автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.17, диссертация на тему:Логические и программные средства интеллектуального анализа криминалистических данных

004616034 „

На правах рукописи

КОМАРОВ Алексей Сергеевич

ЛОГИЧЕСКИЕ И ПРОГРАММНЫЕ СРЕДСТВА ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА КРИМИНАЛИСТИЧЕСКИХ ДАННЫХ

Специальность 05.13.17 Теоретические основы информатики

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

- 2 ДЕК 2010

Москва-2010

004616034

Работа выполнена в Учреждении Российской академии наук Всероссийском институте научной и технической информации РАН

Научный руководитель: кандидат физико-математических наук

ГУСАКОВА Светлана Марковна Официальные оппоненты: доктор физико-математических наук,

профессор АНШАКОВ Олег Михайлович кандидат технических наук ПАНКРАТОВ Дмитрий Васильевич

Ведущая организация: Московский энергетический институт

(технический университет)

Защита состоится 15 декабря 2010 г. в 11-00 часов на заседании диссертационного совета Д 002.026.01

во Всероссийском институте научной и технической информации РАН (ВИНИТИ РАН) по адресу:

125190, Москва, ул. Усиевича, д. 20.

С диссертацией можно ознакомиться в библиотеке ВИНИТИ РАН. Автореферат разослан 15 ноября 2010 г.

Ученый секретарь диссертационного совета доктор технических наук, профессор

ЦВЕТКОВА Валентина Алексеевна

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы

Современные методы интеллектуального анализа данных (ИАД) успешно применяются в различных предметных областях. Однако использование этих методов в гуманитарных дисциплинах не получило еще достаточно широкого распространения. В частности, в криминалистике, а более конкретно, в почерковедении, такие методы не применялись.

Наиболее разработанные и распространенные в судебно-почерковедческой экспертизе вероятностно-статистические методы реализуются в форме специальных методик, создание которых требует сбора и обработки большого объема почеркового материала. Эволюция пишущего прибора и изменение стандартов прописей привели к устареванию и снижению эффективности существующих экспертно-почерковедческих методик, большинство из которых разработано в середине прошлого века. Затратность и трудоемкость традиционных способов создания новых методик ведет к невозможности их применения в реалиях настоящего времени. Неполное соответствие существующих методов почерковедческой экспертизы требованиям, предъявляемым к ней судебными органами, выдвигает на повестку дня проблему поиска новых способов объективизации почерковедческой экспертизы. Получение зависимостей между характеристиками исполнителя рукописи и его почерком требует обработки большого количества данных с учетом сведений, накопленных в почерковедении. Когда процессы переработки данных в информацию, а информации в знания уже не могут быть выполнены вручную и требуют нетривиальной автоматизации, в современной науке применяют методы ИАД. Поэтому проблема создания интеллектуальной системы на основе этих методов для проведения исследований в области почерковедения, выявления зависимостей и решения задач почерковедческой экспертизы с обоснованием выводов, чему посвящена диссертационная работа, является актуальной.

Цель настоящей работы - создание интеллектуальной системы для исследования в области почерковедения и почерковедческой экспертизы.

Для достижения поставленной дели необходимо решить следующие задачи:

1. Исследовать применимость ДСМ-метода к решению задач предметной области.

2. Разработать модель предметной области.

3. Разработать логические средства для решения идентификационной и двух видов атрибутивных задач почерковедческой экспертизы.

4. Создать программную систему, реализующую предложенные методы.

5. Проверить дееспособность системы и эффективность предложенных методов для решения выбранных задач почерковедческой экспертизы путем экспериментальных исследований.

Методы исследования

В работе использовались логико-комбинаторные методы интеллектуального анализа данных, конкретно ДСМ-метод автоматического порождения гипотез и его варианты. Для создания базы данных были использованы принятые в почерковедении методы описания почерка. Для определения психологических характеристик исполнителей рукописей применялись методы психологического тестирования. При создании программной системы использовались принципы веб-программирования.

Основные результаты работы, выносимые на защиту:

1. Модель предметной области.

2. Варианты ДСМ-метода для решения идентификационной и двух видов атрибутивных задач почерковедческой экспертизы.

3. Экспериментальная версия системы интеллектуального анализа данных, реализованная с применением современных веб-технологий.

4. Результаты экспериментального исследования, подтвердившие возможность применения разработанных методов для исследований в почерковедении и решения задач почерковедческой экспертизы.

Научная новизна работы определяется тем, что впервые создана интеллектуальная система на основе ДСМ-метода автоматического порождения гипотез для исследований в области почерковедения. Разработана модель предметной области. Предложены правила правдоподобного вывода для определения пола, психологических особенностей исполнителя рукописи по его почерку. Обоснована возможность применения модифицированного ДСМ-метода для решения идентификационной задачи почерковедческой экспертизы и предложены уточнения этого метода с учетом устойчивости и вариативности значений признаков почерка. Реализация системы в виде веб-приложения позволяет работать с ней неограниченному количеству пользователей из сети Интернет. Трехуровневая архитектура системы позволяет выполнять все затратные вычисления на стороне сервера, не предъявляя клиентской машине требования к производительности или наличию специфического ПО.

Практическая значимость работы связана с тем, что созданная интеллектуальная система позволяет проводить научные и экспериментальные исследования в области почерковедения и обосновывать выводы почерковедческой экспертизы.

Апробация работы. Основные научные выводы и результаты работы докладывались на 10-ой и 11-ой национальных конференциях по искусственному интеллекту «КИИ-2006» и «КИИ-2008» (Обнинск, 2006 г., Дубна, 2008 г.), 7-й международной конференции «Информационное общество, интеллектуальная обработка информации, информационные технологии» (Москва, 2007 г.), 3-й Международной конференции «Системный анализ и информационные технологии» (Звенигород, 2009 г.), на научном семинаре Отдела теоретических и прикладных проблем информатики и ученом совете Всероссийского института научной и технической информации Российской академии наук, на заседании Общемосковского научного семинара «Проблемы искусственного интеллекта», проводимого РАИИ в Политехническом музее.

Основные теоретические положения диссертации изложены в 7 опубликованных статьях.

Структура работы. Диссертация, состоит из введения, четырех глав, заключения, списка использованной литературы и приложений.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и задачи исследования, выявлены научная новизна результатов работы и их практическая значимость.

В первой главе приводится краткое описание существующих методов интеллектуального анализа данных, а также характеризуются основные методы, применяемые в почерковедении для изучения почерка. Описываются основные задачи почерковедческой экспертизы и методы их решения. Особое внимание уделено существующим программным средствам для проведения судебно-почерковедческой экспертизы. На основе получившегося обзора делается вывод о необходимости поиска новых методов для решения почерковедческих задач. Предлагается в качестве такого метода выбрать ДСМ-метод автоматического порождения гипотез.

Интеллектуальный анализ данных (англ. Data Mining) — это процесс обнаружения в сырых данных ранее неизвестных, нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Методы ИАД используют искусственные нейронные сети, генетические алгоритмы, нечеткую логику, деревья решений, статистические методы (корреляционный и регрессионный анализ, факторный анализ, дисперсионный анализ и т.д.) и другие.

Одним из методов ИАД, основанным на синтезе познавательных процедур: индукции, аналогии и абдукции, является ДСМ-метод автоматического порождения гипотез. Он формализует схему правдоподобного вывода, извлекающего знания двух видов:

(I) знания о структурных причинах исследуемых свойств,

(II) знания о том, какими свойствами обладают исследуемые объекты.

В настоящее время ДСМ-системы, реализующие этот метод, успешно применяются в фармакологии, биохимии, медицине, социологии, истории и технической диагностике, что позволяет предположить возможность применения ДСМ-метода и в области почерковедения.

Начиная с середины 50-х годов прошлого века, развитие судебного почерковедения находится на этапе экспериментальных исследований. Первоначально ключевой была задача дифференциации документов, выполненных схожими почерками, и идентификации их исполнителей. Все исследования велись исключительно в этом направлении. В дальнейшем стремление теоретически обосновать и применить в почерковедении накопленный графологами опыт поставило вопрос о возможности определения на основе почерка различных объективных свойств индивидуума: пола, возраста, психологического состояния, роста и проч., что могло бы способствовать проведению следственных мероприятий. Задачи такого типа получили название диагностических или атрибутивных.

При исследовании почерка интенсивно применяются математические методы, которые условно можно разделить на три направления.

Вероятностно-статистическое направление, сущность которого заключается в возможности использования частоты встречаемости признаков для оценки их идентификационной значимости с позиций теории вероятности. Почерк рассматривается как некий объект, формирующийся под воздействием многих внутренних и внешних, в том числе и случайных факторов. Поэтому, происхождение признаков почерка и их проявление в рукописных текстах описывается как вероятностно-статистические процессы.

В результате проведенных исследований в этой области были составлены таблицы частот встречаемости признаков почерка, интерпретированные как вероятности, идентификационные значимости, и методики их использования в практике производства судебно-почерковедческих экспертиз. Впоследствии

большинство существующих и применяемых на практике методик было создано на основе результатов исследований именно этого направления.

Измерительно-статистическое направление берет свое начало в графометрии и основано на измерениях параметров почерка, в частности микроособенностей признаков, и их статистической обработке.

На основе исследований в этой области был разработан метод графического усреднения и графического дисперсионного анализа.

В основе компьютерного направления, лежит вероятностное моделирование, анализ изображений и теория распознавания образов. Первые идеи компьютерного моделирования в судебном почерковедении принадлежат Р.М. Ланцману, который теоретически обосновал и в содружестве с математиками доказал возможность применения алгоритма распознавания образов для дифференциации сходных почерковых объектов.

Далее программные средства развивались в двух направлениях:

1. графического и графометрического анализа почерка;

2. автоматизации существующих методик.

Программы первого типа предназначены для идентификации человека и работают только с краткими почерковымы объектами - подписями. Существует два поколения подобных программ. Программы первого поколения работают с почерком как с частным случаем графического объекта. Используя алгоритмы сравнения изображений, они принимают решение о степени совпадения исследуемого образца с эталонным. В программах второго поколения анализ графической составляющей почеркового объекта дополнен графометрическими признаками (совокупность выполняемых движений, нажим, скорость и др.). Такие программы снимают информацию о почерке в момент исполнения подписи при помощи специальных чувствительных к давлению планшетов, а затем анализируют отклонения выполняемых движений относительно эталонного образца. Несмотря на то, что программы этого типа получили широкое распространение и успешно применяются на практике, они не в состоянии дать причинно-следственное

обоснование предлагаемым результатам, следовательно, не могут использоваться в исследовательской деятельности.

Основой для программ второго типа являются разработанные в результате вероятностно-статистических исследований методики. Подобные программы нацелены на решение определенной почерковедческой задачи и являются лишь инструментом, упрощающим эксперту работу с соответствующей методикой. Очевидно, что для исследовательской работы они не применимы.

Кроме рассмотренных типов программ стоит упомянуть об успешном опыте С. Д. Кулика по решению почерковедческих задач с применением нейронных сетей. Данный подход выгодно отличается от рассмотренных ранее тем, что нейронные сети способны самообучаться в процессе накопления исследуемых примеров почерка. Но построение удачной топологии нейронной сети без заранее построенной и оптимизированной системы описания почерка затруднительно. По этой причине при построении нейронной сети за основу также берется ранее разработанная почерковедческая методика.

В результате можно сделать вывод, что на данный момент автоматизированных методов, способных извлекать информацию о возможных зависимостях в почерке, не существует. Большинство значимых результатов было получено на основе применения вероятностно-статистических методов, которые крайне требовательны к объемам исследуемых образцов и, как следствие, ресурсов для их сбора и обработки. Кроме того, методики существенно зависят от способа обучения письму и используемых в данное время пишущих приборов, поэтому имеют тенденцию устаревать со временем.

Все перечисленное делает актуальной проблему поиска новых методов, включающих интеллектуальный анализ данных и использующих современные компьютерные технологии.

Выбор методов исследования обычно определяется природой изучаемой предметной области. Все предметные области, связанные с задачами анализа данных, можно разделить на три типа («мира»):

«Первый мир» - стохастический. В этом мире события случайны, закономерности, соответственно, носят частотный, вероятностный характер. Для решения задач ИАД в этом мире используются идеи теории вероятностей, в том числе различные статистические методы анализа данных.

«Второй мир»- детерминистский. Факты, принадлежащие этому «миру» причинно-обусловлены.

В «третьем мире» события могут быть как причинно-обусловленными, так и случайными. Это означает, что этот «мир» является обобщением двух других «миров». Кроме того, к этому «миру» следует отнести предметные области «второго мира», представленные «зашумленными», подверженными несистематическим ошибкам, данными.

В почерковедении принято считать проявления тех или иных особенностей почерка случайными в силу того, что на его формирование влияет много факторов, и разделить это влияние не представляется возможным. Однако тот факт, что причинно-следственные закономерности все-таки существуют, позволяет отнести эту предметную область к «третьему миру».

В диссертационной работе рассматривается возможность применения ДСМ-метода автоматического порождения гипотез, как одного из методов ИАД для решения задач в области судебного почерковедения. Этот метод является достаточно универсальным инструментом для решения задач ИАД во «втором мире», а обогащение количественными критериями фальсификации делает возможным его применение для решения задач в предметных областях «третьего мира».

ДСМ-метод реализует важный принцип- «сходство объектов определяет сходство эффектов и их повторяемость». Это отличает его от статистических методов и делает инструментом формализованного качественного анализа данных. Выявляемые в ходе анализа закономерности делают полученные результаты понятными для эксперта, позволяет проследить, на основе чего система выдала тот или иной результат. Такая прозрачность должна повысить объективность

заключения эксперта в суде. Кроме того, анализ самих причинно-следственных связей может способствовать процессу изучения зависимостей в почерке. Таким образом, успешное применение ДСМ-метода могло бы дать положительные результаты, как для практической экспертизы, так и для дальнейшего развития теории почерковедения.

Далее в первой главе описываются задачи почерковедческой экспертизы, выбранные для решения с помощью ДСМ-метода. Это задача идентификации исполнителя документа и две диагностические задачи: определение пола и психологических характеристик исполнителя рукописи по его почерку.

Во второй главе характеризуется ДСМ-метод автоматического порождения гипотез и доказывается корректность его применения к данному классу задач. Представлена модель предметной области. Подробно рассматриваются особенности каждой из отобранных задач и варианты ДСМ-метода для их решения. ДСМ-метод автоматического порождения гипотез был предложен В. К. Финном в конце 1970-х - начале 1980-х годов. Отправной точкой для разработки этого метода послужили идеи Джона Стюарта Милля, чьи инициалы дали название методу. ДСМ-метод формализует схему правдоподобного вывода- ДСМ-рассуждение, извлекающее из базы фактов (БФ), которая содержит объекты, обладающие исследуемым свойством (положительные примеры), объекты, не обладающие этим свойством (отрицательные примеры) и неопределенные объекты, знания о структурных причинах исследуемых свойств и знания о том, какими свойствами обладают неопределенные объекты.

ДСМ-рассуждение является синтезом познавательных процедур: индукции, аналогии и абдукции. Рассуждение состоит из последовательного применения правил правдоподобного вывода первого рода (ППВ I), порождающих гипотезы о причинах целевого свойства и правил правдоподобного вывода второго рода (ППВ II), для прогнозирования наличия (отсутствия) целевого свойства. Этот этап ДСМ-рассуждения образует цикл применения двух познавательных процедур - индукции и аналогии.

ППВ I выявляют сходства положительных примеров, которые не являются сходствами отрицательных примеров. Полученные сходства трактуются как гипотезы о структурных причинах целевого свойства. Для нахождения сходства двух объектов на заданной структуре данных определяется операция сходства.

ППВ II- это выводы по аналогии, использующие порожденные гипотезы о структурных причинах целевого свойства для прогноза наличия (отсутствия) этого свойства у объектов, для которых это раньше было не определено.

Вторым этапом ДСМ-рассуждения является абдуктивное объяснение начального состояния базы фактов с помощью гипотез, полученных в ходе применения ППВ I.

ДСМ-метод решает определенный класс задач, называемых ДСМ-задачами, и дает положительный результат только при условии хорошо разработанной предметной области.

Предварительный анализ задач почерковедческой экспертизы показал их принадлежность к классу ДСМ-задач. Но данная предметная область крайне сложна, и построение удачной модели предметной области с первого раза не представляется возможным. По этой причине проблема адаптации ДСМ-метода для решения задач почерковедческой экспертизы носит итерационный характер, где на каждом этапе может решаться вопрос о необходимости уточнения модели.

При построении модели предметной области за основу были взяты следующие аксиомы предметной области:

• Почерк взрослого человека имеет особенности, которые сохраняются на протяжении длительного времени.

• Индивидуальные характеристики человека (такие как пол, возраст и др.) и его психологические особенности накладывают отпечаток на особенности его почерка.

• Связь между индивидуальными различиями и почерком определяют: а) заданные факторы, б) средовые условия, в) сознательное воздействие индивида.

• Различия в физиологических, двигательных и психологических особенностях, которые отделяют одну личность от другой, с учетом средовых факторов должны отражаться в почерке. Однако в связи с многокомпонентностью этого воздействия в почерке мы получаем как бы его суммарный результат, а не перечень причин-следствий.

• Степень правдоподобности вывода определяется не только наличием аргументов, но и их информативностью.

Целевое - прогнозируемое свойство, выбирается в зависимости от исследуемой задачи. В этой роли может выступать любая характеристика человека, для которой существует эмпирическая взаимосвязь с почерком. Тут следует отметить, что в реальности первичен не почерк человека, а характерные особенности личности, на основе которых он формируется.

Анализируемым объектом является образец почерка - рукопись. Для формализации описания рукописи были подробно изучены существующие методики, применяющиеся в почерковедческой экспертизе. Особенностью таких методик является стремление облегчить работу эксперта, минимизировав количество используемых информативных признаков почерка для решения конкретной задачи. Таким образом, для каждой методики создается свой собственный описатель почерка, который может отличаться от других не только множеством рассматриваемых признаков, но и подробностью их описания. В случае применения ДСМ-метода встала обратная задача - создать наиболее универсальный язык описания почерка, включающий в себя как можно больше выделяемых признаков. В результате на базе классификации признаков почерка, созданной экспертами-почерковедами Московского университета МВД России, был разработан язык, включающий в себя общие (размещение текста на странице, наклон, разгон почерка и т.п.) и частные признаки почерка (описывающие отдельные буквы) для строчных и прописных букв. При этом буква делится на структурные элементы, каждый из которых описывается в отдельности.

Структура объекта (подобъекта) имеет вид: X = {XI, Х2}, где

• X1 = где ^ - значение 1-го общего признака; если X - объект, VI ^ Ф 'к, гдеК— пустое значение;

• X2 = {Р;}; Р;= {(рц(1е!))}, где ру(1ег) - _)-е значение ¡-го признака данной буквы (с точностью до ее части).

Учитывая избыточность такого описания в рамках отдельной задачи, предложено каждому значению каждого признака присваивать вычисляемый вес, который зависит от встречаемости данного значения признака в массиве анализируемых документов. Описанный язык представления данных является универсальным и позволяет решать различные задачи почерковедческой экспертизы, используя единый массив данных.

Операция сходства (П) на множестве объектов может изменяться в зависимости от задачи. Для диагностических задач она определяется следующим образом: X П У = (X1 П У), (X2 П Y2), где

П ЧЛ = (чЛ если я* = я:у) или (X, если Ф qi>)

(Х2ПУ2) = {Р,хПР;у};1=1,...,т

Построение модели предметной области позволило перейти к «настройке» ДСМ-метода для решения обозначенных ранее почерковедческих задач.

Задача идентификации исполнителя документа, является наиболее распространенной и хорошо изученной задачей почерковедения. Как видно из обзора, существует достаточное количество разнообразных методов, в том числе и технических, для успешного решения этой задачи на практике. Целевым свойством в данном случае является факт написания документа определенной личностью. Чаще всего экспертиза проводится на основе кратких (2-3 строки) образцов почерка, когда документ с неустановленным авторством сравнивается с подборками образцов почерка подозреваемых лиц. В случае применения ДСМ-метода на основе имеющихся подборок образцов строятся гипотезы об особенностях исследуемых почерков. В роли операции сходства применяется операция объединения. Поэтому объект- краткий образец- вкладывается в каждую из полученных гипотез, (а не

наоборот). Таким образом, для решения идентификационной задачи принято решение использовать модифицированный ДСМ-метод.

Специфика рассматриваемых в данной задаче объектов требует пересмотра процедуры рассуждения по аналогии. Дело в том, что в почерковедении существенную роль играют два понятия - устойчивость значения признака и его вариативность. При проведении почерковедческой экспертизы особо выделяют значения признаков, встречающиеся неоднократно, т.е. проявляющие устойчивость. Вместе с тем, почерк обладает и вариативностью - один и тот же признак может иметь разные значения, т.е. буква или ее элемент выполняется по-разному. В кратких образцах может встретиться случайный вариативный элемент, который не проявился в других образцах, выполненным этим же лицом. Поэтому полного вложения значений признаков краткого образца в собирательный образец почерка может не быть. С другой стороны, значения признаков почерка не являются абсолютно уникальными. Одни и те же значения встречаются в почерках разных лиц. Учитывая эти особенности и тот факт, что объект вкладывается в гипотезу, а не наоборот, рассуждение по аналогии формулируется таким образом: «если объекты, обладающие свойством вкладываются в гипотезу V, то объект, тлеющий максимальное по мощности пересечение по сравнению с пересечениями этого объекта с другими гипотезами, тоже обладает свойством Максимальность мощности пересечения объекта с гипотезой означает и квазивложение в положительную гипотезу и одновременно отсутствие такого квазивложения в отрицательные гипотезы. Сравнивая мощности пересечений, следует учитывать возможность неравномерного выделения признаков почерка для разных образцов. В таком случае у описанного подробнее документа больше шансов получить максимальную мощность пересечения. Чтобы исключить возможность такого дисбаланса для сравнения множеств, кроме мощности пересечения вводится коэффициент Танимото. С его помощью удалось свести к минимуму случаи противоречивого результата, когда прогнозируемый объект имеет максимальную мощность пересечения с несколькими гипотезами.

Задачи определения пола и психологических характеристик личности относятся к классу диагностических задач. Задача определения пола достаточно хорошо проработана в почерковедческой экспертизе, существует ряд вероятностных методик по установлению пола исполнителя документа. Задача определения психологических характеристик человека по его почерку до сих пор является мало изученной задачей, не решённой на практике. Хотя и существует теоретическое обоснование взаимосвязи почерка человека с его психологическими характеристиками, признанных методик их определения нет. В качестве целевого свойства для подобных задач выступает определенная характеристика личности. Операция сходства соответствует описанной выше. В ППВ I добавлен вес гипотезы, значение которого основано на частоте встречаемости вошедших в гипотезу значений признаков почерка. Для весов гипотез определены порош «разности» и «встречаемости» (=уникальности), которые должны исключить малоинформативные и случайные проявления значений признаков при построении гипотез.

В третьей главе рассматривается программная реализация предложенного метода ИАД.

Система интеллектуального анализа почерковедческих данных реализована в виде веб-приложения с трехуровневой архитектурой, которая предполагает наличие следующих компонентов приложения: клиентское приложение, подключенное к серверу приложений, который в свою очередь подключен к серверу базы данных.

Под клиентским приложением (или терминалом) понимается интерфейсный компонент, который представляет первый уровень, собственно приложение для конечного пользователя. Первый уровень не должен иметь прямых связей с базой данных и не должен быть нагружен основным вычислительным функционалом системы. На этот уровень вынесены простейшие операции: интерфейс авторизации, проверка вводимых значений на допустимость и соответствие формату, несложные операции (сортировка, группировка, подсчет значений) с данными, уже загруженными на терминал. Клиентское приложение со столь ограниченным функционалом еще принято называть «тонким клиентом». В данном случае роль

«тонкого клиента», может выполнить любой имеющийся на компьютере конечного пользователя браузер. Весь функционал этого уровня системы реализован на языке JavaScript- скриптовом языке, который используется при создании сценариев поведения браузера, встраиваемых в веб-страницы, - при использовании фреймворка jQuery, так же написанного на этом языке.

Сервер приложений располагается на втором уровне. На этом уровне сосредоточена большая часть основного вычислительного функционала, отвечающая за реализацию правил взаимодействия объектов предметной области. Вне его остаются фрагменты, экспортируемые на терминалы, а также погруженные в третий уровень хранимые процедуры. В описываемой системе на этом уровне расположена часть функционала, связанная с обработкой и анализом данных, авторизацией пользователей и разграничением их прав. Она реализована на языке PHP версии 5.3. PHP - скриптовый язык, предназначенный для создания HTML-страниц на веб-сервере и работы с базами данных. В качестве сервера приложений в данной системе выступает HTTP-сервер Apache версии 2.2, поддерживающий исполнение скриптов, написанных на языке PHP. Для оптимизации динамического создания HTML-страниц используется компилирующий обработчик шаблонов для языка PHP - Smarty. Доступ к базе данных осуществляется при помощи MySQLi -расширения стандартного драйвера реляционных баз данных, используемого в PHP.

Сервер базы данных обеспечивает хранение данных и выносится на третий уровень. Обычно это стандартная реляционная или объектно-ориентированная система управления базами данных (СУБД). Третий уровень представляет собой базу данных вместе с хранимыми процедурами и схемой, описывающей приложение в терминах реляционной модели. В данной системе в качестве СУБД используется MySQL Community Server версии 5.1. Объектная модель рассматриваемой системы реализована в рамках схемы базы данных.

Для функционирования системы достаточно один раз перед началом работы установить и настроить сервер базы данных и веб-сервер. После этого к системе можно получить доступ с любого компьютера, подключенного к той же сети

(локальной или интернет), что и сервера. При этом требования к аппаратной части, связанные с вычислительной нагрузкой, распространяются только на компьютер(ы), на которых установлены сервера.

Веб-интерфейс системы дает возможность вводить, просматривать и редактировать исходные данные для экспериментов, а так же проводить интеллектуальный анализ имеющихся данных, пользуясь исключительно терминалом.

Описанная система дала возможность оперативно и сообща работать исследовательскому коллективу, рассредоточенному по нескольким организациям.

В четвертой главе описывается экспериментальное исследование, которое было проведено для проверки применимости предложенных вариантов ДСМ-метода к решению отдельных задач почерковедческой экспертизы. Рассматриваются задачи атрибуции (определение пола и темперамента) и идентификационная задача.

Первой для апробации ДСМ-метода была выбрана задача идентификации, как основная задача почерковедческой экспертизы. Дополнительно для проведения исследования были собраны краткие образцы почерка некоторых людей, чьи более полные образцы уже есть в системе. Учитывая специфику задачи, описания образцов должны содержать ярко выраженные индивидуальные особенности почерка, которые в случае задачи атрибуции дали бы только лишний «шум». По этой причине, исходя из практики почерковедческой экспертизы, для решения задачи идентификации было решено использовать описания образцов почерка, включающее только частные признаки по строчным и прописным буквам. В ходе эксперимента использовались разные типы признаков почерка, что в результате показало достаточность использования при идентификации только частных признаков в прописных буквах. Затруднение вызвали случаи, противоречивого решения, когда сразу несколько гипотез имеют максимальную мощность. Для решения этой проблемы был применен коэффициент Танимото.

В результате из исследуемых кратких записей только одна была идентифицирована неверно. Подробное изучение этого документа и его парного

образца с целью установить причину ошибки, выявило следующий факт. Для ошибочно идентифицированного документа его парный образец оказался выполненным некачественно. Некоторые прописные буквы, встретившиеся в кратком образце, фактически отсутствуют в образце почерка этого исполнителя из обучающей выборки, поскольку они выполнены как строчные. Таким образом, обучающий образец оказался неполным, что привело к уменьшению потенциальной мощности гипотезы. При пополнении информации о почерке данного исполнителя проблема его ошибочной идентификации должна быть решена.

Подводя итог вышесказанному, можно утверждать, что решение задачи идентификации кратких записей с применением ДСМ-метода возможно. Для решения этой задачи целесообразно использовать частные признаки почерка в прописных буквах, так как они менее всего зависят от ситуативных факторов, влияющих на почерк человека в конкретном документе.

Первой из диагностических задач была выбрана проблема определения пола человека по его почерку. Такой выбор объясняется тем, что зависимость между полом и почерком человека уже давно подтверждена рядом статистических исследований. Существующие в почерковедческой практике методики определения пола помогли сориентироваться на начальном этапе исследования.

Для проведения экспериментов в рамках данной задачи использовалась выборка из 293 образцов почерка с выделенными общими признаками и выборка из 169 образцов с выделенными как общими, так и частными признаками. Для исследования по общим признакам были использованы образцы 142 мужчин и 151 женщины, по частным 82 мужчин и 87 женщин.

Первым был проведен эксперимент с использованием только общих признаков почерка. Анализ полученных результатов свидетельствовал о необходимости уточнить модель предметной области, с помощью описанных во 2-й главе порогов, отсекающих малоинформативные гипотезы. Используя данные пороги в дальнейших экспериментах, удалось получить более содержательные гипотезы. На этом этапе удалось выявить взаимосвязи почерка с полом человека.

Следующим этапом исследования стала попытка использования общих и частных признаков почерка при решении данной задачи. Из базы фактов, содержащей 82 мужских и 87 женских образцов почерка, 10 женских и 5 мужских образцов были исключены из числа положительных примеров и представлены как объекты с неопределенным свойством. Используя сформулированные в ходе предыдущего эксперимента пороги и операцию сходства, с помощью ДСМ-метода 14 документов были доопределены правильно и один документ доопределился как противоречивый. Эксперимент был повторен для других 15-ти документов с таким же результатом. Попытка увеличить число неопределённых документов до 25 и соответственно уменьшить число положительных и отрицательных примеров резко ухудшила результат, а сокращение неопределенных примеров до 9-ти дало 100%-е правильное доопределение. Это вполне объяснимо, если учесть принадлежность данной предметной области к третьему, а не второму «миру».

Оценивая полученные результаты, можно утверждать о возможности положительного применения интеллектуального анализа данных, основанного на ДСМ-методе, к решению данной задачи при условии расширения массива исследуемых образцов почерка. Кроме того, при сравнении гипотез о зависимостях, построенных ДСМ-методом, с почерковедческими методиками в ряде случаев был установлен факт выделения одних и тех же информативных признаков каждым из методов, что свидетельствует о возможности использования этих гипотез при разработке и корректировании почерковедческих методик. Т.е. возможно применять ДСМ-метод не только для прогнозирования целевого свойства, но и для развития теории почерковедения путем выявления новых зависимостей почерка.

В качестве последней задачи выбрана проблема взаимосвязи почерка человека с его психологическими характеристиками. Было проведено психологическое тестирование, с применением методик Айзенка (опросник ЕРС?) и Стреляу. На добровольной основе тестирование прошли 178 человек из тех, чьи образцы почерка ранее были внесены в базу. В результате для этих людей по методике Айзенка были определены следующие психологические показатели: нейротизм, психотизм,

экстраверсия/интроверсия. На основе шкал нейротизма и экстраверсии/интроверсии в методике Айзенка предложена типизация личности по темпераменту. Кроме того, опросник ЕР0 включает механизм оценки искренности испытуемого, «шкалу лжи». На основе этого параметра только 86 собранных результатов тестов оказались пригодны для проведения эксперимента.

Попытка использования только общих признаков почерка для определения темперамента не дала положительных результатов. При добавлении частных признаков для исследования стало доступно 48 документов. Поскольку массив документов имеет небольшой объем, было решено найти гипотезы и проверить критерий достаточного основания, чтобы понять, можно ли использовать эти гипотезы для доопределния. Для экспериментов были выбраны разные целевые свойства- тип темперамента, уровень нейротизма, экстраверсия/интроверсия и уровень психотизма. В результате для типа темперамента полученными гипотезами 42 документа из 48 были объяснены правильно, 1 ошибочно и 5 не объянены.

Для нейротизма, выбранного в качестве целевого свойства 46 документов из 48 были объяснены правильно, 1 противоречиво и 1 объяснен не был. Когда 6 объектов были исключены из множества положительных примеров и доопределены с помощью полученных гипотез, 5 из них доопределялось правильно и 1 противоречиво.

Для экстраверсии/интроверсии проверка критерия достаточного основания дала численно такие же результаты, как для нейротизма, хотя сами необъясненные и объясненные противоречиво документы отличаются. Для психотизма выборка оказалась не сбалансированной, что объясняется спецификой самой выборки. Как следствие все 36 документов со значением психотизма «средний» были объяснены правильно, а остальные 12 со значениями «высокий» и «низкий» ошибочно. Естественно, что такая малая выборка не может дать гипотез на достаточном основании. Из этого можно сделать вывод, что для получения более достоверных результатов необходим больший объем выборки и ее сбалансированность по значениям психологических характеристик.

Следует заметить, что значения психологических характеристик вычисляются по ключу психологического теста, и граница между соседними значениями достаточно условна. Характерно, что практически все противоречиво и ошибочно определенные объекты получили значения соседние с правильным.

Для проведения анализа данных с использованием параметров, определяемых методикой Стреляу, выборка так же оказалась несбалансированной. Поэтому проведение экспериментов на данном этапе нецелесообразно.

Очевидно, что для продолжения исследования взаимосвязи почерка человека и его психологических свойств необходимо пополнение базы фактов новыми образцами почерка. Для получения более точных психологических данных необходимо использование батареи тестов и проведение тестирования профессиональными психологами. Но на основе полученных результатов, уже сейчас можно говорить о применимости ДСМ-метода к решению данной задачи. Более того результаты, полученные при использовании ДСМ-метода, подтверждают наличие зависимостей между психологическими характеристиками и почерком.

В заключении сформулированы выводы, которые можно сделать на основании проведенных исследований, перечислены основные результаты и рассмотрены возможные перспективы развития.

Основные результаты, полученные в диссертационной работе:

1. Созданы модели предметной области для задачи идентификации и двух диагностических задач.

2. Разработаны уточнения прямого метода сходства и модифицированного ДСМ-метода для решения диагностических задач и идентификационной задачи почерковедческой экспертизы.

3. Создана экспериментальная версия интеллектуальной ДСМ-системы для анализа данных в почерковедении.

4. Доказана применимость разработанных вариантов ДСМ-метода к решению идентификационной и диагностических задач почерковедческой экспертизы с помощью экспериментальных исследований.

Список опубликованных работ по теме диссертации в ведущих рецензируемых изданиях, рекомендованных ВАК:

1. Гусакова С.М., Комаров A.C. Возможности использования ДСМ-метода для решения задач почерковедческой экспертизы // НТИ. Сер. 2. М., 2007. №10. С 9-14.

2. Комаров A.C. Интеллектуальный анализ данных в почерковедении: программная реализация // Вестник РГГУ. Сер. Информатика. Защита информации. Математика. М.: РГГУ, 2010. №12. С. 290-298.

3. Комаров A.C. Решение диагностических задач почерковедческой экспертизы: экспериментальные исследования и анализ результатов // НТИ. Сер. 2. М.,2010.№11.С. 26-29.

Публикации в других изданиях:

4. Гусакова С.М., Комаров A.C., Устинов В.В., Федорович В.Ю. Применение ДСМ-метода к решению задач почерковедческой экспертизы // 10-я национальная конференция по искусственному интеллекту с международным участием. Обнинск, 26-28 сентября 2006 г. Труды конференции в 3 т. М.: Физматлит, 2006. Т. 1 С. 276-283.

5. Гусакова С.М., Комаров A.C., Устинов В.В., Федорович В.Ю. Интеллектуальный анализ данных в криминалистике // Информационное общество, интеллектуальная обработка информации, информационные технологии. 7-я международная конференция. Москва, ВИНИТИ, 24-26 октября 2007 г. Материалы конференции. М.: ВИНИТИ, 2007. С. 328-329.

6. Гусакова С.М., Комаров A.C. Выявление связи особенностей высшей нервной деятельности и почерка методом интеллектуального анализа данных // XI Национальная конференция с международным участием «Искусственный интеллект-2008», Дубна, 29 сентября - 2 октября 2008 г., Труды конференции в 3 т. Дубна, 2008. Т. 1 С. 79-84.

7. Гусакова С.М. Комаров A.C., Устинов В.В., Федорович В.Ю. Критерий достаточного основания как средство интеллектуального анализа криминалистических данных. // 3-я Международная конференция «Системный анализ и информационные технологию), Звенигород, 14-18 сентября 2009 г., Труды конференции. М., 2009. С. 173-175.

Комаров Алексей Сергеевич

ЛОГИЧЕСКИЕ И ПРОГРАММНЫЕ СРЕДСТВА ИНТЕЛЛЕКТУАЛЬНОГО

АНАЛИЗА КРИМИНАЛИСТИЧЕСКИХ ДАННЫХ

Автореферат диссертации на соискание ученой степени кандидата технических наук

Подписано в печать 08.11.2010. Формат 60x90/16. Усл. печ. л. 1. Тираж 100 экз. Заказ №_£££_

Отпечатано в ВИНИТИ РАН. 125190, Москва, ул. Усиевича, д. 20.

Список используемых сокращений.

Введение

Глава I. Обзор существующих методов почерковедческой экспертизы и интеллектуального анализа данных.

1.1. Почерковедение и почерковедческая экспертиза.

1.2. Основные задачи почерковедческой экспертизы и методы их решения.

1.3. Методы интеллектуального анал иза данных.

Глава II. Варианты ДСМ-метода для анализа криминалистических данных.

2.1. Общее описание ДСМ-метода.

2.2. Проверка условий применимости ДСМ-метода к задачам почерковедения.

2.3. Модель предметной области.

2.4. Вариант ДСМ-метода для идентификационной задачи.

2.5. Вариант ДСМ-метода для задачи определения пола исполнителя рукописи по его почерку.

2.6. Вариант ДСМ-метода для решения задачи определения психологических характеристик исполнителя рукописи по почерку.

Глава III. ДСМ-система.

3.1. Программная реализация.

3.2. Структура базы данных.

3.3. Веб-интерфейс.

3.4. Общая схема ДСМ-системы.

Глава IV. Экспериментальные исследования.

4.1. Характеристика исследуемых данных.

4.2. Идентификация.

4.3. Пол.

4.4. Темперамент.

4.5. Анализ результатов.

Современные методы интеллектуального анализа данных (ИАД) получили широкое распространение в различных областях. Их применение связано с накоплением больших массивов данных, хранящихся в электронном виде.

Поиск данных, реализованный в информационных системах, сведения, получаемые в результате работы экспертных систем, не создают новых знаний на основе имеющихся данных.

Цель интеллектуального анализа данных - нахождение причинно-следственных зависимостей, проведение рассуждений и получение выводов, порождающих новые знания.

Однако в гуманитарных областях знаний применение методов ИАД пока еще достаточно ограничено. Исключение составляет социология, где успешно применяется ДСМ-метод автоматического порождения гипотез [62] и [12; 23; 24; 66; 67]. Такое ограниченное применение объясняется спецификой строения гуманитарного знания [65]. Тем не менее, и в гуманитарной сфере можно выделить такие области и задачи в них, где применение методов ИАД возможно с учетом специфики этих областей. Такой областью является криминалистика, а точнее почерковедение.

Почерковедение занимается изучением закономерностей формирования, функционирования и изменения функционально-динамического комплекса (ФДК) навыков, лежащего в основе почерка. В [49] утверждается, что зависимости между исполнителем рукописи и его почерком носят принципиально вероятностно-статистический характер. Поэтому методы, применяющиеся для решения задач в почерковедении, в основном, носят вероятностно-статистический характер. С другой стороны результаты исследования связей между факторами, влияющими на почерк, и признаками почерка [43; 54; 69] позволяют предположить, что детерминистская составляющая в этих зависимостях присутствует.

Большая сложность задачи определяется многокомпонентностью в описании исполнителя рукописи и множественностью факторов, влияющих на формирование почерка. Конечно, многокомпонентность и многофакторность проявления особенностей если и не исключает полностью возможности существования детерминированных связей, то во всяком случае, сильно затрудняет,' а иногда и делает практически неосуществимым их выявление. Однако из этого еще не следует, что связи носят статистический характер и могут быть обнаружены только вероятностно-статистическими методами.

Почерковедческие исследования лежат в основе почерковедческой и, как частный случай, судебно-почерковедческой экспертизы. Объектом почерковедческой экспертизы является сложная система: человек - почерк -рукопись. Задачи, решаемые почерковедческой экспертизой, делятся на идентификационные и диагностические.

Актуальность применения интеллектуального анализа данных в криминалистике определяется неполным соответствием существующих методов почерковедческой экспертизы требованиям, предъявляемым к ней судебными органами и необходимостью большей объективизации выводов эксперта-почерковеда. Одним из путей объективизации экспертизы почерка является применение модельных методов, наиболее разработанные и распространенные из которых - вероятностно-статистические методы. Они реализуются на базе специальных методик, создание которых требует сбора и обработки большого объема почеркового материала. Большинство существующих экспертно-почерковедческих методик разработано в середине прошлого века. Однако эволюция пишущего прибора и изменение стандартов прописей привело к устареванию и снижению эффективности этих методик. Затратность и трудоемкость создания новых методик ведет к невозможности их применения в реалиях настоящего времени. Это приводит к поиску новых способов объективизации почерковедческой экспертизы.

Предлагаемые в диссертации методы интеллектуального анализа данных, являются одним из таких способов. Поэтому проблема создания интеллектуальной системы на основе этих методов для проведения исследований в области почерковедения, выявления зависимостей и решения задач почерковедческой экспертизы с обоснованием выводов, чему посвящена диссертационная работа, является актуальной.

Новизна результатов проведенного в работе исследования определяется тем, что были разработаны логические средства, являющиеся развитием ДСМ-метода с учетом специфики решаемых задач. Впервые создана интеллектуальная ДСМ-система для анализа криминалистических данных. Это дает возможность специалистам проводить исследования в почерковедении и решать различные задачи с использованием одного массива данных.

Разработанные методы достаточно универсальны. Они могут быть применены для решения аналогичных задач в криминалистике и других предметных областях. Этим определяется теоретическая значимость работы.

Практическая значимость работы связана с тем, что созданная интеллектуальная система позволяет проводить научные и экспериментальные исследования в области почерковедения и обосновывать выводы почерковедческой экспертизы. Программная реализация системы с применением веб-технологий позволяет оперативно и сообща работать исследовательскому коллективу, рассредоточенному по нескольким организациям.

Апробация работы. Основные научные выводы и результаты работы докладывались на 10-ой и 11-ой национальных конференциях по искусственному интеллекту «КИИ-2006» и «КИИ-2008» (Обнинск, 2006 г., Дубна, 2008 г.), 7-й международной конференции «Информационное общество, интеллектуальная обработка информации, информационные технологии» (Москва, 2007 г.), 3-й Международной конференции «Системный анализ и информационные технологии» (Звенигород, 2009 г.), на научном семинаре Отдела теоретических и прикладных проблем информатики и ученом совете Всероссийского института научной и технической информации Российской академии наук, на заседании Общемосковского научного семинара «Проблемы искусственного интеллекта», проводимого РАИИ в Политехническом музее.

Публикации. Основные теоретические положения диссертации изложены в 7 публикациях, в том числе 3 работы в ведущих рецензируемых научных журналах, рекомендованных ВАК РФ.

Работа состоит из введения, четырех глав и заключения, списка используемой литературы и приложений.

В первой главе дается обзор существующих методов интеллектуального анализа данных и методов решения почерковедческих задач. На основе этого обзора делается вывод о целесообразности применения методов ИАД в почерковедении и за основу берется ДСМ-метод автоматического порождения гипотез. Описываются задачи почерковедческой экспертизы, для решения которых будут разрабатываться варианты ДСМ-метода.

Во второй главе описан ДСМ-метод, перечислены интеллектуальные ДСМ-системы, работающие в различных предметных областях. Показано, что выбранные для решения задачи почерковедческой экспертизы принадлежат к классу ДСМ-задач. Для каждой задачи описывается разработанная модель предметной области. Формулируются предикаты сходства и правила правдоподобного вывода.

Третья глава посвящена описанию программной реализации предложенного метода ИАД. Приводится структура базы данных, веб-интерфейс и собственно реализация ДСМ-Решателя.

В четвертой главе дается описание экспериментального исследования, проведенного с помощью созданной версии интеллектуальной системы. Описываются выборки, использовавшиеся для решения идентификационной и двух диагностических задач. Анализируются результаты, полученные в экспериментах.

В заключении излагаются выводы, которые можно сделать на основе проведенных исследований, формулируются основные результаты, полученные автором, и рассматриваются перспективы развития.

Основные результаты работы, выносимые на защиту:

1. Модель предметной области.

2. Варианты ДСМ-метода для решения идентификационной и двух видов атрибутивных задач почерковедческой экспертизы.

3. Экспериментальная версия системы интеллектуального анализа данных, реализованная с применением современных веб-технологий.

4. Результаты экспериментального исследования, подтвердившие возможность применения разработанных методов для исследований в почерковедении и решения задач почерковедческой экспертизы.

Заключение

Проведенные в диссертации исследования позволяют сделать выводы о том, что вероятностно-статистические методы, традиционно использующиеся в криминалистике, в частности в области почерковедческой экспертизы, не всегда применимы в условиях настоящего времени. Актуальная на данный момент проблема повышения объективизации результатов экспертизы показала необходимость поиска качественно новых, в том числе интеллектуальных, методов исследования данных. Одним из таких методов может стать ДСМ-метод автоматического порождения гипотез, позволяющий получать качественные результаты анализа данных даже при работе с небольшими объемами информации.

Особенности предметной области почерковедческой экспертизы потребовали разработки адекватных вариантов ДСМ-метода. В результате сформулированы варианты ДСМ-метода для решения идентификационной задачи и двух диагностических задач почерковедческой экспертизы. Выбранный язык представления данных, позволил использовать единую базу данных для решения различных задач в области почерковедения. Созданная ДСМ-система, дала возможность провести на собранных данных ряд экспериментальных исследований, подтвердивших применимость ДСМ-метода к решению почерковедческих задач.

Результаты исследований могут быть использованы как в исследовательской работе специалиста-почерковеда, так и для проведения почерковедческой экспертизы. Предложенные в работе методы могут использоваться и в других задачах с использованием криминалистических данных.

В работе получены теоретические и практические результаты:

1. Разработан вариант ДСМ-метода для решения идентификационной задачи почерковедческой экспертизы.

2. Разработан вариант ДСМ-метода для решения диагностических задач почерковедческой экспертизы.

3. Создана интеллектуальная ДСМ-система для анализа криминалистических данных.

4. Проведен интеллектуальный анализ данных и установлено, что для решения идентификационной задачи необходимо использовать частные признаки в прописных буквах. Для диагностических задач в основном должны использоваться частные признаки. Общие признаки являются уточняющими при решении этих задач.

В перспективе развития диссертационной работы планируется дальнейшее проведение исследований в почерковедении и смежных областях криминалистики. В частности, использование разработанных методов для анализа взаимосвязи почерка и дактилоскопических данных.

1. Аншаков О.М. Каузальные модели предметных областей // НТИ. Сер. 2. М.: 2000. №3. С. 3-17.

2. Неидентификационные исследования в почерковедческой экспертизе / Отв. Ред. JI.E. Ароцкер. Харьков, 1972.

3. Арский Ю.М., Финн В.К. Принципы конструирования интеллектуальных систем //Информационные технологии и вычислительные системы. М., 2008. №4. С. 95-128.

4. Бастыркин А.И. Криминалистическое исследование письма. СПб., 2002. 91 с.

5. Батаршев A.B. Психология индивидуальных различий: От темперамента — к характеру и типологии личности. М.: Гуманит. изд. центр ВЛАДОС, 2000. 256 с.

6. Вагин В.Н., Головина Е.Ю., Загорянская A.A., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах / Монография. Под ред. В.Н.Вагина и Д.А.Поспелова. М.: Физматлит, 2008. 714 с.

7. Варшавский П.Р., Еремеев А.П. Методы правдоподобных рассуждений на основе аналогий и прецедентов' для интеллектуальных систем поддержки принятия решений // Новости Искусственного Интеллекта. М., 2006. №3. С. 39-62.

8. Виноградов Д. В. Несимметричный ДСМ-метод с учетом контекста // Пятая национальная конференция с международным участием .Искусственный интеллект-96. Казань: 1996. - КИИ-96: Сб. науч. тр.: В 3 т. Казань: Ассоц. искусств, интеллекта, 1996.

9. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. Питер-Пресс, 2000.

10. Григорьев П. А. Методы интеллектуального анализа данных в предметных областях с частично детерминированными свойствами объектов / Диссертация на соискание ученой степени кандидата технических наук. М.: РГГУ, 2000.

11. Гусакова С.М., Финн B.K. Сходство и правдоподобный вывод // Известия АН СССР. Сер. Тех. Кибернетика. М., 1987. №5 С. 42-63.

12. Гусакова С.М., Финн В.К. Об одной модели электорального поведения // VII Национальная конференция с международным участием «Искусственный интеллект-2000», Переславль-Залесский, Октябрь 2427 2000 г., Труды конференции. М.: ВИНИТИ, 2000. Т. 1.

13. Гусакова С.М., Михеенкова М.А., Финн В.К. О логических средствах автоматизированного анализа мнений // НТИ. Сер.2. М., 2001. №5.

14. Гусакова С.М. ДСМ-метод, основанный на новом- виде сходства 6-я международная, конференция НТИ-2002, «Информационное общество. Информационные ресурсы и технологии. Телекоммуникации», Труды конференции. М.: ВИНИТИ, 2002.

15. Гусакова С.М: Подход к решению задач атрибуции исторических источников с помощью ДСМ-метода Новости искусственного интеллекта. М., 2004. №3.

16. Гусакова С.М., Комаров A.C. Возможности использования ДСМ-метода для решения задач почерковедческой экспертизы // НТИ. Сер. 2. М., 2007. №10. С 9-14.

17. Гусакова С.М. Логико-комбинаторные методы анализа исторических данных Методы исторического познания. Сборник статей по материалам круглого стола. Москва, ИВИ РАН, 2008.

18. Гусакова С.М. Операция сходства в идентификационной задаче почерковедческой экспертизы // НТИ, сер. 2, №3, 2010.

19. Данилова E.H., Михеенкова М.А., Московский С.С., Финн В.К. Об одной модели детерминации социального поведения / в кн. Финн В.К. Интеллектуальные системы и общество. M.: URSS, 2006. С. 277-285.

20. Добрынин Д.А., Карпов В.Э. Моделирование некоторых форм адаптивного поведения интеллектуальных роботов. Информационные технологии и вычислительные системы. М., 2006. №2. С. 45-56.

21. Добрынин Д.А., Зуева М.А., Панкратова Е.С., Цапенко И.В. Интеллектуальная ДСМ-система для диагностики заболеваний зрения. Труды II международной конференции «Системный анализ и информационные технологии (САИТ-2007)». M.: URSS. Т.1 С. 156-159.

22. Зуев-Инсаров Д.М. Почерк и личность. М., 1993. 122 с.

23. Кирсанов З.И., Рогозин А.П. Возможности определения возраста и пола по почерку // Применение математических методов и вычислительной техники в праве, криминалистике и судебной экспертизе. Материалы симпозиума. М., 1970.

24. Комаров A.C. Интеллектуальный анализ данных в почерковедении: программная реализация // Вестник РГГУ. Сер. Информатика. Защита информации. Математика. М.: РГГУ, 2010. №12. С. 290-298.

25. Комаров A.C. Решение диагностических задач почерковедческой экспертизы: экспериментальные исследования и анализ результатов // НТИ. Сер. 2. М.,2010. №11. С. 26-29.

26. Психологический словарь / Под ред. В.П. Зинченко, Б.Г. Мещерекова. 2-е изд., перераб. и доп. М.: Педагогика-Пресс, 1996. 440 с.

27. Кофман А. Введение в теорию нечетких множеств. М., 1982. •

28. Кулик С.Д. Биометрические системы идентификации личности для автоматизированных фактографических информационно-поисковых систем // Нейрокомпьютеры: разработка, применение. 2003. №12. С. 5265.

29. Кулик С. Д., Никонец Д.А. Средства автоматизации исследования рукописных документов для обеспечения информационной безопасности // Безопасность информационных технологий. М.: МИФИ, 2009. №4. С. 81-89.

30. Кулик С.Д., Никонец Д.А. Примеры использования нейросетевого алгоритма в методиках для эксперта-почерковеда //Нейрокомпьютеры: разработка и применение. М.: Радиотехника, 2009. №9. С. 61-85.

31. Ланцман P.M. Кибернетика и криминалистическая экспертиза почерка. М., 1968.

32. Липкин A.A. ДСМ-метод порождения гипотез для объектов, описываемых атрибутами с весами / Диссертация на соискание ученой степени кандидата технических наук. М.: РГГУ, 2008.

33. Лисиченко В.К., Липовский В.В. Исправленному не верить. Киев, 1990. 58 с.

34. Максин М.В. Об одном подходе к проблеме комбинирования использования логических и численных методов в интеллектуальном анализе данных. // НТИ. Сер. 2.М., 2004. №10. С. 14-19.

35. Максин М.В. Архитектура интегрированной ДСМ-системы интеллектуального анализа гибридных данных НТИ. Сер. 2.М., 2006. №9. С. 10-17.

36. Марютина Т.М. О генотипической обусловленности вызванных потенциалов человека // Проблемы генетической психофизиологии. М., 1978.

37. Дж. С. Милль Система логики силлогической и индуктивной. М.: Книжное дело, 1900.

38. Моргенштерн И.Ф. Психографология. М.,1994. 67 с.

39. Никонец Д.А. Нейросетевые технологии для решения задач криминалистики //Нейрокомпьютеры: разработка и применение. М.: Радиотехника, 2009. №4. С. 26-45.

40. Орлова В.Ф., Сахарова Н.Г. Применение математических методов и ЭВМ основные задачи автоматизации в судебно-почерковедческой экспертизе // Использование математических методов и ЭВМ в экспертной практике: Сб. науч. трудов ВНИИСЭ. М., 1989.

41. Орлова В.Ф. Судебно-почерковедческая диагностика: Учеб. пособие для студентов вузов. М.: ЮНИТИ-ДАНА, Закон и право, 2006.

42. Судебно-почерковедческая экспертиза: общая часть: теор. и метод, основы / под науч. ред. В.Ф. Орловой. РФЦСЭ при Минюсте России. 2-е изд., перераб. и доп. М:: Наука, 2006. С. 40-41.

43. Панкратова Е.С. Применение ДСМ-метода к задаче распознавания прямых и непрямых канцерогенов // НТИ. Сер. 2. М.,1993. №3. С. 14-16

44. Потапов С.М. Судебная фотография. М., 1926. 102 с.

45. Практическая психодиагностика. Методики и тесты. Учебное пособие. / редактор-составитель Райгородский Д.Я. Самара: ИД «БАХРАХ-М», 2003. 627 с.

46. Сергиенко Л.П., Кореневич В.П. Соотношение влияния наследственности и среды в процессе обучения движениям человека // Вопросы психологии. 1989. № 4.

47. Суходольский Г.В., Математические методы в психологии: Учебное пособие. М.: Гуманитарный центр, 2008.

48. Торвальд Ю. Век криминалистики. М., 1991. 64 с.

49. Фабрикантова Е.Ф. Применение ДСМ-рассуждений для интеллектуального анализа данных и автоматического порождения гипотез о путях биотрансформации. // НТИ. Сер. 2. М., 2002. №2 С. 844.

50. Фадеев В.В. Личностные компоненты развития письменной речи. // Северный Вестник. 1989 С. 146.

51. Финн В.К. Базы данных с неполной информацией и новый метод автоматического порождения гипотез // Диалоговые и фактографические системы информационного обеспечения. М., 1981. С. 153-156.

52. Финн В.К. О машинно-ориентированной формализации правдоподобных рассуждений в стиле Ф. Бэкона Д.С. Милля // Семиотика и информатика. 1983. №20. С. 35-101.

53. Финн В.К. Об обобщенном ДСМ методе автоматического порождения гипотез // Семиотика и информатика. 1989. №29. С. 93-123.

54. Финн В.К. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ // Итоги науки и техники. Сер. Информатика. 1991. Т. 15. С. 54-101.

55. Финн В.К. Синтез познавательных процедур и проблема индукции // НТИ. Сер.2. М., 1999. №1-2. С.8-45.

56. Финн В.К. Об особенностях ДСМ-метода как средства интеллектуального анализа данных //НТИ. Сер. 2. М.: 2001 №5 С. 1-4.

57. Финн В.К. Гуманитарное знание и искусственный интеллект /в кн. Финн В.К. Интеллектуальные системы и общество. M.: URSS, 2006. С. 52-56.

58. Финн В.К., Михеенкова М.А. Логика интеллектуальных систем как средство системного анализа в социологии / в кн. Финн В.К. Интеллектуальные системы и общество. M.: URSS, 2006. С. 323-334.

59. Финн В.К., Михеенкова М.А. Логические средства формализации закрытых опросов и проблемы распознавания рациональности мнений / в кн. Финн В.К. Интеллектуальные системы и общество. M.: URSS, 2006. С. 335-343.

60. Шварц В. Б. К проблеме врожденного и приобретенного в развитии двигательных способностей // Проблемы генетической психофизиологии. М., 1978.

61. Щегловитов И. Судебная фотография // Северный Вестник. 1892. №11. С. 99-101.

62. Bertillon A. La comparasen des acritures at L'identi fication grapheque. Jeurn. «Revese scientifeque», dec. 1897-jun. 1898.

63. Hájek P., Havránek T. The GUHA method its aims and techniques // International Journal of Man-Machine Studies. 1977. Volume 10, Issue 1. Page 3-22.