автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Человеко-машинные процедуры обработки и анализа слабоформализованной информации в задачах управления научными исследованиями

кандидата технических наук
Путинцев, Александр Николаевич
город
Москва
год
1984
специальность ВАК РФ
05.13.01
Диссертация по информатике, вычислительной технике и управлению на тему «Человеко-машинные процедуры обработки и анализа слабоформализованной информации в задачах управления научными исследованиями»

Оглавление автор диссертации — кандидата технических наук Путинцев, Александр Николаевич

ВВЕДШИЕ.

1. МЕТОДЫ ФОРМИРОВАНИЯ ИНФОРМАЦИОННОЙ БАЗЫ В ЧЕЛОВЕКО

МАШИННЫХ СИСТЕМАХ ПРИНЯТИЯ РЕШЕНИЙ. II

1.1. Информационное представление научно-исследовательских работ и основные задачи исследования . II

1.2. Формирование информационной базы в задачах анализа организационных систем.

1.3. Методы обработки слабоформализованных данных в автоматизированных информационных системах

1.4. Способы получения и формализации нечеткой экспертной информации.

2. РАЗРАБОТКА ЧЕЛОВЖО-МАШИННЫХ ПРОЦЕДУР АНАЛИЗА СЛАБО

ФОРМАЛИЗОВАННЫХ ДАННЫХ.

2.1. Принцип организации человеко-машинных процедур обработки больших массивов слабоформализованной информации.

2.2. Выбор меры информативности качественных признаков

2.3. Алгоритмы пакетной обработки слабоформализованной информации.

2.4. Диалоговые процедуры анализа массива слабоформализованных информационных документов

3. ЧШОВЕКО-МАШИННЫЕ ПРОЦЕДУРЫ МОДЕЛИРОВАНИЯ ИНФОРМАЦИОННОЙ .СТРУКТУРЫ НАУЧНОЙ ПРОБЛЕМЫ.

3.1. Методика формирования информационной базы для моделирования структуры информационных связей между научными направлениями.

3.2. Выбор модели информационных связей в условиях нечеткой исходной информации.

3.3. Человеко-машинные процедуры анализа динамических свойств информационной структуры научной проблемы

4. ДШЮГОВЫЕ ПРОЦЕДУРЫ ОБРАБОТКИ НЕЧЕТКОЙ ИНФОРМАЩИ Б ЗАДАЧАХ ВЫБОРА АЛЬТЕРНАТИВ.

4.1. Формирование допустимого множества альтернатив и способы рационального выбора.

4.2. Алгоритм выделения недоминируемых альтернатив в диалоговом режиме и его экспериментальное исследование

5. ПРИМЕНЕНИЕ ЧЕЯОВЕКО-МАШННЫХ ПРОЦЕДУР В ЗАДАЧАХ

ЭТЗРАВШШЯ НАУЧНЫМИ ШЗДОВАНИЯМИ

5.1. Использование ЧМП в составе автоматизированной системы обработки информации.

5.2. Применение человеко-машинных процедур при формировании комплексной научно-технической программы

5.3. Анализ динамики информационной структуры комплексной научной проблемы "Рентгенология и радиоло

Введение 1984 год, диссертация по информатике, вычислительной технике и управлению, Путинцев, Александр Николаевич

В материалах ХХУТ съезда КПСС, в постановлениях пленумов ЦК КПСС отмечена необходимость дальнейшего улучшения организационной структуры управления народным хозяйством, совершенствования форм и методов планирования, указана важность комплексного подхода к управлению при решении крупных научно-технических и социальных проблем.

Задачи управления реальными организационными системами требуют глубокого количественного и качественного анализа значительных объемов многоаспектной информации об управляемой системе. При этом существенное значение имеет построение адекватной математической модели системы, выбор методов анализа и использование ЭВМ для получения обобщенной информации, необходимой для принятия управленческих решений.

В настоящее время для решения задач совершенствования организационных систем, состоящих из большого числа взаимосвязанных объектов, находят широкое применение структурные методы анализа эмпирических данных о системе [1-4]. Как правило, исходные данные, характеризующие систему, формализованы в виде двумерной таблицы отношений "объект-признак" или в виде матрицы связей между элементами системы.

Получение такого рода формализованных данных является сложной, комплексной задачей, реализация которой на практике встречает значительные трудности, поскольку часть информации о системе, в функционировании которой участвует человек, носит субъективный характер и имеет слабоформализованное представление (например, в виде текста на естественном языке или в виде нечеткого экспертного суждения). Преодоление указанных трудностей связано с использованием как формальных, так и неформальных (экспертных) методов преобразования исходных данных, для успешного применения которых необходимо построение математической модели, отражающей нечеткость исходной информации.

В настоящей работе рассматривается класс организационных систем управления объектами, которые характеризуются высокой степенью "сложности", невозможностью полной формализации, нестабильностью структуры. Примером такого рода организационных систем служит отраслевая система планирования и координации научных исследований.

Многочисленные задачи, возникающие в системе управления научными исследованиями, непосредственно связаны с переработкой больших массивов слабоформализованных данных на различных уровнях и в различных звеньях системы. Такими задачами являются, в частности, формирование научно-технических программ, анализ современного состояния и тенденций развития научной проблемы, выбор приоритетных направлений исследований и т.д.

Для решения перечисленных задач целесообразно применение человеко-машинных процедур, сочетающих преимущества ЭВМ при выполнении формализованных операций с творческими способностями, интуицией и опытом человека, осуществляющего не поддающиеся формализации операции [5,6]. Однако решение на ЭВМ подобных задач затруднено тем, что, во-первых, исходная информация о системе не может быть непосредственно использована для построения модели в силу наличия неопределенностей (порождаемых, например, использованием естественного языка), а, во-вторых, смысловая обработка больших массивов текстовой информации в диалоговом режиме связана с достаточно трудоемкой процедурой построения и ведения так называемого тезауруса, специально создаваемого для определенной предметной области [7].

Таким образом, приобретает актуальность разработка методов преобразования слабоформализованной информации, математического моделирования организационных систем при наличии нечеткости исходного описания и реализация на ЭВМ человеко-машинных процедур анализа данных в задачах принятия решении [8].

В отличие от работ (например, [9] ), где изучаются модели принятия решений, имитирующие поведение ЛПР (лица, принимающего решение), в настоящем исследовании основное внимание уделено вопросам создания системы, осуществляющей поддержку ЛПР в процессе принятия решений посредством "сворачивания" больших массивов слабоформализованной информации с целью выделения наиболее существенных для ЛПР данных, характеризующих анализируемую систему.

Целью диссертационной работы является разработка человеко-машинных процедур (ЧМП) поддержки принятия решений в условиях нечеткой (слабоформализованной) исходной информации и их применение в практических задачах управления научными исследованиями.

Научная новизна результатов, полученных в диссертационной работе, заключается в следующем:

1. Разработаны человеко-машинные процедуры обработки массивов слабоформализованной информации и на их основе предложена методика формирования информационной базы для многоаспектного анализа системы научных исследований.

2. Предложен и исследован метод оценки информативности качественных признаков, основанный на использовании экспертной информации нечеткого характера о степени принадлежности элементов выборочного массива документов к определенной предметной области.

3. Разработан алгоритм рационального выбора альтернатив в диалоговом режиме для случая, когда экспертная информация формализуется в виде нечеткого отношения предпочтения на множестве альтернатив.

4. Разработаны ЧМП моделирования динамики информационных структур, элементы которых формализованы в виде объектов с нечеткими границами.

Программные средства ЧМП обработки и анализа слабоформали-зованных данных ориентированы на адаптацию к пользователю системы (ЛПР), информационные потребности которого определены в конкретной предметной области.

Практическая ценность работы заключается в том, что ЧМП обработки слабоформализованных данных позволяют автоматизировать формирование информационной базы, используемой для формализации описания организационных систем, а также дают возможность анализа значительных объемов слабоформализованных информационных документов в режиме диалога.

Результаты диссертации были использованы при формировании медицинского раздела целевой комплексной научно-технической программы ГКНТ по биотехнологии, в задачах пятилетнего планирования научных исследований по комплексной проблеме "Рентгенология и радиология".

Алгоритмы, описанные в диссертации, реализованы в виде комплекса программ на языках высокого уровня и совместимы с функциональными блоками I очереди автоматизированной системы обработки информации (АСОИ) президиума АМН СССР.

Первая глава диссертационной работы содержит обоснование актуальности разработки человеко-машинных процедур анализа сла-боформализованной информации для решения задач организационного управления научными исследованиями, краткий обзор методов формирования информационной базы, используемой в человеко-машинных системах принятия решений, и формулировку основных задач исследования.

Вторая глава посвящена разработке ЧМП анализа массивов слабоформализованных данных. Предложенные человеко-машинные процедуры предназначены для оперативного обеспечения ЛПР информацией, необходимой для принятия управленческих решений. В основу разработанной человеко-машинной системы поддержки принятия решений положен принцип "настраиваемости" системы на конкретную предметную область, интересующую пользователя (ЛПР). Настройка системы обеспечивает возможность обработки больших массивов сла-боформализованных данных в режиме диалога, а также формирования информационной базы и ее анализа с помощью математических методов. Рассмотрены вопросы, связанные с выбором меры информативности лексических единиц слабоформализованного (текстового) описания объектов системы. Доказана корректность введенной функции информативности качественных признаков.

Приведены описания и блок-схемы ряда эвристических алгоритмов, реализующих предложенные ЧМП обработки и анализа слабофор-мализованных данных.

В третьей главе, исходя из прикладной направленности данной работы, рассматривается комплекс ЧМП моделирования структуры информационных взаимосвязей между научными направлениями и анализа динамических особенностей информационной структуры в режиме диалога. Предложена методика формирования информационной базы для моделирования структуры комплексной научной проблемы, основанная на человеко-машинных процедурах обработки массивов слабоформализованных информационных документов. Предложена модель информационной связи между направлениями научных исследований на основе использования математических средств описания нечеткой информации.

В четвертой главе разработанные ЧМП применяются для формирования множества альтернатив в задачах рационального выбора. Предложены интерактивные процедуры для выделения максимально недоминируемых альтернатив с использованием последовательного привлечения экспертной информации об альтернативах в форме нечеткого отношения предпочтения. Доказана корректность предложенного эвристического алгоритма, исследование которого проведено на модельных экспериментах.

Пятая глава посвящена вопросам программной реализации и практического применения изложенных в диссертации ЧМП в задачах управления научными исследованиями.

Разработанное алгоритмическое и программное обеспечение использовалось цри формировании научно-технической программы, а также в задачах анализа современного состояния и тенденций развития исследований по комплексной научной проблеме.

В качестве исходных данных выступали массивы слабоформали-зованных информационных документов, характеризующих различные аспекты проводимых я планируемых НИР в области медицины.

В приложении приведены формы информационных документов, блок-схемы и тексты программ на языках КОБОЛ и ФОРТРАН, вспомогательные материалы, а также копии документов, подтверждающие практическое использование результатов диссертационной работы.

I. МЕТОДЫ ФОРМИРОВАНИЯ ИНФОРМАЦИОННОЙ БАЗЫ В ЧЕЛОВЕКО-МАШИННЫХ СИСТЕМАХ ПРИНЯТИЯ РЕШЕНИЙ

Заключение диссертация на тему "Человеко-машинные процедуры обработки и анализа слабоформализованной информации в задачах управления научными исследованиями"

Основные результаты диссертационной работы формулируются следующим образом:

1. Использование аппарата теории нечетких множеств позволило разработать методику адекватного представления экспертной информации в задачах анализа слаб ©формализованных данных.

2. Предложен и исследован подход к оценке информативности лексических единиц описания предметной области, интересующей пользователя (ДПР). Подход использует экспертную информацию нечеткого характера о степени принадлежности элементов выборочного массива информационных документов к данной предметной области.

3. На основе человеко-машинных процедур обработки массивов слаб ©формализованных документов предложена методика автоматизированного формирования информационной базы, используемой для решения задач управления научными исследованиями.

4. Разработаны человеко-машинные процедуры для анализа информационной базы в режиме диалога, а также для исследования динамики информационных структур с помощью предложенной модели, ' отражающей нечеткость исходной информации.

5. Разработан алгоритм рационального выбора альтернатив в интерактивном режиме для случая, когда экспертная информация формализуется в виде нечеткого отношения предпочтения. Аналитически доказана корректность предложенного алгоритма, исследование которого проведено на модельных экспериментах.

6. Алгоритмы, разработанные в диссертации, реализованы в виде комплекса программ на языках высокого уровня для ЕС-ЭВМ и мини-ЭВМ типа ГС Ь-2904. На мини-ЭВМ типа 1С1 -2904 комплекс алгоритмов реализован в виде диалоговой системы.

7. Человеко-машинные процедуры обработки и анализа слабо-формализованной информации были использованы при формировании медицинского раздела государственной программы по биотехнологии, в задачах перспективного планирования научных исследований по комплексной проблеме "Рентгенология и радиология".

Внедрение в практику результатов, полученных в диссертационной работе, подтверждено приложенными к диссертации документами.

ЗАКЛЮЧЕНИЕ

Б работе изложены вопросы организации и применения человеко-машинных процедур обработки и анализа слабоформализованной информации в задачах управления научными исследованиями.

Библиография Путинцев, Александр Николаевич, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)

1. Кузнецов E.H., Мучник И.Б. Структурные методы анализа организационных систем,- Автоматика и телемеханика, 1983, № 5, с. 5-27.

2. Миркин Б.Г. Анализ качественных признаков и структур, М.: Статистика, 1980, 316 с.

3. Лейбкинд А.Р., Рудник БД. Математические методы и модели формирования организационных структур управления. М.: МГУ, 1982, 280 с.

4. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных.- М.: Наука, 1983, 464 с.

5. Поспелов Г.С., Ириков В.А. Программно-целевое планирование и управление.- М.: Сов. радио, 1976, 440 с.

6. Ириков В.А. Прикладные проблемы разработки математических моделей и методов для человеко-машинных систем формирования решений: Тез. докл I всесоюз. конф. "Проблемы и методы принятия решений в орг. с-х упр-я".- М; Звенигород, 1981, с. 4-5.

7. Сддорченко В.Д. Семантическая структура тезауруса: современное состояние и направления его совершенствования.- Научная и техническая информация, сер. 2, 1976, № 9, с. 3-12.

8. Поспелов Г.С. Системный анализ и искусственный интеллект для планирования и управления. В сб.: Кибернетика. Дела практические.- М.: Наука, 1984, с. I4I-I5I.

9. Борисов А.Н., Алексеев A.B., Крумберг O.A. и др. Модели принятия решений на основе лингвистической переменной Рига: Зинатне, 1982, 256 с.

10. Балаян Г.Г., Жарикова Г.Г., Комков Н.И. Информационно-логические модели научных исследований,- М.: Наука, 1978, 344 с.

11. Михайлов А.И., Черный А.И., Гиляревский P.C. Научные коммуникации и информатика.- М.: Наука, 1976, 435 с.

12. Добров Г.М., Коренной A.A. Наука: информация и управление.-М.: Сов. радио, 1977, 256 с.

13. Бородаин Л.И. Агрегирование структуры графов с размытыми блоками.- Автоматика и телемеханика, 1978, № 8, с. 142-153.

14. Калошин В.В. О некоторых методологических вопросах исследова' ния диссертаций для выявления тенденций развития научной дисциплины (на примере информатики). Вопросы информационной теории и практики, 1981, № 46, с. 29-47.

15. Цыб А.Ф., Горбушин Н.Г., Успенский В.А. Системный подход в управлении научными исследованиями по комплексной медицинской проблеме. Вестник АМН СССР, 1983, № 6, с. 80-86.

16. Заде Л.А. Основы нового подхода к анализу сложных систем и процессов принятия решений.- В сб.: Математика сегодня.- М.: Знание, 1974, с. 5-49.

17. Бусленко Н.П. Моделирование сложных систем.- М.: Наука, 1978, 400 с.

18. Путинцев А.Н. Интерактивные процедуры анализа практической значимости результатов медицинских научных исследований. Материалы Всес. конф. Реализ. матметодов с исп. ЭВМ в экс-пер. исслед. Москва, 1983, т. 2, с. 152-153.

19. Путинцев А.Н., Яшин А.И. Замкнутая имитационная модель системы здравоохранения. Автоматика и телемеханика, 1980, № 2, с. 143-152.

20. Путинцев А.Н., Петровский А.Б. Подход к созданию модели влияния достижений медицинской науки на эффективность функционирования системы здравоохранения. Вестник АМН СССР, 1982, 10 с. Рук. деп. во ЕНИИМИ, 1982, Ш Д-4897.

21. Кузнецов Е.Н., Мучник И.Б. К использованию ЭВМ для обоснованного построения организационных структур.- Изв. вузов. Нефть и газ, 1979, 18, с. 84-89.

22. Sathe V.Institutional versus questionaire measure of organizational structure.- J.Acad.Management, 1978» v.21, No.2,p.227-238.

23. Бурков В.H., Панкова Л.А., Шнейдерман М.В. Получение и анализ экспертной информации.- М.: Ин-т проблем управления, 1981, 108 с.

24. Дорофеюк А.А. Методы организации и проведения экспертизы в организационных системах.- В кн.: 1-е Вс. сов. СДАНИ Э0Д0 Москва Алма-Ата, 1981, с, 414-421.

25. Экспертные оценки в задачах управления. Сб. тр./ Ин-т проб- . лем управления: Отв. ред. В.Н.Бурков, Ю.Н.Тюрин.- M.: 1982, 105 с.

26. Шнейдерман М.В. Итеративные процедуры сбора экспертных данных.- Автоматика и телемеханика, 1982, №4, с. 170-175.

27. The Delphi Method: Techniques and Applications.- Addison-Wesley, Reading, Mass.,1975»

28. Дэвид Г. Метод парных сравнений.- M.: Статистика, 1978, 144с.

29. Garfield E# Citational Indexig and Evaluation lor Studying Science, Na ture,v.227,1970,p.669-671•

30. Martino J.P. Citational Indexing for Research and Development

31. Management. IEEE Trans.v.EM 18, 1971, p.146-151.

32. Мучник И.Б. Анализ структуры экспериментальных графов.- Автоматика и телемеханика, 1974, JS 9, с. 62-80.

33. Реброва М.П. Автоматическое классифицирование объектов в автоматизированных информационно-поисковых системах. НТИ, сер. 2, № 12, 1976, с. 8-15.

34. Блохин Ю.И. Классификация и кодирование технико-экономической информации,- М.: Экономика, 1976, 191с.

35. Шомье Ж. Банки данных.- М.: Энергоиздат, 1981 70с.

36. Виноград Т. Программа, понимающая естественный язык.- М.: Мир, 1976, 294с.

37. Мельчук И.А. Опыт теории лингвистических моделей "Смысл-текст".- М. : Наука, 1974, 314с.

38. Вольфенгаген В.Э., Воскресенская О.В., Горбачев Ю.Г. Система представления знаний с использованием семантических сетей. В кн.: Интеллектуальные банки данных. Вопросы кибернетики / Под ред. Кузина Л.Т.М. : Наука, 1979, с. 78-85.

39. Минский М. Фреймы для представления знаний.- М. : Энергия,1979, 151с.39. s^a11^ R.C., Lebowitz M., Birnbaum L. An Inegrated UnderBten-der.- American Journal of Computational Linguistics, v.6, ITo.1, January-March 1980, p.339-346.

40. Шенк P. Обработка концептуальной информации.- M.: Энергия,1980, 361c.

41. Walker D.E. The organization and Use of Information: Contribution of Information Science, Computational Linquistics and Artificial Intelligence* Gournal of the American Society for Information Science Sept.,1981,p.3^7-363.

42. Глушков В.M. Основы безбумажной информатики,- М.: Наука, 1982, 552с.

43. Белоногов Г.Г., Кузнецов Б.А. Языковые средства автоматизированных информационных систем.- М.: Наука, 287с.

44. Криницкий Н.А., Миронов Г.А., Фролов Г.Д. Автоматизированные информационные системы.- М.: Наука, 1982, 381с.

45. Перцев Д.Г. Лексико-семантические методы в автоматизации решения задач лингвистического обеспечения АШС- Дис. .канд. техн. наук.- М., 1980.- 141с.

46. Андреев Н.Д. Статистико-комбинаторное моделирование в теоретическом прикладном языкознании.- Л.: Наука, 1967, 403с.

47. Шеннон К. Работы по теории информации и кибернетике.- ГЛ.: Мир, 1976, 294с.

48. Хомский Н. Введение в формальный анализ естественных языковт Кибернетический сборник. M, 1965, të I, с.229-293.

49. Урсул А.Д. Информация и кибернетика.- Природа, 1972, й 5, с.2-6.

50. Харкевич А.А. О ценности информации.- Проблемы кибернетики /Под ред. А.А.Ляпунова.- М.: Физматгиз, I960, В 4.

51. Чораян О.Г. Полезная информация.- М.: Мир, 1978, 88с.

52. Коган И.М. Прикладная теория информации.- М.: Радио и связь, 1981, 216с.

53. Афоничкин А.И., Нежметдинов Т.К., Романов И.М. Системный подход к определению информационной меры,- Казань, 1978.-31с. Рукопись представлена КГУ. Деп. в ВИНИТИ 15 декабря 1977 гё 12-78 Деп.

54. Miller А.С. The Value of Sequential Information. Management Sci.,22,No.1,1975,p.1-11.

55. Harter S.P. Statistical Approaches to Automatic Indexing. Drexol Library Quarterly.14 î57-74 ;1978.

56. Cooper W.S.,Maron M.E. Foundations of Probabilistic and Utility-Theoretic Indexing. Journal of the Association for Computing Machinery. ¿5:b7-80;1978.

57. Whitehead J. Developments in World Processing Systems.

58. Program, 1985,17,Ho.p.130-153.

59. Ларичев О.И. Наука и искусство принятия решений.- М.: Наука, 1979,- 200с.

60. Шапиро Д.И. Принятие решений в системах организационного управления: использование расплывчатых категорий М. Энерго-атомиздат, 1983.- 184с.

61. Козелецкий Ю. Психологическая теория решений.- М. Прогресс, 1974.- 504с.

62. Ежкова И.В., Поспелов Д.А. Принятие решений при нечетких основаниях.- Техническая кибернетика, 1977, й 6, с. 3—XI; 1978, № 2, с.5-11.

63. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации.- М.: Наука, 1981.- 203с. v

64. Zadeh L.A. Fuaay Sets.- Inr.Contr., 19b5,8,p.338-353.

65. Розин Б.Б. Применение методов многомерной классификации при анализе результатов экспертного опроса.- В кн.: Статистические методы анализа экспертных оценок.- М.: Наука, 1977,с. 83-95.

66. Поспелов Г.С., Вен B.JI., Солодов В.М., Шафранский В.В., Эр-лих А.И. Проблемы программно-целевого планирования и управления.- М.: Наука, 1981.- 460с.

67. Тюрин Ю.Н. Экспертная классификация.- В кн.: Экспертные оценки в системных исследованиях, М., 1979, с. 5-15.

68. Терехина А.Ю. Многомерный анализ субъективных данных о сходствах или различиях.- М., 1978.- 68с. (Препринт/ВНИИСИ).

69. Кендалл М. Ранговые корреляции: Пер. с англ.- М.: Статистика, 1975.- 216с.

70. Литвак Б.Г. Экспертная информация. Методы получения и анализа. М.: Радио и связь, 1982.- 184с.

71. Миркин Б.Г. Проблема группового выбора.- М.: Наука, 1974, 256с.

72. Kohen М. Application : Fuzzy Sets in Psychology.- Fuzzy Sets and their Application to Cognitive and Decision Processes.-N.I.j Acad.Press, 1977, p.395-408.

73. Жинкин H.И., Шапиро Д.И. О формализации расплывчатых образов В кн.: Тез. докл. У Всесоюз. съезда психологов СССР. Деятельность и психология творчества.- M.: НСК, 1978, с. 126.

74. Готлиб А.Е. Управление качеством продукции с помощью нечетких оценок.- В кн.: Тез. научно-технического семинара "Управление при наличии расплывчатых категорий".- Пермь: НИИУМ, 1982, с.129-131.

75. Stephenson R.W. ,Stepnenson M.K. Design Bequiremeïits for Decision Support Systems.- Inf. Process, and Manag.,1985,19» No.6, p.391-397

76. Ланкастер Ф.У. Информационно-поисковые системы. Характеристики, испытания и оценки.-М.: Мир, 1972

77. Черный А.И. Введение в теорию информационного поиска.-М.:1. Наука, 1975

78. Вапник В.Ы., Червоненкис А.Я. Теория распознавания образов.-М.: Наука, 1974, 354с.

79. Кульбак С. Теория информации и статистика.- М.: Наука, 1967, 408с.

80. Елисеева И.И., Рукавишников В.А. Группировка, корреляция, распознавание образов. М.: Статистика, 1977, 144с.

81. Путинцев А.Н., Гладиков Ю.В. Выявление информативных признаков для прогноза результатов послеоперационной иммуностимуляции больных раком желудка. Тез. Межресп. симпозиума по им-муностимуляции опухолей. Рига, 1983, с. 164.

82. Путинцев А.Н. Программа для визуального анализа многомерных данных и определения информативных признаков. ОФАП ВНИИМИ МЗ СССР № гос. per. П006П9, 1983.

83. Киселев A.A., Петровский А.Б., Пименова Л.Я. 0 системном подходе к проблеме классификации медицинских научных исследований.- Вестник АМН СССР, 1978, & 9, с. 38-43.

84. Петровский А.Б., Погодаев Г.В., Путинцев А.Н. и др. Методические рекомендации по формированию пятилетних планов НИР научно-исследовательских учреждений АМН СССР. АМН СССР, М., 1980, Пс.

85. Классификация и кластер / Под ред. Райзина Дж. М.: Мир, 1980, 390с.

86. Брейдо Т.Б. Математическое моделирование транспортных сетей и оптимизация параметров их функционирования: Автореф. Дис. . канд. техн. наук.- Горький: Горьковск. политехя. ин-т, 1978.

87. Петровский А.Б., Путинцев А.Н. Человеко-машинные процедуры анализа информационной структуры научной проблемы. Тез. П всес. конф. "Проблемы и методы принятия решений в орг. системах упр-я", М; Пущино, 1984, с. 98-99.

88. Антонюк В.В., Ермаков С.П., Петровский А.Б. и др. Методические указания по формированию и реализации отраслевых программ научных исследований в области медицины. МЗ СССР. М, 1982.- 54с.

89. Путинцев А.Н. Человеко-машинные процедуры для выбора : максимально недоминируемых альтернатив. Моск. физ.-тех. ин-т, 1984, 9с. (Рук. деп. в ВИНИТИ № 2878 Деп.).

90. Фишборн П. Теория полезности для принятия решений.- М.: Наука, 1978

91. Keeny R., Raiira Н. JUecisions with Multiple Objectives:

92. Preferencee and Values Tradeorfs. N.X., wiley,1976.

93. Райфа Г. Анализ решений.- М.: Наука, 1977.

94. Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений.- М.: Наука, 1982, 168с.

95. Multiple Criteria Decision-making. Lect. Notes Econ. Math. Syst.,1976,130.

96. Saaty T.L. Exploring the Interlace Between Hierarchies,

97. Multiple Objectives and fuzzy Sets. Fuzzy Sets and Systems, 1978,1,p.57-68.

98. Zadeh L.A., Bellman K.E. Decision-making in a Fuzzy Environment.- Manag.Sei., 1970, 17,p.141-164.

99. Путинцев A.H. Диалоговая информационная система в задачах координации научных исследований. Тез. I Моск. гор. школы МУС "Автоматизация информац. процессов и систем", М; Софри-но, 1984, с. 251-255.

100. Погодаев Г.В., Морозов Б.В., Пименов В.Я., Левадный В.Г. Модель программной координации научных исследований в области медицины и здравоохранения.- М, 1982.- 78с. (Препринт Научного совета по комплексной проблеме "Кибернетика": Т-26653).

101. Петровский А.Б., Стернин М.Ю., Моргоев В.К., Путинцев А.Н.и др. Технорабочий проект на I очередь АСОИ президиума АМН СССР. М.: АМН СССР, 1982, 256с.

102. Дебов С.С., .Остроумова Л.М. Передовые рубежи фундаглвитальных медицинских исследований.- Вопросы медицинской химии, 1982, т. 28, вып. 4, с. 2-8.

103. Вайнберг Дж., Шумекер Дни Статистика.- М.: Статистика, 1979, 389с.