автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Алгоритмы распознавания когнитивных изображений на основе разнородных экспертных знаний для задач диагностики

АКАДЕМИЯ НАУК БЕЛАРУСИ ^ ИНСТИТУТ ТЕХНИЧЕСКОЙ КИБЕРНЕТИКИ

О

#

о

УДК 681.327.12

Ковалев Игорь Петрович

АЛГОРИТМЫ РАСПОЗНАВАНИЯ КОГНИТИВНЫХ ИЗОБРАЖЕНИИ НА ОСНОВЕ РАЗНОРОДНЫХ ЭКСПЕРТНЫХ ЗНАНИИ ДЛЯ ЗАДАЧ ДИАГНОСТИКИ

05.13.16 - применение вычислительной техники, математического моделирования и математических кг^-одов в научных исследованиях

Автореферат диссертации на соискание ученой степени кандидата технических наук

Минск - 1997

Работа выполнена на кафедре математического обеспечения АСУ Белорусского Государственного Университета.

Научный руководитель : кандидат физико-математических наук,

Официальные оппоненты : доктор технических наук, профессор

Оппонирующая организация : Научно-исследовательский институт

электронных вычислительных машин, г. Минск

Защита состоится " 25 и ноября 1997 года в 14 час. 30 мин. на заседании Совета по защите диссертаций Д 01.04.01 в Институте технической кибернетики HAH Беларуси по адресу 220012, г. Минск, ул. Сурганова, 6.

С диссертацией можно ознакомиться в библиотеке Института технической кибернетики HAH Беларуси.

Автореферат разослан " 24 " октября 1997 года.

Ученый секретарь Совета по защите диссертаций,

доцент Краснопрошин В.В.

Р.Х. Садахов

кандидат технических наук В.В. Старовойтов

доктор технических наук

Бибило

ОНЦАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертации. Идея использования личных или субъективных экспертных знаний для знаниеориентированной обра-¡отки и распознавания изображений возникла практически одновременно с появлением первых интеллектуальных систем анализа изображений. Предпосылками для этого явились психометрические ис-;ледовашя экспертов, проводимые в рамках инженерии знаний в :вязи с формализацией и представлением экспертных знаний. К на-:тоящему времени реализован ряд исследовательских проектов по юзданшо интеллектуальных систем анализа изображений, использу-щих в процесса распознавания субъективные экспертные знания, ;оторые отражают не только форму представления их экспертом ;естественно-языковая или вербальная либо неязыковая негер-!альная),но и характер (модальность) сенсорного восприятия зкс-герта. Анализ публикаций по состоянию дел в области обработки и грименения субъективных знаний подтверждает, что интенсивность забот в этом направлении постоянно возрастает. Особенно акту-¡льными являются попытки применения систем анализа изображений 1а основе субъективных экспертных знаний (по принятой термино-югии,систем распознавания когнитивных изображений) для решения ¡адач диагностики состояний исследуемого объекта в слабоформа-шзованных предметных областях : психологии,экономике, социологии, программах исследования природных ресурсов и т. д..

Однако для достижения результативности в применении субъективных экспертных знаний требуется решение ряда проблем. Одной 13 наиболее существенных здесь является проблема разработки единого подхода к описанию разнородности и неопределенности субъективных знаний на различных этапах знаниеориентировашюй обработки данных - от приобретения и формализации экспертных знаний до распознавания изображений на их основе. Не в достаточной мере разработана сама концепция разнородности субъективных знаний,не предложена эффективная методика их приобретения и формализации, отсутствует теоретическая проработка вопроса применения различных родов (типов) субъективных экспертных знаний Оля построения алгоритмов распознавания когнитивных изображений. Все это снижает работоспособность и надежность реализуемых

интеллектульных систем анализа изображений.

Актуальность данной диссертационной работы заключается в устранении перечисленых вше недостатков с целью улучшения характеристик систем автоматизированной обработки и распознавания когнитивных изображений на основе различных типов субъективных экспертных знаний применительно к задачам диагностики. Это уменьшит материальные и временные затраты, связанные с процессом достоверной обработки изобразительной информации.

Связь работы с крупными научными программами, темами. Диссертационная работа выполнена в рамках научных исследований по плановой госбюджетной теме "Разработка методов и алгоритмов решения задач оптимизации информационных потоков, распознавания образов и обработки естественно-языковой информации как модулей интеллектуальных автоматизированных систем" (гос. регистрация Л 01920001546), выполняемой кафедрой математического обеспечения АСУ Белгосуниверситета. Она также соответствует государственному плану важнейших научных исследований в области технических наук ИТК АН Беларуси по теме "Алгоритмы и методы анализа когнитивных изображений" (гос. регистрация № ИТ-32), программе научных исследований кафедры психологии Гомельского госуниверситета им. Ф. Скорины по госбюджетной теме "Совершенствование методов определения пригодности школьников к обучению на более высоком образовательном уровне" (гос. регистрация & ГБ 93-01).

Цель и задачи исследования. Целью диссертационной работы является разработка математического и программного обеспечения для распознавания изображений на основе различных типов субъективных экспертных знаний в условиях их неопределенности.

Для достижения поставленной цели необходимо решить следующие задачи :

1. Провести анализ природы разнородности субъективных знаний и существующих технологий распознавания изображений на основе априорных экспертных знаний. Сформулировать задачу распознавания когнитивных изображений в условиях разнородности и неопределенности субъективных экспертных знаний.

2. Разработать математическую модель описания субъективной неопределенности разнородных знаний, обеспечивающую адаптацию системы распознавания когнитивных изображений при изменении ви-

да неопределенности данных и знаний.

3. В рамках предложенной модели построить соответствующие алгоритмы для приобретения, качественного анализа, согласования и организации субъективных экспертных знаний с учетом их разнородности, алгоритмы распознавания когнитивных изображений для задач диагностики.

4. Разработать систему распознавания когнитивных изображений на основе разнородных знаний, включая подсистемы приобретения знаний и обработки их неопределенности применительно к задачам диагностики.

Методы исследования. В работе применяются методы теории частично упорядоченных и теории нечетких множеств, методы распознавания образов и обработки изображений, методы искусственного интеллекта, алгебры логики и техника программирования на ПЭВМ.

Научная новизна полученных результатов. Научная новизна работы заключается в следующем :

- предложен способ формализации неопределенности субъективных экспертных знаний в виде обобщенных Р-нечетких множеств типа п (ОР-множеств); на основе разработанных формализмов предложен подход к адаптации системы распознавания когнитивных изображений при изменении вида субъективной неопределенности данных и знаний в условиях сквозной автоматизации : от приобретения разнородных знаний до распознавания на их основе;

- построена математическая модель нечеткого векторного пространства признаков, обеспечивающая решение задачи обработки и распознавания когнитивных изображений на основе разнородных знаний в условиях субъективной неопределенности; введены и обоснованы основы алгебры изображений на элементах нечеткого векторного пространства;

- на модели нечеткого векторного пространства предложено алгоритмическое решение задачи обработки и распознавания когнитивных изображений с обоснованием необходимости обобщения традиционного понятия когнитивного изображения;

- разработаны новые алгоритмы для автоматизированного приобретения, качественного анализа и согласования субъективных экспертных знаний с учетом их разнородности;

- разработан программный комплекс для решения задач приобре-

тения различных типов субъективных экспертных знаний и распознавания когнитивных изображений на их основе в условиях изменения неопределенности данных и знаний; применительно к решению задач диагностики реализован ряд практических приложений таких инструментальных средств.

Практическая значимость полученных результатов. Разработанные в диссертации алгоритмы и методы могут служить основой для построения автоматизированных систем распознавания когнитивных изображений на основе разнородных экспертных знаний применительно к задачам диагностики. Они могут быть использованы в соответствующих НИИ (в частности психологических) для проведения дальнейших исследований. Теоретические результаты, полученные в работе, использованы при создании автоматизированных психодиагностических систем, применяющихся в практике школьной психологической службы г. Гомеля, при отборе студентов и слушателей факультета повышения квалификации Гомельского госуниверситета им Ф. Скорины. Они также внедрены в учебный процесс в Гомельском госуниверситете для чтения специальных курсов студентам.

Основные положения, выносшше на защиту :

- подход к построению системы распознавания когнитивных изображений, обеспечивающий инвариантность ее структуры к разнородности субъективных экспертных знаний и различным видам их неопределенности;

- теоретические положения обобщенных Р-нечетких множеств типа пи способ формализации на их основе неопределенности субъективных экспертных знаний;

- теоретические положения с обоснованием основных свойств модели нечеткого векторного пространства признаков, основы алгебры изображений на элементах нечеткого векторного пространства;

- алгоритмы предобработки, сегментации и распознавания когнитивных изображений на основе разнородных экспертных знаний;

- алгоритмы приобретения, качественного анализа и согласования субъективных знаний с учетом их разнородности и неопределенности;

- комплекс программных средств, реализующий единый подход к

решению задачи приобретения и формализации различных типов субъективных знаний,а также распознаванию когнитивных изображений на их основе в условиях изменения неопределенности данных и знаний.

Все основные результаты диссертационной работы получены автором самостоятельно.

Апробация результатов диссертации. Основные положения диссертации докладывались на I Всесоюзной конференции "Распознавание образов и анализ изображений : новые информационные технологии" (Минск,1991); Международном семинаре "Интеллектуализация систем баз данных" (Калининград,1992); VI конференции математиков Беларуси (Гродно, 1992); Международной конференции "Компьютерные технологии в обучении" (Киев, 1993); научно-технической конференции стран СНГ "Распознавание образов и анализ изобразке-ний" (Минск,1993); VI конференции стран СНГ "Математические методы в распознавании образов" (Москва, 1993); I Международном конгрессе "Нечеткие множества в экономике и управлении" (Испания, Реус, 1994), а также на семинарах ГГУ им. Ф. Скорины (Гомель , 1993-1997 ) , ГО ИМ АН Беларуси (Гомель, 1991-1997), ИТК АН Беларуси (Минск, 1997).

Опубликованность результатов. По теме диссертации опубликовано 14 научных работ, в том числе :

- I статья во Всесоюзном сборнике научных трудов;

- I статья в республиканском академическом журнале;

- 2 статьи в трудах международных конференций;

- 2 авторских препринта ВЦ АН Беларуси;

- 8 тезисов докладов на Всесоюзных, СНГ и республиканских конференциях.

Структура и объем диссертации. Диссертация состоит из введения, общей характеристики работы, четырех глав, выводов, списка литературы и приложения. Работа содержит 100 стр. печатного текста, 10 стр. иллюстраций, I таблицу, список использованных источников на 10 стр. (122 наименования) и 2 стр. приложения.

ОСНОВНОЕ СОДЕРЖАНИЕ

Во введении дана краткая оценка современного состояния проб-

лемы распознавания когнитивных изображений на основе разнородных экспертных знаний с обоснованием необходимости проведения исследования по данной теме.

В общей характеристике работы обоснована актуальность проводимых исследований, определена цель работы и задачи, которые необходимо решить для ее достижения. Приведены основные положения диссертации, выносимые на защиту. Показана научная новизна полученных результатов и их практическая значимость, а также структура диссертации.

В первой главе проводится анализ состояния проблем в области распознавания изображений на основе априорных экспертных знаний применительно к задачам диагностики. Показано, что практическое использование систем распознавания на основе априорных знаний в психологии,медицине, экономике приводит к необходимости решать задачу диагностики в условиях контекстуальной зависимости распознаваемого изображения от личных,субъективных знаний эксперта. По принятой терминологии, изображение, распознавание которого решается в контексте с личными, субъективными знаниями эксперта, называется когнитивным. В первом параграфе главы рассмотрена технология распознавания когнитивных изображений : от этапа приобретения экспертных знаний до распознавания изображений на их основе. Проведен анализ существующих подходов к решению задачи распознавания когнитивных изображений : на основе алгебры логики, статистического, на основе принципа частичной прецедентности, с ориентацией на гибридные (логико-эвристические) алгоритмы.

В параграфе 1.2 рассмотрена классификация априорных экспертных знаний, включающая несколько родов (типов) знаний : объективные (книги, статьи) и субъективные (личный опыт эксперта), вербальные (естественно-языковые) и невербальные (неязыковые). Показаны особенности вербальных и невербальных знаний,методы их приобретения и модели формализации : на основе логических схем, фреймово-продукционная, матричная и т. д..

В третьем параграфе рассмотрены различные вида неопределенности априорных экспертных знаний и методы их оценки. Приведена классификация факторов неопределенности знаний, разбивающая их на : группу объективных факторов - объективная неопределенность

(неопределенность данных и объективных знаний) и группу субъективных факторов неопределенности- субъективная неопределенность (неопределенность субъективных знаний). Рассмотрены различные подходы и модели описания факторов субъективной (нечеткие модели, экспертные оценки, минимаксные стратегии) и объективной (на основе статистических оценок,Демпстера-Шейфера) неопределенности, отмечены их достоинства и недостатки.

Исходя из цели диссертационной работы, в параграфе 1.4 показано,что использование принципа частичной прецедентное™ и матричной модели организации субъективных знаний является наиболее приемлемым при распознавании когнитивных изображений в задачах диагностики. Отмечая высокую адаптивность подхода на основе частичной прецедентное™ применительно к матричной модели,в токе время выделены существенные недостатки,свойственные конкретным алгоритмам : I) они, как правило, ориентированы на фиксированный тип знаний и вид субъективной неопределенности; 2) в них не определена стратегия перехода от одного типа знаний к другому; 3) отсутствует возможность совместного использования нескольких типов знаний и другие. Для устранения указанных недостатков предлагается следующее :

1. Формальное описание изображения строить в виде совокупности отношений. Множество отношений формировать в рамках матричной модели на этапе приобретения знаний. На основе полученной модели определять структуру поля разнородных знаний. В этом случае,под разнородностью экспертных знаний понимается совокупность в рамках поля знаний естественно-языковых или вербальных отношений и неязыковых или невербальных отношений.

2. Построить унифицированную модель описания различных видов субъективной неопределенности разнородных знаний, включающую в себя не только операции на этапе приобретения и формализации знаний,но и операции на этапе обработки и распознавания изображений.

Для реализации предложенного подхода в параграфе сформулирована задача распознавания когнитивных изображений в условиях разнородности и субъективной неопределенности экспертных знаний.

Таким образом, основные результаты, полученные в первой главе заключаются в следующем :

- на основе анализа природы разнородности экспертных знаний и существующих технологий распознавания когнитивных изображений установлены места, наиболее подверженные влиянию различных видов субъективной неопределенности;

- предложен подход к решению задачи распознавания когнитивных изображений, обеспечивающий инвариантность получаемого решения к разнородности знаний и видам их неопределенности;

- сформулирована задача распознавания когнитивных изображений в условиях разнородности и субъективной неопределенности знаний, решение которой позволит устранить существующие недостатки в практике распознавания.

В соответствии с поставленной задачей, во второй главе рассматриваются вопросы разработки модели описания субъективной неопределенности разнородных знаний и исследуются условия ее применения для задачи распознавания когнитивных изображений. Априори на модель налагаются требования полноты и адекватности описания различных видов субъективной неопределенности знаний на всех этапах распознавания. Показано, что данные требования могут быть реализованы в рамках теории нечетких множеств. Предложена следующая схема реализации модели :

- формализация значений вербальных и невербальных отношений в виде элементов соответствующих матриц;

- представление полученных отношений в виде объектов векторного пространства;

- разработка векторного пространства, метрических свойств, удовлетворяющих выбранным ограничениям.

Реализация схемы включает в себя несколько этапов. На первом этапе строится формальная основа векторного пространства. Для этого в параграфе 2.1 главы вводится и обосновывается понятие ОР-нечеткого множества. Оно представляет обобщение свойств интервального гомогенного нечеткого множества с порядком : V у1, у2 6 У, у1 < у2, если Сагй([у2, вир^УЗу) < Сагс1([у1, вируУ 1у) (идентично : СагсЦ [y2.ini рУ]у) < Сагй([у1,1п1рУ]у)) и у1 = у2, если Сагй(1у2, виррУ]у) = Сагс1([у1, вгфуУЗу) или Снгй([у2, 1п1рУ]у)= Сагй(ty2.iniрУ]у) на гетерогенное нечеткое множество. Показано,что поле т элементов ОР-множества может быть представлено в виде я = ^^ п У ^ где У 1 - вполне упорядоченное мно-

жество с задашшми для конкретной задачи распознавания вируУ*, и минимальным элементом У0. Регулирование значений вируУ*,1п1уУ*Д0 (например, вируУ*= +1,1п1уУ*= -1Д0=0) обеспечивает унифицированный подход к описанию и оценке различных видов неопределенности субъективных знаний : неточности,нечеткости, неоднозначности и т.д.. Рассмотрены основные свойства ОР-нечетких множеств (коммутативность,ассоциативность и т.д.), доказаны теоремы и утверждения, подтверждающие справедливость изложенных свойств. Введено понятие ОР-нечеткого отношения.

На следующем этапе в п. 2.2 проводится обобщение векторного пространства над произвольным числовым полем применительно к ОР-множеству и вводится нечеткое векторное пространство (р( 23)) с операциями ОР-множеств: объединение,пересечение и декартово произведение. Доказаны свойства пространства 7^к^(р(23)) : неизбыточность аксиоматики и возможность определения независимых подпространств в области допустимых значений.

На этапе исследования пространства У^(р(23)) в п. 2.3 рассмотрены аксиомы скалярного произведения векторов,обобщены метрические системы Евклида,Галилея, Минковского, понятия ортонор-мированности и ортонормированного базиса. Применительно к У^ ( )) вводится алгебра ОР-отношений, доказывается теорема о необходимости и достаточности пространства 7^к^(р(23)) с метрикой Минковского для реализации модели описания неопределенности разнородных экспертных знаний в задачах диагностики.

На заключительном этапе в п. 2.4 производится организация структуры нечеткого векторного пространства в соответствии с требованиями матричной модели и исследуются условия реализации алгоритмов распознавания когнитивных изображений по принципу частичной прецедентности применительно к У^ (Р(23)) с метрикой Минковского. Как следует из параграфа, такими условиями являются :

- априорное определение структуры пространства У^ (:р(23) );

- задание кратности вида Р=23 для поля р;

- задание на нечетком векторном пространстве ортонормированного базиса Минковского;

- задание порядка на поле р элементов ОР-множества, отвечающего требованиям метрики Минковского;

- определение мощности поля f, точной верхней, точной нижней грани и минимального элемента;

- задание на нечетком векторном пространстве с ортонормиро-ванным базисом Минковского алгебры QP-отношений.

Важным выводом п. 2.4 является доказанное утверждение о возможности решения задачи предобработки для отношений зависимости и построения знаниеориентированного алгоритма предобработки.

Таким образом,основные полученные во второй главе результаты заключаются в следующем :

- в качестве модели описания субъективной неопределенности предложена структура нечеткого векторного пространства с обоснованием метрических свойств и введением необходимых операций;

- доказана теорема о необходимости и достаточности предложенной модели для решения задачи распознавания когнитивных изображений; показаны условия эффективности такого решения;

- показана возможность решения задачи предобработки когнитивных изображений относительно отношений зависимости и построения знаниеориентированного алгоритма предобработки.

Третья глава посвящена алгоритмическому решению задачи распознавания когнитивных изображений на основе разнородных экспертных знаний в условиях субъективной неопределенности.

Учитывая специфику задачи знаниеориентированного распознавания, она формулируется в терминах задачи приобретения разнородных знаний и задачи распознавания когнитивных изображений. Приобретение и организация разнородных экспертных знаний, рассматриваемые в п. 3.1 главы, проводятся но следующей схеме. .

Пусть экспертом Gjf(fl) (uf е Q, D = (ш^)) задано в предметной области U некоторое множество изображений *U'=(Af}. Будем полагать, что экспертом ы„ (О) однозначно установлена репрезентативность элементов выборки U' для распознаваемой структуры области U. Определим на (Af> функцию агрегирования а с Dom о и Im о. Считаем, что реализация функции а осуществляется алгоритмом формализации Ту и алгоритмом приобретения и организации разнородных знаний Ти в интерактивном режиме взаимодействия с ü3f(□). Сделаем допущение об априорной известности wf(fi) значений из Dom о на iAf>. Тогда, задача построения сводится к получению такого алгоритма, который обеспечит корректное построение отно-

пений зависимости в рамках матричной модели, а алгоритм Ти должен обеспечить адекватное представление формализованных матриц этношений в виде соответствующих матриц ОР-отношений. Рассмотрены основные требования к задаче приобретения и организации экспертных знаний, предложены и обоснованы алгоритмы Тр и Ти.

Проблемы анализа и согласования формализованных алгоритмами Гр, Ти в виде матриц ОР-нечетких отношений разнородных экспертных знаний и соответствующие алгоритмы рассмотрены в п. 3.2.

Для решения задачи распознавания в п. 3.3 предложено обобщение традиционного понятия когнитивного изображения. Согласно введенному определению элемент А{ с {Аг> называется когнитивным изображением, если рассматривается экспертом о^ как некоторое неформализованное описание отношений зависимости и подготовлен средствами когнитивной компьютерной графики (ККГ). Такое обобщение позволяет учитывать разнородность используемых при распознавании субъективных экспертных знаний. Рассмотрена классификация когнитивных изображений. Показано, что любому АГ1 с А£, А£ с {Аг>, подготовленному средствами ККГ, может быть однозначно поставлено в соответствие некоторое отношение Щ ). На основе предложенного обобщения представлена и обоснована структура решения задачи распознавания когнитивных изображений, включающая в себя этапы как знаниеориентированной предобработки, сегментации и распознавания изображений,так и традиционной (незна-ниеориентированной) обработки. В соответствии с представленной структурой рассмотрен алгоритм предобработки когнитивных изображений и их сегментации. Показана эффективность предложенных алгоритмов.

На основе рассмотренного, в параграфе 3.4 предложена структура алгоритма решения задачи распознавания когнитивных изображений. Доказана теорема, подтверждающая его эффективность.

Таким образом, основные полученные в третьей главе результаты заключаются в следующем :

- предложен подход к решению задачи распознавания когнитивных изображений, объединяющий в себя требования этапа извлечения и тестирования экспертных знаний и требования этапа распознавания; представлены и обоснованы с точки зрения их эффективности алгоритмы приобретения, согласования и формализации раз-

личных типов субъективных знаний;

- предложено обобщение традиционного понятия когнитивного изображения, позволяющее учитывать разнородность используемых при распознавании субъективных знаний;

- предложена схема обработки и распознавания когнитивных изображений, в соответствии с которой рассмотрены адаптированные к пространству с метрикой Минковского традиционные

алгоритмы предобработки, сегментации и распознавания; проанализированы особенности разработанных алгоритмов.

В четвертой главе рассмотрена задача построения программного комплекса для обработки и распознавания когнитивных изображений на основе разнородных экспертных знаний в условиях субъективной неопределенности. В силу своего функционального назначения и требований к архитектуре,комплекс представлен в виде отдельного проблемно-ориентированного класса и определен как система обработки и распознавания когнитивных изображений (СОРКИ). В п.п. 4.1, 4.2 рассмотрены назначение и возможности СОРКИ, показаны особенности их практичесческой реализации, организация и условия применения. В соответствии с предложенными определениями, СОРКИ представляет совокупность математических, программных и организационных средств,предназначенных для решения задач обработки и распознавания изображений на основе разнородных знаний в рамках единой модели описания и оценки субъективной неопределенности. Система (см. архитектурную организацию на рис. I) обеспечивает интерактивную работу с пользователем через поддержку диалога в интерфейсе со средствами ККГ и решает следующие задачи :

1) приобретение и формализацию на пространстве (р(2^)) с метрикой Минковского вербальных и невербальных знаний;

2) решение для множества когнитивных изображений и'=(А£} задач формализации, предобработки и сегментации;

3) решение задачи распознавания когнитивных изображений;

4) вывод результатов распознавания {А.^} на внешние устройства.

Кроме интерактивного режима работы с пользователем, для решения задач 2,3,4 система обеспечивает автономный режим. Функциональный состав системы в рамках рассмотренных задач представлен на рис. 2.

Функциональное программное обеспечение

Модуль формализации средств описания знаний

Архив средств описания знаний

Интерфейс пользователя со средствами ККГ

и

Модуль

управления,

— ■— контроля ii

принятия

решений

Библиотека подпрограмм

(БАГКИ)

База разнородных знаний (БРЭЗ)

Область общей

Модуль хранения и поиска изображений

(архив изображений)

Модуль сервисных протраминых средств

Базовое программное обеспечение

Рис. I. Архитектурная организация системы обработки и распознавания когнитивных изображений

функциональное программное обеспечение

Рис. 2. Режимы работы функционального и базового программного обеспечения СОРКИ

Программнов обеспечение системы написано на языках высокого уровня и функционирует в среде операционной системы MS DOS версии б.»* (операционная среда Windows 3.1 *, Windows 95). Для работы необходимы программные средства пакета PCX Programmer's Toolkit 3.5*.

В качестве приложения рассмотрено решение задачи из области психологической диагностики. Предложена методика решения прикладной задачи в рамках комплекса, включающая в себя подготови-тльный этап (формирование обучающей выборки, задание средств описания разнородных знаний), этап генерации системы (формализация в рамках ККГ средств описания знаний, настройка параметров программного обеспечения) и этап непосредственной работы.

Основные полученные в четвертой главе результаты заключаются в следующем :

- предложены архитектура и функциональный состав СОРКИ на базе персональной ЭВМ с дополнительными программно-техническими средствами;

- рассмотрен пример конкретного решения задачи распознавания по методике СОРКИ в области психологической диагностики; предложена методика решения прикладной задачи;

- показана возможность использования СОРКИ как в качестве управляющей, так и в качестве консультирующей системы.

В приложении приводятся материалы о внедрении результатов диссертационной работы.

ВЫВОДЫ

В соответствии с целью и задачами диссертационной работы в процессе исследований получены следующие результаты.

- На основе анализа природы разнородности субъективных экспертных знаний и существующих подходов к обработке и распознаванию когнитивных изображений разработана математическая модель описания разнородности и неопределенности субъективных знаний при решении задачи распознавания. В рамках разработанной модели предложен аппарат QP-нечетких множеств, являющихся обобщением нечетких множеств типа Р.

- Предложен подход к решению задачи распознавания когнитив-

ных изображений с привлечением различных типов субъективных знаний, рассматривающий задачи инженерии знаний с позиции обработки и анализа изображений. Для реализации подхода обобщено традиционное понятие когнитивного изображения и системы обработки и распознавания когнитивных изображений. Показана эффективность предложенного подхода при решении задачи распознавания.

- В рамках модели описания неопределенности построены алгоритмы формализации входных данных, приобретения, качественного анализа и согласования субъективных знаний с учетом их разнородности, алгоритмы предобработки, сегментации и распознавания когнитивных изображений. Обоснована эффективность разработанных алгоритмических структур соответствующими теоремами и утверждениями.

- Разработаны архитектура и функциональный состав системы обработки и распознавания когнитивных изображений, представляющей обобщение традиционной ИСАИ на случай совместного использования в процессе распознавания вербальных и невербальных субъективных знаний. Рассмотрены особенности практической реализации и конкретный пример решения задачи знаниеориентированного распознавания изображений по методике СОРКИ в области психологической диагностики.

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТШЕ ДИССЕРТАЦИИ

1. Ковалев И.П. Представление неточности в задаче образной интерпретации объектов /ВЦ АН БССР.- Минск,1991.- 02(2).- 16 с.

2. Ковалев И.П. Алгебра модификации образов на основе теории ультранечетких множеств//Распознавание образов и анализ изображений: Тез.докл. I Всесоюзной конф.- Минск,1991.- 4.1.-с.51-55.

3. Ковалев И.П. Когнитивная алгебра образов /ВЦ АН Беларуси. - Минск, 1992. - №4(10). - 35 с.

4. Ковалев И.П..Краснопрошин В.В. Когнитивная графика в теории обработки изображений //Сб. Проблемы проектирования и использования баз знаний. - Киев, 1992. - е..54-62.

5. Ковалев И.П. Обобщенные Р-нечеткие множества в задачах обработки когнитивных изображений //6 конференция математиков

Беларуси : Тез. докладов. - Гродно, 1992. - Ч. 4. - с. 76.

6. Ковалев И.П. Обработка когнитивных изображений //Изв. АН Беларуси. Сер. физ.-мат. наук. - 1993. - М. - с. 97-100.

7. Ковалев И.П., Краснопрошин В.В. Извлечение и формализа-зация невербального экспертного знания //Математ. методы распознавания образов : Тез. 6 конф. стран СНГ.-М.,1993.- с. 32-34.

8. Ковалев И.П., Краснопрошин В.В. Метрические пространства в системах обработки когнитивных изображений //Распознавание образов и анализ изображений (РОАИ - 93) : Материалы научно-техн. конф. стран СНГ. - Минск : ИТК АН Беларуси. - с. 9-1I.

9. Ковалев И.П. Семантический анализ экспертных знаний на уровне граничных логических категорий //Научно-методическая конференция, посвященная 25-летию факультета прикладной математики и информатики, Минск, 10-14 апреля 1995 г. Тез.докладов. - Минск, 1995. - Ч. I. - с. 74.

10. Ковалев И.П. Приобретете и формализация невербализуемых экспертных знаний //Научно-методическая конференция, посвященная 25-летию факультета прикладной математики и информатики, Минск, 10-14 апреля 1995 г. Тез.докл.- Минск,1995.- 4.1.-с. 73.

11. Ковалев И.П. Применение методов обработки и анализа изображений для приобретения и формализации невербальных экспертных знаний //Распознавание образов и обработка изображений : Тез. 3 Международной конф. - Минск, 1995.- Кн. 2. - с. I6I-I66.

12. Краснопрошин В.В., Ковалев И.П. Анализ и распознавание изображений на основе невербальных экспертных знаний //Распознавание образов и обработка изображений : Тез. 3 Международной конф. - Минск, 1995.- Кн. I. - с. 122-127.

13. Kovalyov I.P.,Rrasnoproshin V.V.,Gatalskaya G.V. Razha-lovskaya H.M. Application tne non-verbal expert knowledge ell-citation and processing systems in the practice of school psychological service //Computer Technologies in Education (ICCTE' 93) : Proc. 1st Int. Conf. - Kiev, 1993. - p. 90-92.

14. Krasnoproshin V., Kovalev I. Representation of boundary logical categories in "economic" knowledge bases //Societat Internacional de Gestlo I Economía Fuzzy : Proc. 1st Meeting 3IGEF. - Barselona, 1995. - Vol. 2. - p. 103-112.

Р Э 3 Ю М Е

Кавалеу 1гар Пятров1ч АЛГАРЫТМЫ РАСПАЗНАВАННЯ КАГН1ТЫУНЫХ АДЛЮСТРАВАННЯУ НА ПАДСТАВЕ РАЗНАРОДНЫХ ЭКСПЕРТНЫХ ВЕДАУ ДЛЯ ЗАДАЧ ДЫЯГНОСТЫК1

Ключавыя словы : распазнаванне адлюстраванняу, разнародныя веды, нявызначанасць ведау, невыразнае мноства, вектарная прастора, набыццё 1 падача ведау, кагн1тыунае адлюстраваше.

Дысертацыйная праца прысвечана праблеме распазнавання каг-н!тыуных адлюстраванняу на падставе суб'ектыуных экспертных ведау. Мэтай працы з'яуляецца распрацоука матэматычнага 1 праг-рамнага забеспячэння для распазнавання кагн1тыуных адлюстра-ванняу на падставе розных тыпау суб'ектыуных ведау ва умовах 1х нявызначанасц1. Прапанаваны 1 абгрунтаваны новы падыход да ра-шэння задачы распазнавання кагн1тыуных адлюстраванняу, заснава-ны на ун1ф1кацы1 патрабаванняу да этапу атрымання 1 тэсц1раван-ня разнародных экспертных ведау 1 патрабаванняу да этапу распа-знавання. У рамках падыходу на падставе тэоры1 невыразных мно-ствау 1 матрычнай мадэл! арган1зацы! экспертных ведау прапана-вана ун!ф!каваная мадэль ап!сання разнароднасц1 1 нявызначанас-ц! суб'ектыуных ведау. У прымяненн! да мадэл! распрацаваны ары-Пнальныя 1 адаптаваныя традыцыйныя алгарытмы набыцця,узгаднен-ня 1 фармал1зацы! разнародных ведау, алгарытмы перадапрацоук!, сегментацы1 I распазнавання кагн!тыуных адлюстраванняу. На 1х падставе рэал1завана арх!тэктура 1 прапанаваны функцыянальны састау аутаматызаванай с1стэмы апрацоук! 1 распазнавання кагн!-тыуных адлюстраванняу. Паказана прымяненне с!стэмы у вобласц! пс!халаг!чнай дыягностык!. Распрацаваныя алгарытмы 1 метады з'являюцца падставай для пабудовы аутаматызаваных с!стэм распазнавання кагн1тыуных адлюстраванняу на мадэлях разнародных экспертных ведау для задач дыягностык1. Яны могуць быць выкарыста-ны таксама для правядзення далейшых навуковых даследванняу 1 укаранення у вучэбны працэс.

РЕЗЮМЕ

Ковалев Игорь Петрович АЛГОРИТМЫ РАСПОЗНАВАНИЯ КОГНИТИВНЫХ ИЗОБРАЖЕНИИ НА ОСНОВЕ РАЗНОРОДНЫХ ЭКСПЕРТНЫХ ЗНАНИИ ДЛЯ ЗАДАЧ ДИАГНОСТИКИ

Ключевые слова : распознавание изображений, разнородные зна-ия, неопределенность знаний, нечеткое множество, векторное ространство, приобретение и представление знаний, когнитивное :зображение.

Диссертационная работа посвящена проблеме распознавания ког-итивных изображений на основе субъективных экспертных знаний, [елью работы является разработка математического и программного (беспечения для распознавания когнитивных изображений на основе 133личных типов субъективных знаний в условиях их неопределен-юсти. Предложен и обоснован новый подход к решению задачи рас-юзнавания когнитивных изображений, основанный на унификации ребований к этапу извлечения и тестирования разнородных экс-гертных знаний и требований к этапу распознавания. В рамках годхода на основе теории нечетких множеств и матричной модели >рганизации экспертных знаний предложена унифицированная модель »писания разнородности и неопределенности субъективных знаний, [рименительно к модели разработаны оригинальные и адаптированы традиционные алгоритмы приобретения,согласования и формализации )азнородных знаний, алгоритмы предобработки, сегментации и рас-юзнавания когнитивных изображений. На их основе реализована фхитектура и предложен функциональный состав автоматизирован-юй системы обработки и распознавания когнитивных изображений, ¡оказано применение системы в области психологической диагностики. Разработанные алгоритмы и методы могут служить основой ум построения автоматизированных систем распознавания когнитивных изображений на моделях разнородных экспертных знаний для ¡адач диагностики. Они могут быть использованы также для проверим дальнейших научных исследований и внедрения в учебный гроцесс.

SUMMARY

Igor Petrovich Kovalyov ALGORITHMS OF COGNITIVE IMAGE RECOGNITION ON THE BASIS OP HETEROGENEOUS EXPERT KNOWLEDGE FOR DIAGNOSTIC TASKS

Key words : Image recognition, heterogeneous knowledge, knowledge uncertainty, fuzzy set, vector space, knowledge acquisition and formalization, cognitive image.

This thesis Is devoted to the problem of cognitive image recognition on the basis of subjective expert knowledge. The aim of the research is the design of cognitive image recognition mathematical and software facilities on the basis of all type of subjective knowledge in uncertainty conditions. A new approach to cognitive image recognition task solving, which Is based on the unification of requirements to heterogeneous knowledge ellcltation and testing stage and recognition stage is proposed and substantiated. Uniflcated model of. heterogeneity and subjective, knowledge formalization on the basis of fuzzy set theory and matrix model of expert knowledge organization within the framework of the approach is proposed. Heterogeneous knowledge acquisition, co-ordination and formalization, cognitive image pre-processing, segmentation and recognition the original and traditional algorithms to model are application developed and adapted. On their base an architecture is proposed and functional composition is realized of the cognitive image processing and recognition automatized system. A system application to the psychological diagnostic sphere is showed. The proposed algorithms and methods could be used as foundation in building a cognitive image automatized system on the basis of heterogeneous expert knowledge models for diagnostic tasks. They could also be used for further scientific investigations and employed in teaching Drocess.