекта исследования

Описание иерархии признаков объекта

исследования средствами ЯОЗ

Сборка прототипа проектируемой , CA ГРВ-грамм

шш-

Накопление БД ГРВ-изобрзжений исследуемых объектов и верифицирующей информации

ИГ

Визуальный

анализ ГРВ-грамм

Статистическое сравнение фупп объекгоа по выбранным ГРВ-параметрам или характеристикам временных рядов

Разделение экспериментальной БД на классы эквивалентности

Кластерный, факторный и корреляционный анализ

средствами внешних математических пакетов _программ_

Экспорт массивов численных данных

а-

Расчет полного набора ГРВ-пзраметроз и

характеристик временных рядов

ШШЕГ

Выбор параметров фильтрации шума

и отбраковка некачественных изображений

Подготовка контрольной БД с использованием прототипа CA

Отбор рабочего подмножества ГРВ-параметроо и характеристик временных

РЯД08_

Формирование аналитических правил выработки заключения и описание их средствами

ШШ-

яоз

Проверка качества функционирования CA на контрольных примерах

ШШ

|И огпадка БЗ

Рис. 2 Последовательность проектных процедур при разработке СА ГРВ-грамм (цифрами помечены шаги полностью или частично автоматизированные программным обеспечением, разработанным в рамках работы)

Наибольшие затруднения вызывает формализация процедуры формирования преобразования анализа, так как она включает шаги, требующие использования различных эвристик и опыта экспертов.той предметной области, в которой будет применяться система. Преобразование анализа ТА представляет собой отображение множества аналитических ГРВ-параметров на множество состояний исследуемого объекта. Его форма может варьироваться от простейшей функции одного или нескольких ГРВ-параметров до многоступенчатой системы правил вывода вида ЕСЛИ-ТО, в условной части которой фигурируют сложные агрегаты исходных ГРВ-параметров.

Тем не менее, данная проектная процедура требует выполнения ряда рутинных шагов для формирования рабочего подмножества параметров ГРВ-грамм и характеристик временных рядов, которые будут задействованы в преобразовании анализа. Основная выполняемая операция - выявление статистических различий по различным ГРВ-параметрам между группами объектов исследования, получаемых в результате разбиения экспериментальной БД на классы эквивалентности исходя из априорных сведений и верифицирующей информации. Для автоматизации выполнения этой рутинной операции разработано специальное программное обеспечение йОУ ЗЫЬаЬ, обеспечивающее статистическое сравнение групп объектов по выбранному ГРВ-

параметру па основании формируемых проектировщиком классов эквивалентности и заданного уровня значимоеги. Проверка гипотез дифференцируется:

1. По типу сформированных выборок - зависимые или независимые.

2. По типу используемых тестов - параметрические или непараметрические.

Используются следующие критерии проверки гипотезы о статистической различимости выборок: Стыодента, Манна-Уитни, Вальда-Вольфовица, Вилкоксона и критерий знаков.

Применение программы GDV SciLab позволяет существенно упростить формирование рабочего множества параметров ГРВ-грамм и их временных рядов, которое используется при дальнейшем анализе.

Дополнительно, разработано две вспомогательных программы - GDV Video Analyser и GDV Frame Studio. Первая из них - реализует пользовательский графический интерфейс к библиотеке операций обработки и анализа динамических ГРВ-грамм. Программа позволяет в интерактивном режиме выполнить расчет ГРВ-иараметров и их временных рядов, анализировать исходные ГРВ-граммы и полученные результаты в графической форме, а также экспортировать численные данные во внешние программные пакеты для расширенной математической обработки. GDV Frame Studio является монитором библиотеки времени исполнения языка Python и позволяет проектировщику в ходе формирования и отладки БЗ контролировать текущее состояние фреймов данных, а также вносить коррекции в решающие правила.

Таким образом, комплекс разработанных библиотек и программ формирует САПР, позволяющую в сжатые сроки разрабатывать законченные CA ГРВ-грамм в различных областях применения ГРВ-графии. Высокий уровень автоматизации, малые сроки проектирования и качество готовых проектных решений достигаются за счет:

1. Использования типовых модулей CA, разработанных в рамках работы.

2. Применения интерпретируемого ЯОЗ высокого уровня.

3. Гибкой информационной модели, основанной на фреймовом представлении информации, позволяющей легко настраивать структуру БД и сократить трудозатраты на стыковку модулей системы, за счет минимизации межмодульных зависимостей.

4. Автоматического расчета параметров ГРВ-грамм, формирования временных рядов и вычисления их характеристик.

5. Применения специально разработанных инструментальных средств, основанных на применении методов групповой статистики, для формирования рабочего подмножества ГРВ-параметров.

6. Наличия средств отладки базы знаний, позволяющих в интерактивном режиме проверять эффективность формируемого набора правил анализа.

С помощью созданной методики и программного обеспечения разработаны две CA ГРВ-грамм, которые описаны в главе 5.

Пятая глава. Пятая глава посвящена описанию двух разработанных CA ГРВ-грамм: система анализа психофизического состояния спортсменов и система анализа свойств жидкофазных объектов.

Созданное в рамках работы методическое, математическое и программное обеспечение использовалось для проектирования специализированной автоматизированной системы оценки психофизического потенциала спортсменов на базе метода ГРВ-

графин. Разработка системы велась на базе Санкт-Петербургского НИИ Физической Культуры в секторе психофизиологии спорта и восстановительной медицины под руководством д.м.н. профессора П.В. Бундзеиа. Работа выполняется в рамках государственного контракта на выполнение НИОКР за счет средств федерального бюджета «Разработка научных основ технологий компьютерных программ многолетней подготовки юных спортсменов с учетом их индивидуальных генотипических возможностей».

В течение 2000-2003 г.г. проведен большой объем экспериментальной работы в училищах олимпийского резерва №1 и №2 города Санкт-Петербурга. Получены данные объединяющие результаты метода газоразрядной визуализации, генотипического анализа и традиционных валеометрических и психофизических методик диагностики для более 800 высококвалифицированных спортсменов в возрасте от 17 до 21 года. В ходе анализа полученных экспериментальных данных выявлены множественные корреляции параметров ГРВ-грамм с результатами верифицирующих тестов. Найденные закономерности послужили основой формирования диагностических правил для экс-пертно-аналитической подсистемы СА. Результатом анализа являются четыре числовых показателя, характеризующих различные аспекты готовности спортсмена к соревновательной деятельности: биоэнергетический потенциал, психофизическая выносливость, стресс-толерантность, уровень психической саморегуляции. Взвешенное суммирование значений этих показателей дает обобщенную оценку готовности атлета, что позволяет строить рейтинги испытуемых. Диапазон значений каждого из перечисленных параметров и интегрального показателя готовности разбиваются на три интервала - соответствующие нормальным, пониженным и низким значениям параметра. Попадание значения параметра в один из указанных интервалов дает возможность выдавать вербальное описанйе соответствующего состояния обследуемого и различные рекомендации.

Разработанная технология реализована в виде аппаратно-программного комплекса «КВАНТУМ-ПРО» и внедрена в учебно-тренировочный процесс училищ олимпийского резерва города Санкт-Петербурга, о чем имеются акты внедрения. С 2003 г. по приказу Госкомспорта РФ начато внедрение системы «Квантум-Про» в училищах олимпийского резерва РФ.

Методика САПР СА ГРВ-грамм была также применена для создания системы анализа свойств жидкофазных объектов. Работа велась в рамках научного сотрудничества с фирмами «Aveda» и «Estee Lauder» (США), специализирующихся на производстве натуральных косметических продуктов. В разработанной программе на основе анализа динамических ГРВ-грамм образцов жидкостей формируется комплекс параметров, используемый для оценки характеристик исследуемых жидкостей. Использование системы анализа позволило создать методику для решения актуальной в современной косметологии задачи - выявления различий между натуральными ароматическими маслами и их синтетическими аналогами.

ЗАКЛЮЧЕНИЕ

нута за счет применения элементов искусственного интеллекта, таких как фреймовая модель представления данных и вынесение правил обработки и анализа ГРВ-грамм в отдельную базу знаний, доступную для изменений как проектировщикам, так и пользователям. Разработано математическое и алгоритмическое обеспечение обработки и анализа временных рядов параметров динамических ГРВ-грамм.

Практическое применение разработанных методов, алгоритмов и программ позволило в короткие сроки разработать ряд законченных систем, которые успешно эксплуатируются.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

В процессе решения поставленных задач получены следующие результаты:

1. Проанализированы структуры и технология проектирования СА ГРВ-грамм на базе статической ГРВ-графии, и на их основе создана методика автоматизированного проектирования СА ГРВ-грамм с учетом особенностей метода динамической ГРВ-графии.

2. Предложена унифицированная архитектура СА ГРВ-грамм, ориентированная на применение элементов искусственного интеллекта для формирования заключения.

3. Разработана адаптивная информационная модель, основанная на фреймовом представлении данных, предназначенная для обмена данными между модулями системы и сохранения информации в базах данных (БД).

<1. Создана программная библиотека процедур обработки и анализа временных рядов параметров динамических ГРВ-грамм.

5. Разработан автоматизированный метод синтеза проектируемых СА ГРВ-грамм для достижения требуемой эффективности функционирования готовых систем, основанный на применении итеративного подбора оптимального набора аналитических правил и на использовании статистических критериев отбора рабочего подмножества ГРВ-параметров, используемых для формирования заключения.

6. С использованием разработанного методического, алгоритмического и программного обеспечения созданы две системы анализа: система анализа психофизического состояния спортсменов, которая внедрена в учебно-тренировочный процесс училищ олимпийского резерва № 1 и 2 города Санкт-Петербурга, и система анализа свойств жидкофазных объектов, используемая в лабораториях фирм «Aveda» (США) и «Estee Lauder» (США).

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Бабицкий М.А. Методика и техника динамической ГРВ-графии / М.А. Бабицкий, Д.И. Муромцев // Наука, Информация, Сознание: материалы 5-ого междунар. конгресса, СПб, 10-12 июля 2001 г. - СПб.: СПбГИТМО (ТУ), 2001. - С. 60-62.

2. Бабицкий М.А. Автоматизированная система скрининговой биоэлектрографической диагностики психофизического потенциала человека / М.А. Бабицкий, П.В. Бундзен, К.Г. Коротков, Д.И. Муромцев // Наука, Информация, Сознание: материалы 5-ого междунар. конгресса, СПб. 10-12 июля 2001 г. - СПб.: СПбГИТМО (ТУ), 2001.-С. 58-60.

3. Бабицкий M.A. Программный комплекс анализа психофизического состояния человека GDV APPS I Д.И. Муромцев, М.А. Бабицкий // Материалы научн. итог, конф. СПб НИИФК, СПб., 24-25 декабря 2001 г. - СПб.: СПб НИИФК, 2001. - С. 33-39.

4. Бабицкий М.А. Технология биоэлектрографнческой диагностики психофизического потенциала человека / П.В. Бундзен, К.Г. Короткое, М.А. Бабицкий, Д.И. Муромцев, // Материалы 1-го междунар. Конгресса: «Новые медицинские технологии», СПб. 2001. - С. 45

5. Бабицкий М.А. Автоматизированный анализ психофизического потенциала человека / Д.И. Муромцев, М.А. Бабицкий // Медицинская электроника-2002: Сб. трудов междунар. конф., г. Минск, 20-21 нояб. 2002 г. - Минск: БГУИР, 2002. -С. 78-79

6. Бабицкий М.А. Проектирование систем экспресс диагностики качества ментальной подготовки спортсменов на основе метода газоразрядной визуализации / М.А. Бабицкий, Д.И. Муромцев // Наука, Информация, Сознание: материалы 6-ого междунар. конгресса, СПб., 13-14 июля 2002 г. - СПб.: СПбГИТМО(ТУ), 2002.-С. 66-67.

7. Бабицкий М.А. Техника ГРВ биоэлектрографии / К.Г. Коротков, Б.А. Крылов, О.И. Белобаба, М.А. Бабицкий, Д.И. Муромцев // Основы ГРВ биоэлектрографии. - изд. СПбГИТМО(ТУ). - СПб, 2001. - С.302-336

8. Коротков К.Г. Автоматизированная система измерения динамических характеристик параметров изображения газоразрядного свечения / К.Г. Коротков, Э.В. Крыжановский, Д.И. Муромцев, М.А. Бабицкий, М.Б. Борисова // Информация. Управление. Системы. - 2003. - №2. - С. 68

9. Babitski М. Expert system of express-estimation of the sportsmen functional readiness for competitive activity (Экспертная система экспресс-оценки соревновательной готовности спортсменов) / М. Babitski, D. Mouromtsev, // book of abstracts Lachta, 2001.-P. 243.

10. Babitski M. Method of estimation of athletes functional readiness to competition based on GDV technique (Метод оценки соревновательной готовности спортсменов на базе ГРВ-технологии) / М. Babitski, D. Mouromtsev // 6th Annual Congress of European College of sport science: book of abstracts, ECSS. - Cologne, 2001. - P. 1024

12.Babitsky M. New technology of the athletes psycho-physical readiness evaluation (Новая технология оценки психофизического состояния) / P. Bundzen, К. Korot-kov, I. Nazarov. V. Rogozkin, M. Babitsky, D. Mouromtsev // Human Energy Field. -Backbone Publishing. - NJ, 2002. - P. 280-327

Тиражирование и брошюровка выполнены в учреждении «Университетские телекоммуникации»

197101, Санкт-Петербург, Саблинская ул., 14, тел. (812)233-46-69 Тираж 100 экз.

Оглавление автор диссертации — кандидата технических наук Бабицкий, Максим Александрович

ВВЕДЕНИЕ.

Актуальность проблемы.

Цель работы.

Задачи работы.

Методы исследования.

Научные положения, выносимые на защиту.

Научная новизна работы.

Практическая ценность работы.

Внедрение результатов работы.

Апробация работы.

Краткое содержание диссертации по

главам.

ГЛАВА 1 ОБЩИЕ ПРИНЦИПЫ ПОСТРОЕНИЯ АВТОМАТИЗИРОВАННЫХ СИСТЕМ АНАЛИЗА ГАЗОРАЗРЯДНЫХ ИЗОБРАЖЕНИЙ.

1.1 Принцип формирования газоразрядных изображений.

1.2 Автоматизированный анализ и обработка ГРВ-грамм.

1.3 Архитектура и принципы проектирования систем анализа газоразрядных изображений.

1.4 Выводы.

ГЛАВА 2 МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ ДИНАМИЧЕСКИХ ГРВ-ГРАММ И АНАЛИЗА ВРЕМЕННЫХ РЯДОВ ИХ ПАРАМЕТРОВ.

2.1 Предварительная обработка изображений.

2.2 Расчет параметров ГРВ-грамм и формирование временных рядов ГРВ-параметров.

2.3 Анализ временных рядов ГРВ-параметров.

2.3.1 Сглаживание временных рядов.

2.3.2 Анализ трендов временных рядов.

2.3.3 Вычисление статистических характеристик временных рядов.

2.3.4 Фрактальный анализ временных рядов.

2.3.5 Анализ энтропии временных рядов.

2.3.6 Фурье-анализ временных рядов.

2.4 Выводы.

ГЛАВА 3 УНИФИЦИРОВАННАЯ АРХИТЕКТУРА АВТОМАТИЗИРОВАННЫХ СИСТЕМ АНАЛИЗА ГРВ-ГРАММ И АДАПТИВНАЯ ФРЕЙМОВАЯ ИНФОРМАЦИОННАЯ МОДЕЛЬ.

3.1 Сравнительная характеристика распространенных информационных моделей.

3.2 Особенности процесса анализа ГРВ-грамм.

3.3 Информационная модель на основе фреймового представления данных

3.4 Инструментальные средства разработки программного обеспечения модулей CA ГРВ-грамм.

3.5 Унифицированная архитектура проектируемых систем анализа ГРВ-грамм.

3.6 Концепция разработки программных систем на основе шаблонов проектирования.

3.7 Применение шаблонов проектирования для реализации информационной подсистемы CA ГРВ-грамм.

3.8 Выводы.

ГЛАВА 4 АВТОМАТИЗИРОВАННОЕ ПРОЕКТИРОВАНИЕ СИСТЕМ АНАЛИЗА ГРВ-ГРАММ.

4.1 Постановка задачи проектирования CA ГРВ-грамм.

4.2 Последовательность проектных процедур.

4.3 Программа GDV Video Analyzer.

4.4 Программа GDV Scientific Laboratory.

4.5 Программа GDV Frame Studio.

4.6 Выводы.

ГЛАВА 5 ПРИМЕНЕНИЕ РАЗРАБОТАННОЙ ТЕХНОЛОГИИ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ ДЛЯ СОЗДАНИЯ ПРОБЛЕМНО-ОРИЕНТИРОВАННЫХ СИСТЕМ АНАЛИЗА ГРВ-ГРАММ

5.1 Проектирование автоматизированной системы анализа психофизического потенциала высококвалифицированных спортсменов

5.2 Проектирование автоматизированной системы анализа свойств жидкофазных объектов.

5.3 Выводы.

Введение 2004 год, диссертация по информатике, вычислительной технике и управлению, Бабицкий, Максим Александрович

Актуальность проблемы

Тенденции развития современных информационных технологий приводят к постоянному возрастанию сложности информационных систем (ИС), создаваемых в различных областях человеческой деятельности [1]. С другой стороны, динамика технического прогресса требует значительного ускорения разработки программного обеспечения (ПО), снижения трудоемкости и обеспечения возможности их совершенствования в процессе эксплуатации, наращивания или модификации функций при изменении требований к ним со стороны пользователей. Поэтому поиск путей реализации непрерывно растущих требований составляет одно из актуальных направлений современной информатики [2,3]. В частности, одним из таких путей является разработка специализированных систем автоматизации проектирования (САПР), ориентированных на разработку ПО [4,5]. В связи с этим актуальными являются задачи совершенствования принципов и методологии проектирования, внутренней организации, схем взаимодействия и использования программных компонентов [5,6,7].

Многие отрасли техники, имеющие отношение к получению, обработке, хранению и передаче информации, в значительной степени ориентируются в настоящее время на развитие систем анализа графических данных [8, 9]. Вместе с тем, решение научных и инженерных задач при работе с визуальными данными требует особых усилий, опирающихся на знание специфических методов. В особой мере это проявляется при создании новых типов информационных систем, решающих такие проблемы, которые до сих пор в науке и технике не решались, и которые решаются сейчас благодаря использованию информации визуального характера [8]. Такие системы, и, в особенности, системы анализа видеоинформации, характеризуются большими объемами входных данных, сложностью алгоритмов обработки, широкой номенклатурой рассчитываемых количественных характеристик и разнообразием методов анализа [10], что существенно осложняет задачу их проектирования [11]. Поэтому, во многих случаях, целесообразным является создание и использование специализированных САПР для разработки подобных систем.

Одной из областей применения систем анализа (СА) видеоинформации является метод газоразрядной визуализации (ГРВ или ГРВ-графия) [12, 13, 14, 15]. В основе метода лежит получение информации о внутренних свойствах различных объектов путем компьютерного анализа особенностей изображений (ГРВ-грамм) индуцированного свечения газового разряда вблизи этих объектов в импульсных электромагнитных полях высокой напряженности [12]. Метод ГРВ является относительно новой, интенсивно развивающейся методикой, которая находит применение в различных предметных областях таких, как: медицина, психофизиология, экология, контроль материалов. Так, например, с помощью ГРВ-графии удается выявить слабые изменения физико-химических свойств биологических объектов [16, 17, 18], в психофизиологии - оценивать психоэмоциональный статус [19, 20, 21], психофизический потенциал [22, 23, 24] и уровень саморегуляции испытуемого [25], в медицине - осуществлять мониторинг общего функционального состояния пациента или оценивать реакцию его организма на те или иные виды терапии без проведения сложных медицинских обследований [26, 27].

На сегодняшний день достаточно хорошо изученной и нашедшей широкое практическое применение является, так называемая, статическая ГРВ-графия [28, 29]. Сущность этой методики сводится к регистрации одной ГРВ-граммы в заданный момент от начала экспозиции. Изучение свойств объекта ведется с помощью анализа совокупности количественных характеристик свечения (ГРВ-параметров). Статическая ГРВ-графия позволяет при использовании относительно небольших вычислительных ресурсов быстро получать экспресс-оценку состояния исследуемого объекта.

Современный уровень развития компьютерной техники, каналов передачи данных и аппаратных средств цифровой видеосъемки позволил создать новую методику - динамическую ГРВ-графию [30, 31]. В отличие от статической ГРВ-графии, регистрируется последовательность ГРВ-грамм с заданной частотой дискретизации в течение всего времени экспозиции. Изучение свойств объекта по методу динамической ГРВ-графии ведется с помощью анализа временных рядов ГРВ-параметров, рассчитываемых для каждой ГРВ-граммы в последовательности. По данным ряда проведенных исследований, такой анализ позволяет получить дополнительные сведения о параметрах исследуемых объектов, за счет использования набора количественных характеристик свечения, учитывающих динамическое изменение свойств объекта в процессе воздействия на него импульсным электромагнитным полем.

Необходимым условием практического внедрения метода ГРВ в различных предметных областях является создание автоматизированных СА ГРВ-грамм [32], которые на основании анализа параметров исходного набора ГРВ-грамм объектов вырабатывают содержательную интерпретацию их состояния. Задача проектирования СА ГРВ-грамм осложняется рядом особенностей метода ГРВ, такими как:

1. Необходимость обработки большого объема видеоинформации, как на этапе проектирования СА, так и в процессе их эксплуатации.

2. Нерегулярная структура экспериментальной информации, на основании анализа которой разрабатываются правила выработки заключения для СА. То есть для различных исследуемых объектов может присутствовать различный набор ГРВ-изображений, рассчитанных ГРВ-параметров и верифицирующей информации.

3. Экспертный характер анализа закономерностей и взаимосвязей между характером свечения объекта и его свойствами, в ходе которого исследователь формирует специфическую для конкретной предметной области последовательность этапов обработки ГРВ-грамм и аналитические правила выработки заключения.

4. Необходимость частого внесения изменений в проект С А на этапе разработки и в готовые СА на этапе эксплуатации, вызванная высокой интенсивностью научных исследований в области ГРВ. Причем изменения касаются как структуры исходной информации об объектах исследования, так и алгоритмов обработки, анализа и выработки заключения.

На сегодняшний день известна единственная работа [29], в которой развиты подходы к созданию средств САПР по разработке проблемно-ориентированных процедур обработки и анализа статических ГРВ-грамм. В связи с разработкой в последние годы новых проблемно-ориентированных методик на базе динамической ГРВ-графии областях актуальным является дальнейшее совершенствование САПР СА ГРВ-грамм в направлении роста уровня автоматизации, сокращения сроков разработки и повышения качества готовых проектных решений. В частности, применение таких элементов искусственного интеллекта, как фреймовое представление информации и вынесение правил обработки и интерпретации данных в отдельную базу знаний, позволяет устранить часть перечисленных трудностей и унифицировать структуру проектируемых С А ГРВ-грамм.

Таким образом, актуальность темы диссертационной работы определяется:

• практической значимостью метода ГРВ в различных предметных областях, благодаря высокой чувствительности метода к слабым изменениям свойств исследуемых объектов, позволяющей регистрировать изменение их состояния под влиянием относительно слабых внешних воздействий;

• появлением новой методики динамической ГРВ-графии, позволяющий расширить сферу практического применения метода ГРВ в целом, и, как следствие, необходимостью разработки интегрированных программных систем, предназначенных для автоматизации процессов обработки и анализа динамических газоразрядных изображений (ГРВ-грамм);

• необходимостью разработки и совершенствования средств САПР проблемно-ориентированных СА ГРВ-грамм в связи с высокой трудоемкостью проектирования таких систем, вызванной рядом перечисленных выше особенностей ГРВ-графии, осложняющими задачу.

Цель работы

Целью диссертационной работы является разработка методов, алгоритмов и программ автоматизации проектирования систем параметрического анализа динамических газоразрядных изображений.

Задачи работы

Для достижения поставленной цели необходимо решить следующие задачи:

2. Построение унифицированной архитектуры С А ГРВ-грамм.

4. Создание программной библиотеки процедур обработки и анализа динамических ГРВ-грамм.

Методы исследования

Для решения поставленных задач использованы теория и методы автоматизации проектирования технических систем, методы теории вероятностей и математической статистики, методы обработки сигналов, дискретной математики и численного анализа, теория и методы реляционных баз данных, методы искусственного интеллекта, методы цифровой обработки изображений и машинной графики. Программное обеспечение разработано с применением методов объектно-ориентированного программирования.

Научные положения, выносимые на защиту

2. Автоматизированный метод синтеза проектируемых С А ГРВ-грамм для обеспечения требуемой эффективности анализа, основанный на технике прототипирования и статистических критериях отбора рабочего подмножества ГРВ-параметров, используемых для формирования заключения.

3. Унифицированная архитектура С А ГРВ-грамм, основанная на применении технологии баз знаний;

Научная новизна работы

В ходе работы над диссертацией получены следующие результаты, характеризующиеся научной новизной:

3. Предложена обобщенная архитектура С А ГРВ-грамм, ориентированная на интеграцию исходных ГРВ-изображений с информационными массивами, полученными в результате расчета их количественных характеристик, в единую базу данных и осуществление анализа этих данных с использованием элементов искусственного интеллекта.

4. Применена фреймовая модель представления данных, обеспечивающая единый способ информационного обмена между модулями системы, сохранение данных в БД, расширение и адаптацию обобщенной архитектуры под решение конкретных прикладных задач в различных областях применения ГРВ.

Практическая ценность работы

В результате проведенного исследования разработаны методы, алгоритмы и программы, позволяющие в автоматизированном режиме создавать предметно-ориентированные системы анализа газоразрядных изображений. Применение разработанных методов и программ позволило существенно сократить трудоемкость проектирования новых и модификации существующих СА ГРВ-грамм, за счет унификации архитектуры СА и повторного использования программных компонентов. На базе предложенной технологии автоматизированного проектирования создано две автоматизированные системы: система анализа психофизического состояния спортсменов и система анализа свойств жидкофазных объектов.

Внедрение результатов работы

Разработанная в рамках работы система анализа психофизического состояния спортсменов внедрена в учебно-тренировочный процесс училищ олимпийского резерва № 1 и 2 города Санкт-Петербурга, в соответствии с программой Госкомспорта России. С 2003 г. Система внедряется в учебно-тренировочный процесс школ и училищ Олимпийского Резерва России (контракт Госкомспорта России №197). Система анализа свойств жидкофазных объектов - используется в лабораториях фирм «Aveda» (США) и «Estee Lauder» (США). Разработанное в рамках работы программное обеспечение входит в состав пакета программ «ГРВ-технология», распространяемого в комплекте с серийно выпускаемым прибором «ГРВ-камера».

Апробация работы

Научные и практические результаты диссертационной работы докладывались и обсуждались в период 2000-2003 г.г. на международных конференциях и семинарах. Среди них: конгрессы по биоэлектрографии «Наука-Информация-Сознание» (Санкт-Петербург, 2000, 2001, 2002, 2003), конференции европейского колледжа спортивных наук (Кельн, 2001; Афины,

2002); «Медицинская техника-2002» (Минск, 2002); «Новые медицинские технологии» (Санкт-Петербург, 2001); Итоговые конференции СПбНИИФК (Санкт-Петербург, 2001, 2002); Научно-техническая конференция профессорско-преподавательского состава СПбГИТМО(ТУ) (Санкт-Петербург,

2003).

По теме диссертации опубликовано 12 работ из них 2 статьи и 10 тезисов к докладам на международных и российских конференциях.

Краткое содержание диссертации по главам

В первой главе приводится краткий обзор метода ГРВ, включая аппаратные принципы регистрации ГРВ-грамм и различия между статической и динамической ГРВ-графией. Формулируется задача анализа ГРВ-грамм. Описываются общие принципы построения автоматизированных систем анализа газоразрядных изображений и дается характеристика существующей технологии проектирования С А ГРВ-грамм.

Вторая глава посвящена описанию разработанного в рамках данной работы математического и программного обеспечения реализующего функции обработки и анализа динамических ГРВ-грамм. Излагаются методы фильтрации шума в изображениях, алгоритмы расчета ГРВ-параметров, способ формирования и анализа временных рядов этих параметров.

Третья глава посвящена вопросам разработки обобщенной архитектуры систем анализа ГРВ-грамм. Описывается адаптивная фреймовая модель представления данных. Предлагается реляционная структура БД, обеспечивающая хранение фреймов с изменяемым атрибутивным составом.

В четвертой главе описывается разработанная технология автоматизированного проектирования систем анализа ГРВ-грамм. Перечисляются формализованная последовательность проектных процедур. Описывается метод автоматизации, приводятся статистические критерии отбора рабочего подмножества ГРВ-параметров и характеристик временных рядов.

Пятая глава посвящена описанию практического применения разработанных методов для создания двух проблемно-ориентированных СА ГРВ-грамм: система анализа психофизического состояния спортсменов и система анализа свойств жидкофазных объектов.

Заключение диссертация на тему "Автоматизированное проектирование систем анализа динамических газоразрядных изображений"

5.3 Выводы

В пятой главе рассмотрены вопросы практического применения разработанных в рамках работы методов, алгоритмов и программ для проектирования проблемно-ориентированных систем анализа газоразрядных изображений.

Первая задача из области спортивной медицины направлена на решение актуальной проблемы высшего спорта - объективной оценки уровня соревновательной готовности. Экспериментальные исследования с участием спортсменов высокой квалификации показали, что динамическая ГРВ-графия может быть успешно применена в этой области. Разработана автоматизированная система анализа психофизического потенциала спортсменов, которая прошла успешную апробацию в училищах Олимпийского Резерва №1 и №2 г. Санкт-Петербурга и, в соответствии с программой Госкомспорта России с 2003 года внедряется в учебно-тренировочный процесс школ и училищ Олимпийского Резерва России.

Второй пример направлен на решение не менее актуальной проблемы в области контроля материалов - выявление различий между образцами жидкостей близких по химическому составу. Созданная в рамках работы САПР применена для создания системы анализа свойств жидкофазных объектов. Работа велась в рамках научного сотрудничества с фирмами «Aveda» и «Estee Lauder» (США), специализирующихся на производстве натуральных косметических продуктов. Использование данной системы анализа позволило создать методику для решения актуальной в современной косметологии задачи - выявления различий между натуральными ароматическими маслами и их синтетическими аналогами.

Спектр практических приложений созданной методики автоматизированного проектирования систем анализа ГРВ-грамм не исчерпывается приведенными примерами. Однако, полученные результаты демонстрируют основные направления, методические подходы и перспективность практического внедрения разработанных методов и алгоритмов.

ЗАКЛЮЧЕНИЕ

В рамках диссертационной предложена технология автоматизированного проектирования систем анализа газоразрядных изображений с учетом особенностей метода динамической ГРВ-графии. Унификация архитектуры проектируемых систем достигнута за счет применения элементов искусственного интеллекта, таких как фреймовая модель представления данных и вынесение правил обработки и анализа ГРВ-грамм в отдельную базу знаний, доступную для изменений как проектировщикам, так и пользователям. Разработано математическое и алгоритмическое обеспечение обработки и анализа временных рядов параметров динамических ГРВ-грамм.

Как перспективное направление дальнейших исследований стоит отметить применение методов data mining, в частности, алгоритмов построения деревьев решений, для автоматического формирования решающих правил на основании анализа экспериментальных баз данных.

В процессе решения поставленных задач получены следующие результаты:

1. Проанализированы структуры и технология проектирования С А ГРВ-грамм на базе статической ГРВ-графии, и на их основе создана методика автоматизированного проектирования СА ГРВ-грамм с учетом особенностей метода динамической ГРВ-графии.

2. Предложена унифицированная архитектура С А ГРВ-грамм, ориентированная на применение элементов искусственного интеллекта для формирования заключения.

4. Создана программная библиотека процедур обработки и анализа временных рядов параметров динамических ГРВ-грамм.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

2. Бабицкий М.А. Автоматизированная система скрининговой биоэлектрографической диагностики психофизического потенциала человека / М.А. Бабицкий, П.В. Бундзен, К.Г. Короткое, Д.И. Муромцев // Наука, Информация, Сознание: материалы 5-ого междунар. конгресса, СПб, 10-12 июля 2001 г. - СПб.: СПбГИТМО (ТУ), 2001. - С. 58-60.

3. Бабицкий М.А. Программный комплекс анализа психофизического состояния человека СБУ АРРБ / Д.И. Муромцев, М.А. Бабицкий // Материалы научн. итог. конф. СПб НИИФК, СПб., 24-25 декабря 2001 г. -СПб.: СПб НИИФК, 2001. - С. 38-39.

4. Бабицкий М.А. Технология биоэлектрографической диагностики психофизического потенциала человека / П.В. Бундзен, К.Г. Короткое, М.А. Бабицкий, Д.И. Муромцев, // Материалы 1-го междунар. Конгресса: «Новые медицинские технологии», СПб, 2001. - С. 45

5. Бабицкий М.А. Автоматизированный анализ психофизического потенциала человека / Д.И. Муромцев, М.А. Бабицкий // Медицинская элек-троника-2002: Сб. трудов междунар. конф., г. Минск, 20-21 нояб. 2002 г. - Минск: БГУИР, 2002. - С. 78-79

7. Бабицкий М.А. Техника ГРВ биоэлектрографии / К.Г. Короткое, Б.А. Крылов, О.И. Белобаба, М.А. Бабицкий, Д.И. Муромцев // Основы ГРВ биоэлектрографии. - изд. СПбГИТМО(ТУ). - СПб, 2001. - С.302-336

8. Короткое К.Г. Автоматизированная система измерения динамических характеристик параметров изображения газоразрядного свечения / К.Г. Короткое, Э.В. Крыжановский, Д.И. Муромцев, М.А. Бабицкий, М.Б. Борисова // Информация. Управление. Системы. - 2003. - №2. - С. 68

10.Babitski M. Method of estimation of athletes functional readiness to competition based on GDV technique (Метод оценки соревновательной готовности спортсменов на базе ГРВ-технологии) / М. Babitski, D. Mouromtsev // 6th Annual Congress of European College of sport science: book of abstracts, ECSS. - Cologne, 2001. - P. 1024

11 .Babitski M. Computer based GDV technique for the evaluation of athletes' mental readiness (Компьютерная ГРВ-технология оценки ментальной подготовки спортсменов) / М. Babitski, D. Mouromtsev // 7th Annual Congress of the European College of sport science: book of abstracts, ECSS. -Athens, 2002.-P. 948 12.Babitsky M. New technology of the athletes psycho-physical readiness evaluation (Новая технология оценки психофизического состояния) / Р. Bundzen, К. Korotkov, I. Nazarov, V. Rogozkin, М. Babitsky, D. Mouromtsev // Human Energy Field. - Backbone Publishing. - NJ, 2002. - P. 280-327

Библиография Бабицкий, Максим Александрович, диссертация по теме Системы автоматизации проектирования (по отраслям)

1. Вендров A.M. «CASE-технологии. Современные методы и средства проектирования информационных систем» // http://www.citforum.ru/database/case/index.shtml - (20.02.2004)

2. Липаев В.В. Документирование и управление конфигурацией программных средств. Методы и стандарты, М.: СИНТЕГ, 1998 220 с.

3. Калянов Г.Н. CASE структурный системный анализ (автоматизация и применение), М.: Издательство «ЛОРИ», 1996 - 242 с.

4. Норенков И.П. Основы автоматизированного проектирования, М.: Издательство МГТУ имени Н.Э.Баумана, 2002 336 с.

5. Липаев В.В. Проектирование программных средств, М.: Высшая школа, 1990-303 с.

6. Боэм Б.У. Инженерное проектирование программного обеспечения, М.: Радио и связь, 1985 512 с.

7. Грузман И.С., Киричук B.C., Косых В.П., Перетягин Г.И., Спектор А.А, Цифровая обработка изображений в информационных системах, Учебное пособие Новосибирск: Изд-во НГТУ, 2000 - 168 с.

8. Яншин В.В. Анализ и обработка изображений: принципы и алгоритмы, М.: Машиностроение, 1994 112 с.

9. Дедус Ф.Ф., Махортых С.А., Устинин М.Н., Дедус А.Ф. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и распознавания образов, М. Машиностроение, 1999 357 с.

10. Чэн Ш.-К. Принципы проектирования систем визуальной информации, М.:Мир, 1994 408 с.

11. Короткое К.Г. Основы ГРВ биоэлектрографии, С-Пб, изд. ИТМО (ТУ), 2001 356 с.

12. Коротков К.Г. Эффект Кирлиан, С-Пб, изд.«Ольга»,1995 218 с.

13. Коротков К.Г. От эффекта Кирлиан к биоэлектрографии, СПб:Ольга,1998 -341 с.

14. Коротков К.Г., Бундзен П.В., Александрова Р.А. Тематический выпуск, посвященный научным исследованиям в области ГРВ биоэлектрографии. Изд-во "РДК-принт", Вестник, № 4, 2001.

15. Korotkov К., Korotkin D. Concentration dependence of gas discharge around drops of inorganic electrolytes. J of Applied Physics, V. 89. №9, pp.4732-4737.

16. Klonowski W., Stepien R., Olejarczyk E., Jernajczyk W., Niedzielska K., Karlinski A. Chaotic Quantifiers of EEG-signal for Assessing Photo- and ChemoTherapy. Medical & Biological Engineering & Computing, 37, Suppl. 2,436437.1999

17. Гудакова Г.З., Галынкин B.A., Коротков К.Г. Исследование характеристик газоразрядного свечения микробиологических культур. Журнал прикладной спектроскопии. Т. 49, № №, 1988. с. 412-417.

18. Бундзен П.В., Загранцев В.В., Коротков К.Г. и др. Комплексный биоэлектрографический анализ механизмов альтернативного состояния сознания. Физиология Человека. Т.26, №5, 2000. с. 59-68.

19. Бундзен П.В., Коротков К.Г., Баландин В.И. и др. Инновационные процессы в развитии технологий психической подготовки и психодиагностики в олимпийском спорте. Теория и практика физической культуры. № 5,2001. с. 12-18.

20. Коротков К.Г. Оценка психофизиологического состояния человека в норме и патологии методом газоразрядной визуализации. Информационные технологии в здравоохранении № 8-9 (10-11), 2001. с. 6-7.

21. Бундзен П.В., Бабицкий М.А., Короткое К.Г., Макаренко О.И., Муромцев Д.И. Психофизический потенциал человека технология оценки и диагностическая значимость. Материалы научной итоговой конференции С-Пб НИИФК, С-Пб, 2001

22. Бундзен П.В., Коротков К.Г., Бабицкий М.А. Муромцев Д.И. и др. Технология биоэлектрографической диагностики психофизического потенциала человека. Материалы первого международного конгресса «Новые медицинские технологии», С-Пб, 2001

23. Bundzen P., Korotkov К., Nazarov I., Rogozkin V., Babitsky М., Mouromtsev D. New Technology of the athletes psucho-physical readiness evaluation / Korotkov K. Human Energy Field. Backbone Publishing. - NJ, 2002. - 348 p.

24. Коротков К.Г., Гурвиц Б.Я., Крылов Б.А. Новый концептуальный подход к ранней диагностике рака. Сознание и физическая реальность. Т. 3, № 1, 1998.

25. Крылов Б.А. Автоматизированное проектирование предметно-ориентированных процедур обработки и анализа двумерных ахроматических изображений, диссертация кандидата технических наук, СПб, СПбГИТМО, 2000.

26. Бабицкий М.А., Муромцев Д.И. Методика и техника динамической ГРВ-графии. Материалы 5-ого международного конгресса "Наука, Информация, Сознание", С-Пб, 2001. С. 60-62

27. Муромцев Д.И. Автоматизированная система обработки и анализа динамических ГРВ-грамм биологических объектов, диссертация кандидата технических наук, СПб, СПбГИТМО(ТУ), 2003.

28. Коротков К.Г., Крылов Б.А., Белобаба О.И., Бабицкий М.А., Муромцев Д.И., Техника ГРВ биоэлектрографии / Коротков К.Г. Основы ГРВ биоэлектрографии, СПб., изд. СПбГИТМО(ТУ). 2001. - 356 с.

29. Претт У. Цифровая обработка изображений, в двух книгах, М.: Мир, 1982, - 790 с.

30. Быков P.E. Теоретические основы телевидения. СПб.: изд. "Лань", 1998,- 288 с.

31. Цифровая обработка телевизионных и компьютерных изображений / Под ред. Ю.Б. Зубарева, В.П. Дворкина М.: Международный центр научной и техн. Информации, М.: 1997, - 212 с.

32. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера.- Москва: Физматлит, 2001. 784 с.

33. Крылов Б.А. Измерительно-вычислительная система регистрации и анализа газоразрядного свечения // Тез. докл. юбилейной н.-т. конф. ГИТМО(ТУ) СПб, 2000.-Ч.2- с. 16-17.

34. Крылов Б.А., Коротков К.Г., Белобаба О.И. Автоматизированный анализ изображений, полученных методом ГРВ // Тез. докл. 30 н.-т. конф. ГИТМО(ТУ) СПб, 1999.- с.37.

35. Тюрин Ю.Н., Макаров A.A. Анализ данных на компьютере, М/.ИНФРА-М, 2003, 544 с.

36. Бриллинджер Д. Временные ряды, М.: Мир, 1980, 536 с.

37. Андерсен Т. Статистический анализ временных рядов, М.: Мир, 1976, -765с.

38. Pieter Adriaans, Dolf Zantinge Data Mining. Harlow, Addison-Wesley, 1996, 158 p.

39. Yao Y. and Freeman W.: Model of Biological Pattern Recognition with Spatially Chaotic Dynamics. Neural Networks. 3, 153-170. 1990

40. Гайдышев И. Анализ и обработка данных. Специальный справочник, СПб.: Питер, 2001, 752 с.

41. Статистические методы для ЭВМ / под ред. Энслейна К., Рэлстона Э., Уилфа Г.С., пер. с англ., М.: Наука, 1986, 460 с.

42. Лебедев А.Н., Куприянов М.С., Недосекин Д.Д., Чернявский Е.А. Вероятностные методы в инженерных задачах, Справочник, СПб.: Энергоатомиздат 2000,-331 с.

43. Ряды : Учебник для вузов / Под ред. В. С. Зарубина, А. П. Крищенко. М: изд-во МГТУ, 2000, 612 с.

44. Справочное пособие по высшей математике. Т. 2 : Математический анализ, ряды, функции векторного аргумента, М: УРСС, 2001, 224 с.

45. Носач В.В. Решение задач аппроксимации с помощью персональных компьютеров, М.:МИКАП, 1994, 382 с.

46. Крыжановский Э.В. Метод котроля жидкофазных объектов на основе газоразрядной визуализации, диссертация кандидата технических наук, СПб, СПбГУ ИТМО, 2003.

47. Вентцель Е.С., Овчаров Л.В. Теория вероятностей и ее инженерные приложения. М: Высшая школа, 1999, 480 с.

48. Ричард М. Кроновер Фракталы и хаос в динамических системах. М.: Постмаркет, 2000, 352 с.

49. Гмурман В.А. Теория вероятностей и математическая статистика. М.: Высшая школа, 2001, 479 с.

50. Марпл С.Л. Цифровой спектральный анализ и его приложения, М.:Мир, 1990,-584 с.

51. Липаев В.В., Филинов Е.Н. Мобильность программ и данных в открытых информационных системах, М.: Научная книга, 1997, 368 с.

52. Дейт К. Дж. Введение в системы баз данных, седьмое изд., пер. с англ., М. Вильяме, 2001, 1071 с.

53. Гарсиа-Молина Г., Ульман Дж., Уидом Дж. Системы баз данных. Полный курс.: пер. с англ. М.: Издательский дом «Вильяме», 2003, - 1088 с.

54. Дунаев С. Доступ к базам данных и техника работы в сети. Практические приемы современного программирования, М.: Диалог-МИФИ, 2000, 416 с.

55. Гасанов Э. Э., Кудрявцев В. Б. Теория хранения и поиска информации, М. Физматлит, 2002, 285 с.

56. Ахо А., Хопкрофт Дж., Ульман Дж. Д. Структуры данных и алгоритмы, пер. с англ., М.: Издательский дом «Вильяме», 2000, 384 с.

57. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++, М. Бином, 2001, -560 с.

58. Шлеер С., Меллор С. Объектно-ориентированный анализ: моделирование мира в состояниях, пер. с англ., Киев: Диалектика, 1993, 240 с.

59. Змитрович А.И. Интеллектуальные информационные системы, Минск.: ТетраСистемс, 1997, -367 с.

60. Девятков В.В. Системы Искусственного интеллекта, М.: Издательство МГТУ, 2001,-351 с.

61. Рубашкин В.Ш. Представление и анализ смысла в интеллектуальных информационных системах, М. Наука, 1989, -190 с.

62. Минский М. Структура для представления знания. В сб. Психология машинного зрения. Под. Ред. П. Уинстона. М.: Мир, 1978. с. 249-338

63. Джексон П. Экспертные системы, третье изд., пер. с англ., М.: Вильяме, 2001,-622 с.

64. Слейгл Дж. Искусственный интеллект М: Мир, 1973.- 320 с.

65. Шенк Р. Обработка концептуальной информации,М.:Энергия,1980, 361 с.

66. Shank R.C. and Abelson R. Scripts, Plants, Goals and Underatanding. Hillsdale, NJ: Lawrence Erlbaum, 1977

67. Искусственный интеллект: Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова.- М. : Радио и связь, 1990, 464 с.

68. Искусственный интеллект кн. 2 Модели и методы: Справочник / под. ред. Д. А. Поспелова, М. Радио и связь, 1990, 304 с.

69. Любарский Ю.Я. Интеллектуальные информационные системы, М. Наука, 1990, 227 с.

70. Страуструп Б. Язык программирования С++, третье изд., пер. с англ., СПб.: Невский диалект, 1999, 990 с.

71. Саттер г. Решение сложных задач на С++. Серия С++ In Depth, СПб: Вильяме, 2002, 400 с.

72. Лутц М. Программирование на Python, второе изд., пер. с англ., СПб.: Символ, 2002,- 1135 с.

73. Сузи P. Python в подлиннике, BHV-СПб, 2001, 768 с.

74. Martelli Alex, Ascher David. Python Cookbook. O'Reilly, 2002, 606 p.79. http://www.boost.org/libs/python/doc/index.html (26.01.2004)

75. Патрик О'Брайен «Руководство по интроспекции на Python» // http://www.iso.ru/iournal/articles/243.html (10.12.2002)

76. Гамма Э. и др. Приемы объектно-ориентированного проектирования. Паттерны проектирования, пер. с англ., СПб.: Питер, 2001, 366 с.

77. Александреску А. Современное проектирование на С++. Обощенное программирование и прикладные шаблоны проектирования, пер. с англ., М.:1. Вильяме, 2002, 328 с.

78. Шаллоуэй А., Джеймс Р. Трот Шаблоны проектирования. Новый подход к объектно-ориентированному анализу и проектированию, пер. с англ., М.: Вильяме, 2002, 277 с.

79. Влиссидес Джон Применение шаблонов проектирования. Дополнительные штрихи, пер. с англ., М.: Вильяме, 2003, 136 с.

80. Корячко В.П., Курейчик В.М., Норенков И.П. Теоретические основы САПР, Учебник для вузов, М.: Энергоатомиздат, 1987,-399 с.

81. Гридин В.Н. Теоретические основы построения базовых адаптируемых компонентов САПР МЭА, М.: Наука, Гл. ред. Физ.-мат. лит., 1989, 256 с.

82. Бундзен П.В., Короткое К.Г., Бабицкий М.А., Муромцев Д.И., Дрычкин А.В. Биоупровляемая электрография энергоэмиссионных процессов. Материалы 5-ого международного конгресса "Наука, Информация, Сознание", СПб, 2001.-С. 68-70

Похожие работы

Информатика, вычислительная техника и управление
05.13.00