автореферат диссертации по техническим наукам, 05.00.00, диссертация на тему:Теоретические основы эргономического обеспечения наблюдательных систем и робастно-когнитивной технологии обработки данных в условиях глубокой априорной неопределенности

доктор технических наук
Горохов,
Владимир Леонидович
город
Санкт-Петербург
год
1995
специальность ВАК РФ
05.00.00
Автореферат по техническим наукам на тему «Теоретические основы эргономического обеспечения наблюдательных систем и робастно-когнитивной технологии обработки данных в условиях глубокой априорной неопределенности»

Автореферат диссертации по теме "Теоретические основы эргономического обеспечения наблюдательных систем и робастно-когнитивной технологии обработки данных в условиях глубокой априорной неопределенности"

На правах рукописи

Горохов Владимир Леонидович

ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ЭРГОНОМИЧЕСКОГО ОБЕСПЕЧЕНИЯ НАБЛЮДАТЕЛЬНЫХ СИСТЕМ И РОБАСТНО-КОГНИТИВНОИ ТЕХНОЛОГИИ ОБРАБОТКИ ДАННЫХ В УСЛОВИЯХ ГЛУБОКОЙ АПРИОРНОЙ НЕОПРЕДЕЛЕННОСТИ

Специальности: 05.02.20 - эргономика;

05.12.17 - радиотехнические и телевизионные системы и устройства

Автореферат диссертации на соискание ученой степени доктора технических наук

Санкт-Петербург-1995

Работа выполнена в Санкт-Петербургском государственном электротехническом университете им.В.И.Ульянова (Ленина)

Официальные оппоненты:

доктор технических наук, профессор Евграфов В.Г. доктор технических наук, профессор Тищенко А.П. доктор физико-математических наук, старвий научна» сотрудник Покровский О.М.

Ведущая организация - НИИ телевидения (г.Санкт-Петербург)

Защита диссертации состоится Ус?¿и1995 г. в/^асов на заседании диссертационного совета Д 063.36.09 Санкт-Петербупгского государственного электротехнического университета им.В.И.Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией молно ознакомиться в библиотеке университета.

Автореферат разослан " " 199В г.

Ученый секретарь диссертационного Совета. ^ Юлдашев З.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В настоящее время осуществляются грандиозные проекты по наблюдение над необычайно сложными и плохо понимаемыми природными объектами. С одной стороны это фантастические по своей насыщенности техническими достижениями системы наблюдения за ближним и дальним космосом (планетарные радиоинтерферометрические сети поддержанные спутниками и оптическими телескопами, например система "КВАЗАР"), с другой стороны, это не менее грандиозные системы наблюдения (мониторинга) за экологией планеты и хозяйственной деятельностью человека (системы SPOT, LANDSAT).

По сути дела эти системы представляют собой антро-потехнические системы эргатического класса (для которых введен специальный термин эрготехнические системы (ЭТС)). Они отнесены к типу информационно-производящих или информационно-управлявших. Здесь необходимо отметить ключевую роль человека в системе мониторинга. Именно при активном творческом участии человека мониторинг призван обеспечить новый уровень познания столь сложных, многомерных и плохо изученных объектов как социальные, экологические, космологические системы. Вышеозначенный определяется обращение общества к проблемам мониторинга. Возрастающие масштабы хозяйственной деятельности, усиление антропогенного воздействия на окружающую среду и связанное с этим ухудшение экологической обстановки, необходимость рационального использования природных ресурсов Земли (лесные, водные и минеральные ресурсы) еще больше усилили как финансовый, так и и научный интерес к этой тематике.

На пути реализации концепций мониторинга стоит ряд серьезных проблем физико-химического, эргономического, биохимического, аппаратурного и системотехнического характера. Среди этих проблем следует особо отметить проблемы связанные с тем что мониторинг осуществляется в условиях глубокой априорной неопределенности как в отношении самих объектов наблюдения, так и в отношении многочисленных мешающих воздействий. Такая глубокая априорная неопределенность условий наблюдения при мониторинге приводит к резкому снижению

надежности и достоверности результатов мониторинга.

Присутствие в системе мониторинга человека (оператора, лица, принимающего решение, исследователя) позволяет ва субъективном уровне компенсировать снихение достоверности, но для более успешного использования уникальных свойств человека надо с помощью технических средств обеспечить предельно устойчивые (робастные) и удобные для восприятия оператором-исследователем компьютерные изображения, отражающие природу наблюдаемых объектов. Такие изображения замечательным образом стимулируют познавательные возможности человека и способствуют активизации как абстрактно-логического, так и образного мышления. Технические средства способные преобразовывать многомерные данные наблюдений в такие графические изображения будут далее называться когнитивными ( в соответствии с установившейся традицией). Сам процесс превращения цифровых многомерных данных в такие графические изображения будет условно называться когнитивной визуализацией. Термин когни-тивность здесь используется чтобы подчеркнуть возмокность с помощью технических средств графики усилить познавателные возможности человека в условиях глубокой априорной неопре-делености в отношении условий наблюдения. Таким образом очевидна актуальность разработки эргономически обоснованной информационной технологии обработки данных наблюдений в которой используются когнитивные компьютерные средства. .

Цель работы: Создание алгоритмических и эргономических основ информационной технологии обработки наблюдательных данных в эргатических системах мониторинга при априорной неопределенности в отношении объектов наблюдения и условий мониторинга.

Основные задачи при этом состояли:

а) В разработке ключевых принципов эргономической организации интерактивных систем обработки наблюдательных данных нового поколения с использованием последних достижений когнитивной графики и непараметрической статистики;

б) В воплощении разработанных принципов в конкретные алгоритмы и информаяионные технологии обработки для задач мониторинга в экологии, астрофизике, социальном обеспечении

и медицине;

в) В внедрении разработанных алгоритмов и программ в практику экологического, социального и астрофизического мониторинга.

Научные результаты, выносимые на защиту:

1. Алгоритмы первичного отображения многомерных данных для наглядной визуализации серий спектрозональных изображений, повышающих достоверность решений оператора-исследователя в задачах дистанционного зондирования (вероятность ложной тревоги ДО"5).

2. Алгоритм и технология робастного сегментирования для вторичной визуализации многомерных данных с участием оператора-исследователя, обеспечивающие обнаружение слабых радиоисточников (Ю-28 вт.м.~гГц.~1) в радиоастрономических обзорах.

3. Алюритмы оценки качества наблюдений проводимых- по разработанной технологии на основе ускоренного машинного моделирования с учетом влияния оператора-исследователя.

4. Результаты решения прикладных задач в области астрономии и дистанционного зондирования. Обнаружение зависимости активности квазара 3C345 в оптическом и радиодиапазоне, обнаружение более 150 слабых источников в радиоастрономических обзорах на РАТАН-600, сегментация агрокультур (виды зерновых кукурузы и трав), различение степени влагозапаса полей и всхожести культур.

_Научная новизна работы:

а) Впервые предложена концепция сочетания принципа ко-гнитивности, робастности, многомерности и модельности для решения задач обработки данных полученных в условиях глубокой априорной неопределенности возникающей при мониторинге плохо изученных объектов в экологии, социологии, недицине л астрофизике. Такая концепция учитывает эргатический характер систем мониторинга и последние достижения эргономики, суть которых сводиться к усилению роли человека оператора как центрального звена в системе мониторинга.

б) На основе этой концепции разработан оригинальный набор процедур динамической робастной визуализации многомерных

данных в когнитивные графические образы. Эти образы не только обладают эмоциональной привлекательностью и доступностью, но и отражают реальные аналитические свойства многомерных данных. Программные реализации этих процедур позволяют мобилизовать и привлечь интеллектуальную мощь, а главное эмоция и интуицию оператора, исследователя.

в) Процедуры динамической визуализации послужили ядром в новой информационной технологии, которая позволяет эргономически корректно организовать процесс мониторинга.

г) Данная концепция обусловила разработку ряда устойчивых статистических алгоритмов успешно функционирующих в условиях априорной неопределенности & отношении свойств объектов мониторинга. Это:

- алгоритмы непараметрического обнаружения переменности радиоисточников в условиях отсутствия сведений о виде распределения данных,

г алгоритмы непараметрического обнаружения экологических объектов и радисисточнихов на основе экстремальных статистик,

. - алгоритмы непараметрического оценивания распределений в неоднородных и неклассифицированных выборках содержащих верхние пределы.

д) Концепция послужила толчком к разработке ряда методик статистического моделирования для системы мониторинга и для объектов мониторинга:

- разработаны методики ускорения испытаний на машинных моделях сложных схем мониторинга,

- предложены новые модели данных обобщающе модели Хьюбера на случай верхних пределов. Эти модели позволили провести машинное исследование эффективности ряда процедур оценки распределений при их работе с неоднородными выборками;

е) Разработана методика оценки полноты наблюдательных данных и систем мониторинга работающих в условиях глубокой априорной неопределенности. Эта методика представляет собой квалииетрическую оценку . функционирования эрготехни-ческой системы мониторинга с учетом как технического, так и человеческого фактора.

Научное и практическое значение результатов. Научное значение полученных в диссертации результатов состоит в той что их использование позволяет по новому увидеть роль оператора исследователя в организации наблюдательных процессов и перспективы развития архитектур наблюдательных систем. В научном отношении важным является привлечение новых моделей данных содержащих верхние пределы. Новые модели позволили разработать процедуры обнаружения и оценивания устойчивые к наличию в выборках верхних пределов.

Большинство полученных в диссертации результатов и разработанных методических подходов могут быть эффективно применены и уже применяются при решении широкого круга задач дистанционного зондирования, экологического и социально-медицинского мониторинга и задач обработки наблюдательных данных в радиоастрономии и астрофизики.

Использование результатов работы при проектировании и эксплуатации систем обработки данных позволяет:

- резко повысить производительность и надежность крупных эргатических систем обработки и архивизации наблюдательных данных при уникальных телескопах и космических станциях таких как РАТАН-600, БТА, "КВАЗАР", "АЛМАЗ" и др. (обнаружение слабых радиоисточников до 14 иян- 10~28вт/.м2, гц с уровнем значимости Ю-5, ускорение машинных испытаний на 3-4 порядка),

- организовать принципиально новые наблюдательные программы мониторинга, используя интуицию и прагматический опыт исследователя (напкжнер выявление связи иежду радио и оптической светимостью квазара ЗСЭ45),

- организовать оперативный и наглядный контроль за данными в больших распределенных архивах и вычислительных сетях нового поколения (например визуализация многомерных данных каталога Эйбпа),

- успешно осуществлять достоверное объединение неоднородных данных, полученных в разных научных коллективах,

- организовывать с участием оператора исследователя априорное моделирование, планирование и эффективную оценку полноты наблюдательных данных и систем (в системе ПОИСК).

Отдельные результаты работы ухе нашли применение и используются в ряде хрупных научных центров: CAO РАН, ИПА РАН, НПО МАШИНОСТРОЕНИЕ, НПО ЭНЕРГИЯ, НИИЦЭБ, КОНЦЕРНЕ ЛЕНИНЕЦ, СПбГЭТУ, СПбГУ и др. Результаты работы опубликованные в виде учебных пособий используются диссертантом при чтении курсов лекций в СПбГЭТУ, CAO РАН, концерне ЛЕНИНЕЦ, при руководстве дипломными и курсовыми работами студентов СПбГУ, СПбГЭТУ, СЗЛИ, а таххе при руководстве аспирантами.

Апробация работы: Результаты работы докладывались на следующих международных и всесоюзных конференциях и симпозиумах: Всесоюзное совещание "Автоматизированное проектирование программного обеспечения систем управления" Харьков - 1987 г.; Всесоюзная конференция "Моделирование систем информатики" Новосибирск-1988 г.; Всесоюзная конференция "Математические методы в экологических и космических исследованиях Баку" -1989 г.; Всесоюзная конференция "Методы и средства дистанционного зондирования Земли и обработки космической информации в интересах народного хозяйства" Рязань - 1989 г.; Советско-французское совещание "Глобальные изменения" Ленинград -1989 г.; Всесоюзный научно-технический семинар по проблемам дистанционного зондирования Земли из космоса Реутов - 1990 Г.; 14 Научные чтения по космонавтике посвященные памяти С.П. Королева Москва - 1990г.; 45 научно-техническая конференция " Актуальные проблемы развития радиотехники, электроники и связи" Ленинград - 1990 г.; 15 Научные чтения по космонавтике посвященные памяти С.П. Королева Москва - 1991 г.; Всесоюзный научно-технический семинар "Дистанционный методы учета и оценки состояния лесосырьевых ресурсов" - Москва 1991 г.; Всесоюзная конференция по комплексной проблеме "Организация и функционирование государственной и региональных систем экологического мониторинга и использования конверсии для решения его задач" Ленинград - 1991 г.; Inernational conference "Applications of time series in astronomy and meteorology" Padova, Italy, 1993 ; First Eurasian symposium on space science and technologies, Gebze, Turkey, 1993; 3 Международная конференция "Региональная инфориатика-94", Петербург - 1994 г.; Научно-техническая конференция "Критерии

экологической безопасности", С. Петербург - 1994 г.; 9 Международное совещание "Автоматизация процессов управления техническими средствами исследования и использования мирового океана." С. Петербург - 1994 г.;4 Международная конференция "Региональная информатика-95", Петербург - 1995 г.;

Публикации. Всего по теме диссертации опубликовано более 58 работ. Основные результаты диссертации опубликованы в 39 работах, из них одно учебное пособие, шесть брошюр и 32 статьи в тематических сборниках и журналах центральных издательств.

Личный вклад автора в работу. Вклад автора в работы, выполнявшиеся в соавторство, состоял в руководстве алгоритмическими и статистическими аспектами организации мониторинга и в непосредственном участии на всех этапах исследований, от постановки задачи и выбора путей решений до разработки алгоритмов и методик, разработки программ, комплексной обработки, анализа и интерпретации данных. Соавторы приникала участие в работе, главным образом, на этапах постановки задач мониторинга в конкретных предметных областях и на этапах астрофизической и экологической интерпретации результатов мониторинга.

Структура и обьем работы. Диссертация состоит из введения, четырех глав с выводами, заключения и списка литературы, включающего 233 наименований. Основная часть работы изложена на 296 страницах машинописного текста. Работа содержит 6 таблиц и 15 рисунков.

СОДЕРЖАНИЕ РАБОТЫ.

Во введении дало обоснование актуальности выбранной темы, сформулированы цель работы и основные ее задачи, определены обьекты исследований, обоснованы основные методические приемы к решению поставленных задач, кратко изложено содержание диссертации, обозначена новизна полученных результатов и их практическая ценность, сформулированы основные положения, выносимые на защиту.

Первая глава диссертации посвящена обсуждения) современного состояния проблей крупномасштабного мониторинга и выработке подходов к их речению. Прежде всего это проблема возникающие

в эргатических системах мониторинга при наблюдениях- априорно плохо изученных объектов в условиях сложной помеховой обстановки. 1. Проблемы согласования ресурсов систем мониторинга с требованиями оперативности и достоверности результатов мониторинга. 2. Проблемы неполноты данных и устойчивости (робастности) систем мониторинга при априорной неопределенности условий наблюдения. 3. Проблемы многомерности данных, информативности систем мониторинга и их полноты.

Все перечисленные выше проблемы стояли перед естествоиспытателями и раньше, но впервые они сконцентрировались в такой тесный клубок трудно разрешимых проблем именно в процессе формирования идей научного мониторинга. В настоящее время сформировались новые научные направления способные разрешить эти проблемы. Это прежде всего теория систем и эргономика. В этих дисциплинах содержаться идеи позволяющие представить набор руководящих принципов, обеспечивающих преодоление основного источника трудностей - априорной неопределенности'. Формулировка принципов позволяет конкретизировать те свойства, которыми должны обладать процедуры и программы подготовки, планирования, проведения и анализа наблюдений в рамках системы мониторинга. Автором были сформулированы принципы когнитивности, робастности, многомерности и модельности как основа для преодоления априорной трудности мониторинга. Эти принципы существенно опираются на новую роль человека в информационно-производящих человеко-машинных системах.

Принципы рассматриваются с позиций эргономики. Для этого в данной главе осуществляется анализ специфики объекта труда (в данном случае в качестве объекта труда выступают объекты наблюдения) и субьекта труда (оператор-исследователь). Такой анализ позволяет дать, эргономически более обоснованный подход к конструированию средств труда (программные средства робастно-когнитивной визуализации многомерных неоднородных данных).

1, Принцип когнитИвности. Учитывая последние достижения когнитивной и инженерной психологии, целесообразно разрабатывать средства представления оператору данных либо как средства формирования логически связанной информации

(экспертные системы), либо как средства порождения ярких динамических изображений на экране дисплея, графически характеризующих многомерные данные. В первом случав экспертные системы обращаются к абстрактно-логическим механизмам мышления (работает левое полушарие). Во втором случае системы порождения зрелищных графических образов обращаются к механизмам образного мышления (правое полушарие). Таким образом лри конструировании средств обработки и отображения данных мониторинга целесообразно непосредственно учитывать открытия связанные с функциональной ассиметрией человеческого мозга. Отсюда, естественно, вытекает важность вопросов наглядного представления многомерных данных не только после обработки, но и в самом процессе анализа. Здесь и целесообразно выделить принцип когнитивности, который хорошо вписывается в положения эргономики. Именно эргономика акцентирует внимание проектировщика на активное привлечение человека-оператора к творческим процессам принятия решений л эргатических ..системах нового поколения. Человек в таких системах с помощью интеллектуальных интерфейсов призывается для выполнения творческих функций, столь ему присущих (работы В.Ф.Венды, В.Н.Ахутина, А.Т.Ашерова, Е.П.Попечителева, В.Г. Евграфова). Такие алгоритмы должны обладать двумя принципиально новыми свойствами, которые отличают эти алгоритмы от всех уже давно существующих графических средств. Это способность алгоритма породить яркое, можно сказать, толкающее человека к творческим решениям графическое изображение, условно названное когнитивным. Они позволяют использовать один из важнейших познавательных механизмов человеческого мышления - способность мыслить сложными пространственными образами. Второе свойство алгоритма состоит в той что, образ, порождаемый им-, должен обладать способностью отражать спектр аналитических, топологических, геометрических и статистических свойств, присущих многомерным данным мониторинга.

2. Принцип робастности мониторинга. В качестве руководящего принципа борьбы с априорной трудностью предлагается принцип робастности. Зйесь робастность понимается как устойчивость всех процессов мониторинга х априорной неопределенно-

сти условий наблюдения. Понятие робастности в широком смысле позволяет осознать природу неустойчивости поведения многих технических и эргатических наблюдательных систем. Кроме того, понятие робастности позволяет конструктивно подойти к созданию устойчивых и надежных алгоритмов мониторинга действующих в условиях априорной неопределенности в отношении внешних условий наблюдения и свойств самих объектов. Принцип робастности опирается на достижения непараметрической, ро-бастной статистики, теорию инвариантности, адаптации (работы Б.Р. Левина, В.А.Богдановича, В.Н. Прокофьева).

3. Принцип многомерности мониторинга. Как уже отмечалось, процессы мониторинга описывают поведение существенно многомерных объектов мониторинга. Методы многомерного анализа позволяют свернуть огромные многомерные массивы результатов мониторинга в емкие и обозримые аналитические и количественные характеристки. Однако непосредственно наблюдать многомерные объекты и делать качественные выводы человеку не' удается. Когнитивная визуализация многомерных образов открывает и здесь новые и подчас неожиданные перспективы борьбы с априорной неопределенностью за счет привлечения человека к качественному анализу многомерных данных.

4. Принцип модельности мониторинга. Роль масштабов антропогенных изменений в природе которые характеризуются быстротой этих изменений, их апериодичность») приводит к необходимости, при априорной неопределенности и временном дифииите, фиксировать эти процессы в виде имитационных моделей. Такие модели позволяют осуществлять планирование мониторинга, его прогноз в условиях априорных трудностей.

Далее в главе 1 автор, используя выдвинутые принципы, формулирует задачу разработал робастно-когнитивной технологии организации мониторинга в условиях глубокой априорной неопределенности и намечает последовательность проведения работ от разработки эргономической схемы мониторинга, до разработки комплекса робастно-когнитивных алгоритмов поддержки решений оператора исследователя, йх программной реализации и внедрения в конкретные архитектуры систем.

Во второй главе на основе проведенного анализа проблей

мониторинга в условиях глубокой априорной неопределено-сти и вьшвинутых принципов конструируется эргономическая схема (обобщенная модель) эрготехнмческой ипформадионно-производяшей системы мониторинга нового поколения. В предлагаемой схеме осуществляется априорное и апостериорное планирование процесса мониторинга. В процессе планирования : осуществляется диалог оператора исследователя с системой с целью рационального принятия решения по выбору объектов наблюдения и инструментального парка. Согласно обобщенной модели мониторинга осуществляется априорное моделирование обьекта наблюдений, мешающих воздействий, процесса наблюдений, системы обработки и анализа. Предлагаемая на основе обобщенной схемы технология указывет необходимость включения результатов моделирования в процесс обработки реальных наблюдений с целью компенсации мешающих воздействий и априорной неопределенности. После априорного планирования осуществляются сам процесс наблюдений и осуществляется процесс обработки. Согласно требованиям эргономики на всех этапах наблюдатель принимает активное творческое участие в работе за счет диалоговых робастно-когнитивных средств взаимодействия системы с пользователем. И наконец последний этап процесса мониторинга это этап апостериорного планирования, моделирования и архивации данных снова осуществляется с помощью этих же средств робастно-когнитивной визуализации. Данная схема мониторинга послужила базой при разработке эргономически оправданной информационной технологии обработки данных мониторинга. Далее в главе 2 детально прорабатывается место когнитивных средств поддержки процессов принятия достоверных решений оператором-исследователем. Активная работа оператора-исследователя на всех этапах предлагаемой выше схемы эргатической системы мониторинга предполагает и опирается на принципиально новый класс технических средств поддержки решении оператора-исследователя. Это алгоритмы и технические средства отображения многомерных данных мониторинга в когнитивные изображения на экране дисплея. Примером такого алгоритма является разработанный автором алгоритм который позволяет осуществлять двумернр проекцию многомерных данных

на произвольно заданную оператором-исследователем плоскость в многомерном конфигурационном (фазовом) пространстве. Подбор наилучшего положения плоскости проекции осуществляет сам пользователь опираясь на свою интуицию и когнитивный образ перед глазами. Имея возможность активно влиять на ориентацию плоскости проекции в многомерном пространстве, исследователь свободен от предварительных соображений о статистической или геометрической структуре данных, которые представляют объекты мониторинга. Он непосредственно видит на экране проекции кластеров или многомерных поверхностей в которые формируются данные. Движение плоскости проекции позволяет создать динамичный образ многомерного объекта, который изучается оператором. Идея зиждется на сочетании трех посылок. Эти посылки учитывают предыдущую эволюцию идей визуализации многомерных данных.

Первая посылка-это отказ от проецирования многомерных структур в трехмерные образы. Обычно стремились получить графическое изображение многомерного образа в виде трехмерной графической фигуры. Здесь мы учли разработки и достижения когнитивной психологии, которые указывают на феноменальные способности человека черпать информацию из двумерных изображений и строить с помощью функциональных механизмов мозга разнообразные конструкции перспектив.

Вторая посылка состоит в том, что для компенсации неизбежных информационных потерь, связанных с проецированием многомерного образа, предлагается использовать идею вращения многомерного образа в многомерном пространстве по желанию пользователя. Исследователь-пользователь, имея возможность выбора направления проецирования, вида и скорости вращения, может формировать для себя когнитивное представление о многомерном образе объектов наблюдений. При вращении многомерного образа на экране дисплея возникает фигура вызывающая в мозгу пользователя псевдо-трехмерный образ. Эта фигура позволяет пользователю ощутить многомерные свойства наблюдательных данных. При сопоставлении наблюдаемых многомерных свойств (визуально наблюдаемые кластеры, многомерные связи) с результатами количественного многомерного анализа (дис-криммнантный,

факторный и регрессионный анализ) можно говорить о соответствии визуальных впечатлений и количественных результатов. Очевидна эргономическая полезность такого алгоритма.

Третья посылка состоит в конструктивной выборе способа масштабирования данных по осям многомерного пространства параметров (признаков). Кроме естественных способов масштабирования для достижения универсальности и робастности процедур разработаны алгоритмы масштабирования, основанные на порядковых статистиках.

Краткое аналитическое описание основной идеи алгоритма таково. Пусть многомерные данные описываются исходной матрицей данных:

1 = 1,1»; } = 1 ,р; (1)

п - количество объектов наблюдения, р - количество измеряемых параметров объектов наблюдения. Таким образом, если изучается множество объектов, то их можно представить в виде облака Т точек в многомерном пространстве параметров й (признаков). Конфигурация такого облака несет обширную информацию о наблюдаемых объектах. Рассматривая это многомерное облако пользователь может заметить многомерные связи между различными параметрами для однотипных объектов. Эти связи зрительно предствляются в виде причудливых поверхностей и плоских фигур направление касательных к ним указывает характер и силу статистических связей. Если объекты разбиваются на различные кластеры (возможно разные классы), то это отразиться на виде образа, как его разбиение на причудливое семейство облаков. Самым важным в описанной схеме является генерация зрительного образа многомерного облака данных. Пня этого осуществляется проецирование этого облака на двумерную гиперплоскость <3, совпадающую с плоскостью экрана дисплея. Плоскость <3 задана своим нормальным уравнением:

где: - независимые переменные р - мерного пространства; а;- - имеют смысл направляющих косинусов вектора нормали г к гиперплоскости <3. Таким образом можно рассматривать

5>! = 1-

многомерное облако с любого возможного направления в многомерном пространстве признаков. Более того, можно привести его в циклическое вращательное движение, направление которого задается любым вектором, лежащим в плоскости (}. Учитывая то факт, что пользователь может легко изменять направление проецирования, его эмоциональные возможности могут быть легко задействованы для формирования когнитивного многомерного образа.

Не менее важным для обеспечения . достоверности и ро-бастности этого образа является предварительное масштабирование признаков по осям с помощью порядковых статистик. Описанное выше проецирование позволяет наблюдать внешние геометрические (и следовательно статистические) свойства многомерного образа, но однако пользователь нуждается в изучении внутренней структуры многомерного образа. Здесь есть возможность задавать движущиеся в многомерном пространстве гиперплоскости, которые отсекают необходимый участок многомерного пространства. Тут можно говорить о методах прямой томографии многомерных образов. После всестороннего качественного изучения геометрических свойств многомерного образа можно снова вернуться к динамическому режиму вращения образа с целью проверки интуитивных представлений пользователя о кластерах и связях в многомерных данных. Лля количественной поддержки своих впечатлений и решений пользователь может обратиться к разработанным автором средствам количественного статистического сегментирования многомерных данных.

Постижения современной теории порядковых' и ранговых статистик позволяет создавать устойчивые процедуры сегментирования и обнаружения объектов мониторинга для одномерных и двумерных задач. Если при этом использовать процедуры проецирования многомерных данных в одномерные или двумерные выборки, то можно осуществлять в них устойчивое обнаружение объектов и затем результаты обнаружения использовать для сегментации многомерных данных. Ниже рассматривается примеры таких алгоритмов для сегментации многомерных данных типа пачек синхронных изображений. Часто на практике проблема интегрирования многомерной информации выливается з необходимость анализа с-е-

рии синхронных спектрозональных снимков объектов мониторинга. Основная цель такого анализа состоит в выделении аномальных (с точки зрения статистических, спектральных,топологических свойств) синхронных зон на изображениях и соответствующей их интерпретации. Аномальность этих зон, с точки зрения текстуры, естественно связана с аномальный состоянием объектов наблюдений. На этапе обнаружения требуется информационная технология, которая позволила бы сочетать разработанные предельно устойчивые алгоритмы обнаружения с процедурами визуальной экспертизы при участии пользователя. Разработан подход в котором человек-оператор интерактивно предлагает (после изучения когнитивного образа) участки изображений, для обнаружения в них аномалий, проявляющих себя как стохастические контрасты. Обнаружение осуществляется с помощью ранговых обнаружителей, которые и выделяют границы искомых объектов на изображениях. Участие человека обеспечивает устойчивый эргономический процесс анализа наблюдений, - который можно осуществлять в условиях плохо формализованных физических и геометрических моделей объектов мониторинга. Здесь подход существенно опирается на эргономические принципы активного привлечения человека оператора в процесс принятия решений о ходе процесса мониторинга.

Для успешного осуществления данной программы автору пришлось разработать целый комплекс контрастных обнаружителей способных работать в уловиях незнания вида распределения данных. Эта способность конкретно выражается в стабильности уровня ложных тревог и мощности обнаружителей. Первое достигается за счет использования структуры локально наиболее мощного (ЛНМ) правила (построенного на ранговых метках), а второе достигается за счет привлечения идей адаптации. Идеи адаптации воплощаются в жизнь в виде непараметрических оценок распределений данных используемых.в структуре обнаружителя. Эти идеи нашли отражение в методике разработки контрастных обнаружителей. На основе этих методик автором разработаны алгоритмы описываемые в данной главе. Учитывая возможную неоднородность выборки используемые в этих алгоритмах оценки распределений обладают устойчивостью к наличию этой неод-

нородности. Ниже кратко описываются примеры разработанных обнаружителей.

1. Адаптивный ранговый классификатор независимости данных. Часто в качестве сигнала выступает факт появления зависимости в двух соседних выборках. Пусть наблюдаются две соседних выборки х, у. При этом в случае отсутствия объекта (сигнала) отсчеты в выборках носят независимый характер. Осуществляется просмотр парой выборок определенных поверхностей изображении с целью выделения границ объектов. Независимость отсчетов характерна для шумовх фонов (например текстура леса). Отсчеты формируются в одномерные выборки за счет проецирования идентичных пикселов со всех двумерных синхронных участков. Итах наблюдаются выборки х = (хи х2,.. •, хп), у = (уи ■ • ■, Уп)-Плотности распределений отсчетов в них /(х), д[у) считаются неизвестными. В случае отсутствия сигнала в выборках отсчеты являются статистически независимыми. Общая модель независимости задается выражением вида:

х{ = г\ + рг{\ yi = у1 + рг< (3)

все величины х,, ¡/,-, х*, у*, г,- взаимно независимые и их распределения не зависят от ¿, р - действительный неотрицательный параметр. В обшей модели (3) с произвольным распределением 2«. VI > . У]. при равенстве р = 0 принимается гипотеза Но о независимости ж^у,-, в то время как при р > 0, то величины XI, у{ зависимы (альтернатива Я]). Теперь задача обнаружения сигнала сводится к проверке сложных статистических гипотез вида:

Н0:р = 0; Нг-Р>0. ■ (4)

Учитывая непараметрическую постановку задачи, решающее правило для проверки гипотез (4) целесообразно искать к классе локально наиболее мощшх правил (ЛНМ), основанных на ранговых статистиках, которые определяют решающую процедуру, нечувствительную к изменениям закона распределения отсчетов. Согласно теореме 2.4.11 [Гаек и Шидак. Теория ранговых критериев] в данной ситуации существует критерии с критической областью

где а(.) - метки распределений / я д, В.,-Я ~ ранги для выборок гну соответственно, к пороговый уровень. Оля построения явной структуры критерия требуется знание вида плотностей /(х), д(у), которые в данной задаче считаются неизвестными, поэтому ниже предлагается асимптотических вид критический области, позволяющий использовать непосредственную оценку «сходного распределения на базе иумовых выборок.

где : F~1(.), 0~1(.) - функции обратные распределениям выборок х, у. Заменим неизвестный вид их оценками

С"1(-) выполненными на основе непараметрических оценок функций распределения (например в случае однородных выборок это эмпирическая функция распределения) по обучающим выборкам, содержащим независимые отсчеты.

Возможно использование выборочных квантилей ф(и) = ' где Х(д) - порядковая статистика построенная по упорядоченной выборке Я(г) < ... < г(п),ы = Выборочная функция квантилей для выборки у строиться аналогично. Используя оценки

получаем непараметрический вид критической области для проверки гипотез (4)

Величина порога к определяется заданием уровня значимости а (т.е. вероятности ложной тревоги) и легко вычисляется для нормальной аппроксимации распределения статистики критерия к = сг^>_1 (1 - а) + V, где и среднее и а - дисперсия статистики критерия, ф-\(1-а) - функция обратная интегралу вероятностей. V и <т - можно вычислить следуя методике и теореме 5.1.8-[Гаек и Шидах Теория ранговых критериев]. Вычисление мощности Р правила (7,6) методами статистического моделирования при различных распределениях (нормальное, логистическое, экспо-ненидиальное) показало, что разброс в значениях мощности

п + 1 п + 1

^ — /?■ — О-1=1 п + 1 п + 1

не превышал 10-15 % при изменении типа распределения шума. Статистическая погрешность испытании - 3 % при доверительной вероятности больше 0,96. Такое поведение мощности правила (?) можно было ожидать, поскольку форма правила (7) получена из ПНИ правипа (6), обладающего свойствами локальной оптимальности для широкого класса распределений отсчетов в выборках.

2. Адаптивный ранговый обнаружитель сигналов в шумах с Гамма-распределением. Основная идея излагаемой ниже методики (предложенной автором) заключается в замене неизвестного распределения некоторым модельным распределением, которое в состоянии описать широкий спектр изменений формы реального распределения (принцип нодепьности). Эти изменения в форме распределения регулируются соответствующими параметрами, такими как параметр формы, нецентральности, ассиметрии и т. д. Примерами таких модельных распределений могут являться распределения хи-квадрат, рогно-нормальное, Гамма-распределение и ряд других. Если оперативно оценивать эти параметры по шумовой выборке, то возможно сохранить не только нелараиетрическую структуру решающего правила, но и его качественные характеристики при изменении формы распределения шума. Согласно рассмотренной выше контрастной задаче обнаружения для цепей сегментирования изображений задаются лве выборки, одна из которых не содержит сигнала (шумовая), а другая выборка может содержать сигнал в аддитивной смеси с шумом (проверяемая). Форма распределения отсчетов в выборках неизвестна и может меняться в широких пределах от одной пары выборок к другой. Наличие сигнала в выборке здесь трактуется как возрастание параметра сдвига А Процесс обнаружения сводится к проверке сложных гипотез о параметре сдвига: Я0: Д = 0; Е\\ Д > 0 в условиях, когда форма распределения неизвестна. На первом этапе синтеза решающего правила, учитывая необходимость стабилизации ложных тревог при неизвестной форме распределения, ограничиваем класс решающих правил ранговыми правилами. Поскольку практика требует достаточной мощности от обнаружителей, поиск правил ограничим конструктивным множеством локально наиболее мощных правил (ПНИ), Для таких правил критическая область задается

неравенством:

Е «■№),»)> с (8)

где: а„(.) - метка критерия;

С - порог обнаружения;

х ' шумовая и проверяемая выборки, при этом шумовая выборка (х!,...,хт) и проверяемая выборка - («тп+ь ...,хп);

(т,1) - объемы шумовой и проверяемой выборки;

(/+ т = п) - объем объединенной выборки.

Критическая область (8) определяет структуру обнаружителя. Для дальнейшей конкретизации структуры обнаружителя требуется вычисление меток аЛ(.).

Для этого необходимо задаться видом распределения пума и затеи вычислить интеграл:

мад,о=»("Г*) -(9)

где: / - плотность распределения и ^ ■ функция распределения выборки (х), 1 = 1,п. Однако, согласно постановке задачи, форма распределения Р неизвестна. Поэтому на втором плане поиска предлагается выбрать такое модельное распределение, форма которого могла бы изменяться в широких пределах, достаточных для отражения специфики задачи. Наличие в этом распределения параметра формы обеспечивает подстройку модельного распределения под реальную помехову» обстановку.

Таким образом, удается сохранить ЛНМ свойство решавшего правила и его структуру. Конкретизация формы модельного распределения должна осуществляется с учетом статистических особенностей помеховой обстановки и физики сигналов. Это позволит максимально учесть априорную информацию, не прибегая к сугубо жесткой параметрической формулировке задачи обнаружения. На сладуюшем этапе необходимо подобрать устойчивую оценку параметра формы. Такие оценки могут строятся на основе выборочных' квантилей. На заключительном этапе детализация структуры завершается вычислением интеграла (9). Основная

трудность здесь занижается в тон, что для многих перечисленных модельных распределений вычисление интеграла (9) наталкивается на серьезные аналитические трудности. Однако, для небольших », п интеграл (9) мохет быть вычислен. Расчеты интеграла (9) для отмеченных выше распределений показали справедливость данного утверждения. Инженерный смысл расчетов состоит в том, что структуру меток а„(.) можно интепретироватъ как набор вычисляемых коэффициентов:

<ч» = [<*»(% МФ)]> » = 1.» (ю)

Эти коэффициенты содержат оцениваемый параметр формы. Таким образом искомая структура решающего правила определяется выражениями (9) и (10). Вычисление интеграла (9) для фиксированных (, п дает набор коэффициентов (10), детализирующих алгоритм обнаружителя. Эти коэффициенты, как показывают расчеты, в вычислительном отношении не сложны и обеспечивают быстродействие вычислительных средств. Поскольку найденная структура решающего правила обеспечивает выполнение условий перечисленных выше теорем, то обнаружитель, построенный на основе этой структуры, будет обеспечивать стабильную вероятность ложных тревог и потенциальную (для ЛНИ правил)' мощность для заданных непараметрических условий наблюдения.

3. Алгоритмы экстремального обнаружения и сегментации пачек синхронных изображений. При обработке серий космических снимков экологических и астрофизических объектов часто встает задача сегментации или выявления границ этих объектов. Предлагается процедура позволяицая повысить устойчивость процесса обнаружения объектов мониторинга за счет априорных сведений о синхронном появлении обьектов на пачке (серии) снимков в одном и том же участке изображения. Предполагая наличие серии снимков можно осуществить с помощью дисплейных средств визуальное выделение участков с целью обнаружения в них искомых объектов. Просмотр может быть организован следующим образом: выделяется участок на изображении (окно), в которой производится локальный анализ с целью обнаружения фрагмента объекта. Этот анализ выполняется с привлечением отсчетов, характеризующих этот участок на всех снимках серии. Затеи

участок смешается, и процедура обнаружения повторяется. Таким образом происходит синхронный просмотр всего изображения по серии снимков. В качестве физического признака, отличашего объект наблюдения может выступать переменность радяоисточ-ниха или его миогострухтурность. Предлагается в качестве статистики, выявляющей переменность, брать отношение двух опенок .параметра рассеяния. Одна из опенок построена хах выборочный размах по выборке максимальных значений яз системы окон при фиксированном их положении -на изображении. Другая оценка строится аналогично, только размах вычисляется на основе минимальных значений в тех хе окнах. Для упрощения аналитических выражений излагаемое нихе решение дается в одномерной формулировке. Пусть - набор л-строк в сери яз к изображении, = 1,п где п - число элементов в з-строке; 3 = 1 ,к где к - число изображений (снимков). Осуществляется синхронный просмотр строк в окне (х/+») где 4 = 1 ,т; т - размер охна. Он выбирается исходя из характерного размера фрагмента наблюдаемого объекта. Суть алгоритма обнарухения признака в окне сводиться х вычислению статистик

для каждого ;-го изображения в вычисления следующих оценок размаха

©у = таХ](и^) - т»п;(1/,,;); в] = тах^гц) - тт,-(*у). (12) В качестве тестовой статистики выступает вырахение

Сравнение отношения q с порогом с позволит принимать решения о наличии фрагмента изображения по признаку, залохенному в модель. Просмотр изображения с помощью такой процедуры позволяет сегментировать области изображения, содержащие искомый обьект наблюдений. Подчеркнем важное практическое свойство данного алгоритма (11), (12), (13) которое состоит в том, что решение принимается по совокупности синхронных

. г^ = гп»п»(х,-+<); иц = тпах((х,-+<)

скалов. Это помогает использовать вахнув априорную информацию о синхронизме появления объектов в серии снимков. Кроме того, локальный просмотр изображений с помощью системы синхронных -окон позволяет преодолевать крупномасштабную нестаыионарность изображения, ибо размеры окон можно согласовывать интервалами локальной квазистадионарности. Машинные методы исследования устойчивости и мощности разработанных правил показали их практическую устойчивость, а сравнение мощностных характеристик разработанных правил с мощностью параметрических (в частности с нормальным обнаружителем) правил работающих в идентичных условиях показало что снижение мощности не превышало 30%. Большинство описанных выше обнаружителей и процедуры равнометризации и масштабирования многомерных данных используемые при когнитивной визуализации требуют устойчивых процедур оценки распределений. Процедуры должны обладать устойчивостью не только к незнанию вида распрепения, но я к возможной неоднородности выборки. Практика современных задач мониторинга часто приводит к неоднородгостям типа верхних пределов. В заключении данной главы излагаются результаты машинных. исследований устойчивости наиболее распространенных оценок распределений по отношению к изменению рида распределения и по отношению к наличию определенного процента верхних пределов. Показывается что наиболее устойчивой являемся квантильная оценка. Ее модификация позволяет достигнуть и дополнительной устойчивости в отношении небольшого процента (до 25%) верхних пределов даже в случае неклассифицированной выборки. Таким образом в данной главе излагаются алгоритмические основы робастно-когнитивной технологии обработки и планирования наблюдений в условиях глубокой априорной неопределенности работы современных эргатических систем мониторинга.

В главе 3 излагаются результаты исследований и разработок связанных с практической реализацией принципа модельности. Прежде всего предлагается информационная модель результатов мониторинга которая позволила осуществить квалиметрическое оценивание продукта мониторинга как эргатической системы, при анализе наблюдений на РАТАН 600. Затем описывается

информационная технология поддержки машинного моделирования в процессе мониторинга. Технология обеспечивает эргономически радиональнр организацию процессов машинного моделирования, ^в которой оператор-исследователь получает возможность внести свой неформальный опыт в имитационную модель и тем самым частично компенсировать априорную неопределенность в условиях мониторинга. Однако машинное моделирование приводит к значительным затратам времени необходимого для его проведения. Это в условиях мониторинга, когда требуется принимать решения подчас з реальном времени недопустимо. Вся остальная часть главы 3 посвящена изложению исследований автора связанных с решением конкретных задач по сокращению обьема машинных испытаний. Полученные алгоритмы и методики послужили ядром описанной выше технологии проведения машинного моделирования. При статистическом моделировании обнаружителей для систем мониторинга автором активно используется метод значимой выборки. Суть метода сводится к модификации выборки, подаваемой на выход моделируемого устройства. Модификация выборки осуществляется изменением параметров распределения, которыми описывается выборка, создаваемая генератором случайных чисел. Метод сводится к поиску оптимальных значений параметров, обеспечивающих минимальную дисперсию оценки. Минимизация дисперсии естественно приводит к резкому сокращению числа испытаний (на несколько порядков). В данной работе получены аналитические выраже^-.ч для вычисления значений параметров Гамма-распределения'модифицированной выборки. Задача решена для случая оптимизации как одного, так и двух параметров Гамма распределения. Для нормальной модели установлен факт наличия оптимального значения параметра нормальной модифицированной выборки }• получено выражение для его вычисления. Конкретное машинное моделирование контрастных обнаружителей для целей мониторинга (случай нормальной, Гамма и экспоненциальной выборки) показало что при оптимальных параметрах (вычисленных согласно разработанной в диссертации методики) удается сократить число машинных испытаний на 4-5 порядков и более. Кроне метода значимой выборки автор успешно применял для сокращения испытаний модифицированные под конкретные задачи

методы натеиатического планирования машинного эксперимента и метод случайного баланса. Все эти разработки в целом позволили проводить машинное моделирование в процессе мониторинга почти в реальном времени, что обеспечивало активное творческое участие человека-оператора.

В главе 4 излагаются некоторые результаты практического внедрения и использования фрагментов разработанной автором робастно-когнитивной технологии. Разработанные выше методики, комплексы алгоритмов и программные средства когнитивно-робастного анализа многомерных и неоднородных данных послужили основой и центральным ядром архитектур ряда систем космического мониторинга. Прежде всего, это архитектура программной системы "Поиск" центра управления и сбора данных комплекса "Квазар". В этой архитектуре наиболее полно внедрены все предлагаемые выше разработки, направленные на адекватный учет человеческого фактора.

Кратко отметим особенности архитектур систем мониторинга разработанных научным руководством автора.

I. Комплекс робастно-когнитивных средств обнаружения радиоисточников на радиотелескопе РАТАН 600

Учитывая многообразие наблюдательной ситуации, был разработан набор обнаружителей, отражающих уровень- априорных сведений о сигнале и помеховок обстановке. Множество обнаружителей было разбито на три блока, которые выделяют три уровня априорной неопределенности в отношении характеристик сигнала, шума и ломеховых воздействий. Так, в случае наиболее полной априорной информации и высоком отношении сигнал-шум (д > 10, когда вид сигнала известен) наблюдатель имеет возможность воспользоваться методикой вписывания гауссиан, учитывая свои априорные представления и эвристический опыт. Разработанные здесь процедуры составили основу для первого блока обнаружителей. В ряде радиоастрономических задач знание формы сигнала ограничивается его представлением в виде обобщенной диаграммы направленности данного телескопа. Такая ситуация возникает при проведении больших обзоров, где требуется обработка огромных массивов в автоматическом режиме. При этом уровень шума может быть достаточно велик, а величина сигнала

мала {q < 5). Кроме того, наличие в массивах импульсных помех, сбоев и радиоизлучения атмосферы приводит к отклонению от модели нормальных (гауссовских) шумов, что сказывается на качестве работы обнаружителя. Это приводит к тому, что обнаружитель теряет работоспособность. Для таких условий был разработан набор ранговых корреляционных обнаружителей.

В ряде случаев величина сигнала настолько мала, что его форма в значительной степени разрушается шумами я помехами (q < 3). Типовой задачей здесь может являться задача обнаружения слабого протяженного источника в сильных шумах. Форма источника неизвестна наблюдателе. Обычно в практике наблюдений ситуация осложняется наличием импульсных помех и радиоизлучением атмосферы, что приводит х отказу от нормальной■модели шумов. Здесь в качестве полезного сигнала предлагается использовать наличие стохастического возрастания отсчетов в проверяемом участке (интервале) изображения (скана) по отношению х участку, где сигнала нет, либо он ясчезающе мал. Для такого типа задач'автором были разработаны обнаружители на экстремальных статистиках описание в главе 2. Блоки обнаружителей объединяются с системой когнитивной визуализации наблюдательных данных помогающей оператору исследователю выбирать интервалы разрешения я параметры обнаружителей.

Практическое использование разработанного комплекса осуществлялось в процессе обработки наблюдений обзора "Холод-90", а также Зенитного обзора 1988 г. Обзор проводился на РАТАН-600 в диапазоне прямых восхождений от 8 h до 14 h и склонений от 47 градусов 06 минут и 45 секунд до 47 градусов 07^иинут и 45 секунд. Антенная температура по источниху составила 5.22 К. Приемник - центральная полоса / = 3.75 ГГц, ширина полосы d ~ 150 Игц, шумовая температура системы Т=98К, реализованная чувствительность 6Т = 7 шК.

В результате применения разработанной автором робастно-когнитивной технологии были построены каталоги обьемом более 150 объектов с глубиной до 14 иян. Полнота каталогов для источников до 14 мян достигала 0.5, для источников 22-30 мян порядка единицы. Результаты робастно-когнитивной обработки

данных обзора "Холод" используются дня решения фундаментальных проблем обнаружения реликтового фона. В результат« использования робастно-хогнитивной технологии удалось поста^ вить и решить задачу выявления статистической связи ивщ оптической и радио переменностью квазара ЗСЭ4Б.

II. Информационная технология и архитектура средств организации экологических экспериментов.

Мониторинг в области экологии диктует парадоксальный набор качеств, которыми должна обладать система обработки экологических данных. Это, с одной стороны, наглядность, доступность результатов мониторига, которые должны поступить к лицу, принимающему решение (ЛПР), а с другой стороны, эти материалы должны отражать объективные многомерныэ характеристики экологических обьектов. Разработанная архитектура базируется на цепочке экспертных систем, которые последовательно формируют из заявки на экологический мониторинг рекомендуемый список технических средств для его лроьадения и затем, после мониторинга, помогают провести анализ. Ядром экспертных систем служат разработанные автором средства когнитивной визуализации многомерных данных, а так го средства учета и анализа «нений экспертов. Применение разработанной технологии при обработка данных дистанционного зондирования (ИСЗ АЛМАЗ) полуострова Тамань , районов Воронежской области и озера Сайма по' '¿зало, что данная технология позволяет осущэствлять детальную сегментацию сельхозкультур с уровнен значимости . Ю-5. Удалось обнаружить различие и провести сегментацию виноградников разного возраста. Удалось различить степени всхожести агрокультур. Удалось классифицировать агрокультуры (виды зерновых культур, кукурузы, трав, возраст виноградников) . Установлена возможность выявления степени влагозапаса полай. Удалось выявить зоны загрязнений снежного покрова на поверхности озер.

Таким образом примеры практического использования разрабо-' танной автором робастно-когнитивной технологии демонстрируют успешность использования средств визуализации и объективации многомерных данных наблюдений для более активного воздействия оператора-исследоватзля на процесс мониторинга.

В заключении, диссертации кратко сформулированы основные итоги работы. Они сводятся к следующему:

1. Разработана эргономически обоснованная хогнитивно-робастная информационная технология обработки многомерных и неоднородных данных получаемых в эргатических системах мониторинга нового поколения, имеющая надежное статистическое обеспечение. Показана возможность ее применения для обнаружений слабых радиоисточников в астрофизике и космическом дистанционном зондировании.

2. Разработаны ключевые принципы организации интерактивной системы планирования, проведения и анализа наблюдений. Это принципы робастности, когнитивности, иодельности и многомерности. Эти принципы обеспечили разработку программных средств количественной и визуальной поддержки решений оператора-исследователя й условиях априорной неопределимости в отношении объектов наблюдения.

3. Разработаны и исследованы алгоритмы робастно-когнитивной визуализации многомерных данных для человеко-машинных систем мониторинга, работающие в условиях глубокой априорной неопределенности: алгоритмы динамического проецирования многомерных данных, алгоритмы интерактивной сегментации серий многоспектральных изображений.

4. Разработаны критерии полноты наблюдательных данных и систем, работающих в условиях глубокой априорной неопределенности, позволяющие учитывать роль оператора-исследователя в процессе планирования и проведения наблюдений.

5. Разработаны устойчивые алгоритмы обработки наблюдательных данных с целью когнитивной визуализации и йегиентацни работающие в условиях незнания типа распределения: непараметрические алгоритмы обнаружения л временности радиоисточников, непараметрические алгоритмы обнаружения экологических объектов и радиоастрономических источников на основе экстремальных статистик, алгоритмы непараметрического оценивания распределений в выборках содержащих неклассифицированные верхние пределы.

6. Разработана эргономически обоснованная технология и алгоритш ускорения процесса машинного моделирования в систе-

иах мониторинга: алгоритмы модифицированного метода значимой выборки для Гамма-распределения, алгоритмы модифицированного метода значимой выборки для двухпаранетрической модели нормального распределения, алгоритмы модифицированного метода значимой выборки для экспоненциального распределения.

7. Осуществлено практическое внедрение разработанных алгоритмов и технологий в архитектуру системы обнаружения слабых, радиоисточников РАТАН 600. Использование внедренных алгоритмов позволило увеличить на поряцок помехоустойчивость системы обработки и увеличить чувствительность системы в обзорах до .14 мян. Применение разработанной технологии позволило выделить более 150 слабых радиоисточников с потоком до 14 мян , уровень значимости Ю-5, вероятность правильного обнаружения 0.8-0.96) и обнаружить зависимость между кривыми блеска в радио и оптическом диапазоне для квазара 3C345 с уровнем значимости 10~5.

8. Осуществлено практическое внедрение разработанных алгоритмов и технологий в практику обработки многоспектральных изображений по результатам мониторинга на станции "АЛМАЗ". Обработка результатов со станции АЛМАЗ показала, что разработанная технология позволяет .осуществлять детальную сегментацию сельхозкультур с уровнем значимости 10~6. Удалось обнаружить различие и провести сегментацию виноградников разного возраста. Удалось выявить поля с солончаками. Удалось различить степени всхожести агрокультур. Удалось классифицировать агрокультуры (виды зерновых культур, кукурузы и трав). Установлена возможность выявления степени влагозаласа попей с уровней значимости 10"5 .

В целом проведенное диссертационное исследование позволило решить актуальную, имеющую важное научное и народохозяйствен-ное значение, проблему создания теоретических основ эргономического обеспечения процессов наблюдений в эргатических системах мониторинга нового поколения.

Основные опубликованные работы, отражающие результаты диссертации.

1. Бузников A.A., Горохов В.Л. Методы обработки и интерпретации неоднородных данных дистанционного зондирования

окружающей среды.- СПб.: ТЭТУ , 1994 г., 46 с.

2. Горохов В.Л., Верходанов О.Г. Об уточнении понятия полноты радио источников./ Письма в астрономический журнал (ПАХ РАН).- И.: Наука, 1994 г., т. 20, N 10, с. 776-780.

3. Горохов B.JI. Ранговый обнаружитель сбоев для системы обработки изображений./ Автометрия.- Н.: Наука, 1983 г., N4 , с.65-69.

4. Gorochov V.L., Vitcovskij V.V. Algorithmic methods and software for non-parametric estimation of distribution of non-uniform observational data. / Turkish Journal of Physics vol. 18 пшаЬ.9 1994, Published by the Scientific and Technical Research Council Turkey, p.1017-1020.

5. Горохов B.JI. Повышение предельных возможностей астрофотометров •и радиометров за счет синтеза их оптимальных структур./ В кн" Новая техника в астрономии.- И.: Наука. 1975 г., вып. 5 , с. 73-79 .

6. Горохов B.JI. Основные принципы робастно-гогнитивиой технологии динамической визуализации данных дистанционного зондирования. /Известия ГЭТУ.-СПб.:ГЭТУ,1994,вып.464, с.7-16.

7. Горохов B.JI., Иванов JI.H., Пакет программ квантильяой визуализации и классификации многомерных данных./ В кн. Актуальные проблемы развития радиотехники, электроники и. связи.- JI.: ЛДНТП, 1990 г., с. 39-40.

8. Горохов B.J1., Ладатко O.E. Применение метода значимой выборки при моделировании обнаружителей в шумах с нормальным и Гамма-распределениями. / Вопросы радиоэлектроники- И.: 1988 г. Сер. ОВСР, вып. 7, с. 64-72.

9. Горохов В.Л., Берковский Ю.И., Приймак Е.П. Интеллектуальный интерфейс для отладки алгоритмов управления. /В кн. Автоматизированное проектирование программного обеспечения систем управления.- Харьков.: ХАИ, 1987 г. с 94-96.

10. Горохов В.Л. Технические и организационные средства повышения эффективности экспериментов с машинными моделями РЭА. /В сб.НИОКР ВИНИ вып. 11.- М.: НИИЭИР, 1990 г. с. 1-15.

11. Горохов В.Л., Прокофьев В.Н. Алгоритмы автоматического поиска сигнальных интервалов скана в присутствии шума неизвестной интенсивности. / Астрофизические исследования.- И.:

Наука, 1979 г., т. И, с. 65-70.

12. Кондратьев К.Я., Ефремов Г.А., Бузшпеов А.А., Виттер В.В., Горохов В.Л. Экспериментальная обработка радиолокационных изображений высокого разрешения, полученных при помощи системы с синтезированной апертурой. / Доклады АН СССР- И.: Наука, 1991 г., том 317, К 1, с. 70-77.

13. Горохов В.Л., Прокофьев В.Н. Устойчивые алгоритмы обнаружения сигналов для систем обнаружения сигналов первичной обработки данных больших телескопов. / Автометрия.- Н.: Наука, 1982 г., N6, с. 56-60.

14. Горохов В.Л., Берковсхий В.И., Лунина Е.А. Диалоговая система исследования информационных устройств контура управления./ В кн. Моделирование систем информатики.- Новосибирск.: 1988 г. с.238-240.

15. Горохов В.Л. Алгоритмы экстремальной сегментации данных космического дистанционного зондирования./ Изв. ЛЭТИ.-Л.: ЛЭТИ, 1990 г., вып.426. с 32-36.

16. Горохов В.Л., Витковский Ь.В.,. Медведев В.Ю., Игнатен-ко В.Е. Машинное исследование устойчивости функционирования пакета программ оценки функций распрецеления неоднородны* данных. - Ниж. Архыз.: САО РАН, 1992 г., Ш, 12 с.

17. Горохов В.Л., Внуков С.Н. Адаптивный ранговый классификатор независимости данных машинных и натурных экспериментов. /В сб. НИОКР ВИМИ вып 5 сер. РТ- И.: НИИЭИР, 1991 г. с. 14-30.

18. Горохов В.Л., Верходанов О.В. Экстремально-медианный обнаружитель радиоастрономических источников неопределенной формы в серии синхронных сканов.-СПб:Ш РАН,N89,1993.17 с.

19. Горохов В.Л., Витковский Е.В.„ Верходанов О.В. Основные принципы надежного обнаружен»« радиоисточников. - Ник. Архыз.': САО РАН, N99, 1993 г. с. 7.

20. Горохов В.Л. Квантильная оценка функции распределения при неравноточных измерениях в машинных и натурных испытаниях РЭА /В сб. НИОКР ВИМИ вш 21 сер.ИМ - М.: НИИЭИР, 1987 г. с.12.

21. Горохов В.Л., Иедвадев В.Ю. Подпрограммы статистической обработки данных. / Вопросы радиоэлектроники.- Л.: 1987

г. Сер ОВСР, вып. 10, с. 29-30.

22. Бузнихов A.A., Горохов B.JI. Непараметрическая обработка космических данных содержащих случайио-ценэурированные наблюдения./В кн. Актуальные проблемы развития радиотехники, электроники я связи.- Л.: ЛДНТП, 1990 г., с. 22-23.

23. Горохов В.Л., Медведев B.R. Библиотека программ статистической обработки результатов зхсперямента. / В сб. Научно-техничесхие достижения.- М.: ВИМИ ИЛ, 1988 г., N 881262, с. 1-3.

24. Витховсхий В.В.,Горохов В.Л., Бурсхан A.A. Программная система фрагментация изображений на кумулятивных статистиках.- Них. Архыз.; CAO РАН, 1992 г., N 93, с.13-17.

25. Горохов В.Л. Исследование алгоритмов анизотропно-хвантильнойи ргнгово-хорреляционной фильтрация изображений. / В сб. НИОКР ВИНИ вып 50,сер.РТ-М.:НИИЭИР,1986 г.,с.25-40.

26. Горохов В.Л., Сохолова Т.Н. Устойчивые процедуры обработки верхних пределов.- Них. Архыз.: CAO АН СССР, 1989 t)., N27, 16 с.

27. Горохов В.Л., Медведев М.Ю., Федоров Г.С. Пахет программ оценки интегральных распределения данных испытания. / В сб. Научно-технические достижения.- Л.: ЦНТИ ИЛ, 1990 г., N 578-90, с. 1-3.

28. Горохов В.Л., Берховсхий В.И., Приймах Е.П. Выявление регрессионных связей в многомерных совокупностях данных наблюдений. - Ниж. Архыз.: CAO АН СССР, N25, 1989 г. 9 с.

29. Горохов В.Л.(Федоров Г.С. Адаптивный ранговый обнаружитель сигналов в пумах с Гамма-распределением./В сб. НИОКР ВИМИ вып 5 сер.РТ- Н.Г НИИЭИР, 1991 г. с. 19-39.

30. Горохов В.Л., Иванов Л.Н., Витковский В.В. Робастно-хогнитивная технология динамической визуализации многомерных наблюдательных данных. - Ниж.Архыз.: CAO РАН, 1992 г., N93 9 с.

31. Горохов В.Л., Витковский В.В., Нехорошева В.Е. Автоматическая классификация объектов наблюдений по совокупности признаков. - Них. Архыз.: CAO АН СССР, N25, 1989 г. 6 с.

32. Горохов В.Л., Берковский Ю.И., Приймах Е.П. Фриде П.Я. Методика проведения машинного моделирования при проектирова-

ыии радиотехнических систем мониторинга. / В сб. НИОКР ВИМИ выл 5 сер.РТ- М.: НИИЭИР, 1988 г. с. 18-36.

33. Gorochov V.L., Vitcovekij V.V., Ivanov L.N. Robuet-cognitiv technology dinamical visualisation multi-dimensional astronomical data./ Procceedinge International conferece "Applications of time series in astronomy and meteorology" Padova, Italy, sept. 6-10,1993.

34. Gorochov V;L., Vitcovskij V.V., Ivanov L.N. Cognitive informational technology of plannig and control of ecological monitoring with further robust analysis of extreme manifestations. / Procceedings First Eurasian Symposium on Space Science and Technologies.-Gebze, Turkey, October, 25-27, 1993.

35. Бабадханянц И.К., Белоконь Е.Т., Горохов В.Л. Связь проявления активности квазара 3C345 в оптическом и радио диапазонах. / Астрофизика, т 22, вып. 2, 1985 г. с. 68-79.

36. Горохов В.Л., Витковсхий В.В. Медведев В.Ю. Оперативная устойчивая обработка данных наблюдений.- Них. Архыз.: CAO АН СССР, N25, 1989 г. 7 с.

37. Бабадханяни И.К., Барышев Ю.В., Горохов В.Л. О количественной оценке предельной звездной величины в рехиме счета фотонов./ Ученые записки ЛГУ, серия математических наук, вьш 61, 1984 г. с. 34-42.

38. Бузников А.А., Лахтанов Г.А., Алексеева-Попова Н.Н., Минкенен В. Горохов В.Л. Исследование трасграричного переноса загрязнений на Карельском перешейке путем оценивания состояния растительности я снежного покрова./ В кн. Материалы научно-практической конференции "Критерии экологической безопасности."- СПб.: НЦ РАН 1994 г. с. 154-155.

39. Бузников А.А., Горохов В.Л. Робастно-хогнитивная информационная технология обработки данных эхологичесхого мониторинга. / Тезисы докладов 3 международной конференции "Региональная информатика-94."- СПб.:ГЭТУ,т.2,1994,с.20-21.