автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка и исследование кластерных экспертных систем

На правах рукописи

ЯНЛБВЛ Марина Викторовна

РАЗРАБОТКА И ИССЛЕДОВАНИЕ КЛАСТЕРНЫХ ЭКСПЕРТНЫХ СИСТЕМ

Специальность: 05.13.01 - Системный анализ, управление и обработка информации (информационные и технические системы)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Краснодар - 2006

Рабата выполнена в Кубанском государственном технологическом университете

Научный руководитель: кандидат технических наук, доцент

Малыхина МЛ.

Официальные оппоненты: доктор технических наук, профессор

Хнсамов ФР.

кандидат технических наук Григорьев Н.Ф.

Ведущая организация: Кубанский государственный университет

(г. Краснодар)

Защита диссертации состоится 20 декабря 2006 г. в 14 часов на заседании диссертационного совета Д 212.100.04 в Кубанском государственном технологическом университете по адресу: г. Краснодар, ул. Московская 2, корпус А, конференц-зал

С диссертацией можно ознакомиться в библиотеке Кубанского государственного технологического университета по адресу: 350072, г. Краснодар, ул. Московская 2, корпус А

Автореферат разослан 17 ноября 2006 г.

Отзывы на автореферат, заверенные печатью учреждения, просим направлять по адресу: 350072, г. Краснодар, ул. Московская 2, корпус А КубГТУ, ученому секретарю диссертационного совета Д 212.100.04, канд. техн. наук, доценту Власенко A.B.

Ученый секретарь

диссертационного совета Д 212,100.04,

кацд. техн. наук, доцент

A.B. Власенко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность исследования. Первоначально все экспертные системы разрабатывались по классической архитектуре. Однако, по мере развития информационных технологий появились проблемы, которые уже невозможно было решить традиционными методами. Примером одной из таких проблем явилась необходимость сочетания в процессе логического вывода знаний нескольких самостоятельно функционирующих экспертных систем. Системы же разработанные по классической архитектуре предоставляли возможности консультаций только в рамках заданной предметной области, расширить диапазоны которой не представлялась возможным. Стратегия решения выбиралась из заранее определенного числа вариантов. Типичной являлась ситуация, когда экспертная система оказывалась в тупиковой ситуации при любых изменениях в предметной области. Ситуации подобного рода связаны с тем, что при проектировании экспертных систем не затрагивались вопросы расширения ее возможностей, что приводило к необходимости перепроектирования системы в целом. Возникло новое направление интеграции различного рода приложений из готовых интеллектуально-взаимодействующих модулей. На первый план вышла задача разработки методики и инструментария проектирования экспертных систем в виде самостоятельно функционирующих модулей, имеющих возможность объединять свои знания в рамках решения поставленной задачи. При этом наращивание интеллектуальной мощности проектируемых приложений должно было оставаться прозрачным для пользователя, а сами экспертные системы не требовали бы перепроектирования. На сегодняшний день существует ряд направлений в области интеграции экспертных систем. Однако следует отметить, что несмотря на предлагаемые концепции они выявляют и ряд недостатков: во — первых, разнородность экспертных систем и невозможность осуществлять обмен информацией вследствие программной и технической несовместимости, во — вторых, остаются нерешенными проблемы единого представления знаний

в интегрируемой среде, отсутствуют методы организации процессов обмена данными между экспертными системами, входящими в ее состав, отсутствуют методы обработки запросов к экспертным системам, отсутствует методология проектирования интегрированной среды в целом, в — третьих, нет четкой методики проектирования интегрированных экспертных систем.

Для решения указанных проблем в данной работе исследуется и разрабатывается новый тип экспертных систем — кластерные экспертные системы (КЭС).

Диссертационная работа посвящена разработке принципов функционирования, методике и технологии создания кластерных экспертных систем, способных гибко наращивать свой вычислительный потенциал без необходимости перепроектирования системы в целом.

В работе спроектирована полнофункциональная диагностическая кластерная экспертная система, демонстрирующая широкие возможности и эффективность КЭС.

Цель работы. Целью диссертационной работы является теоретическое обоснование и разработка основных принципов и методики создания кластерных экспертных систем, экспериментальное исследование предложенных методов на . практике в виде кластерной экспертной системы диагностики.

Задачи исследования. . - провести сравнительный анализ существующих интегрируемых экспертных систем, выявить основные недостатки и определить пути их решения;

- разработать общую методику создания КЭС;

- построить схему декомпозиции знаний любой предметной области;

- разработать методы обработки запросов пользователя;

- создать математическую модель функционирования подсистемы управления выводом знаний в КЭС;

- исследовать концепции и методы построения экспертных систем, разработать локальные экспертные системы, входящие в состав КЭС;

- разработать механизм управления знаниями существующих локальных систем, алгоритмы формирования и распределения запросов между локальными системами.

Методы исследования. Поставленные задачи решены с применением теории графов, теории множеств, теории вероятности, методов инженерии знаний и технологии экспертных систем, технологии, реализующий компонентный подход разработки модульных приложений, Microsoft СОМ.

Научная новизна. В соответствии с целью работы и задачами исследования в диссертационной работе были получены следующие научные результаты:

- разработаны методы построения кластерной экспертной системы, в основу которых был положен новый подход проектирования экспертных систем на основе использования СОМ - технологии;

- разработана структура кластерной экспертной системы, алгоритмы функционирования основных ее компонентов;

- разработана математическая модель подсистемы управления выводом знаний для кластерной экспертной системы;

- предложена схема декомпозиции знаний смежных экспертных систем;

- рассмотрены экспертные вероятностные оценки определения достоверности получаемого решения;

- разработан алгоритм определения порядка идентификации локальных экспертных систем и механизмы управления процессом распределения запросов между локальными экспертными системами,

- спроектирована и реализована кластерная экспертная система диагностики инфекционных заболеваний «MED - Expert»;

- предложена общая методика и технология проектирования кластерных экспертных систем, позволяющая создавать кластерные экспертные системы для решения задач в различных предметных областях.

Практическая значимость работы. Практическая ценность полученных результатов заключается в реализации методики построения КЭС в виде интеллектуальной кластерной экспертной . системы диагностики инфекционных заболеваний «MED - Expert». Разработанная система прошяа апробацию в территориальном отделе Федеральной службы РОСПОТРЕБНАДЗОР по Краснодарскому краю Российской Федерации. Апробация работы продемонстрировала эффективность применения предложенной методики объединения знаний локальных экспертных систем для выбранной предметной области. При этом исключается необходимость применения других экспертных систем в случае недостаточности данных, так как в конечном счете предположительно диагностируется инфекционное заболевание с определенной степенью достоверности решения.

Основные положения, выносимые на защиту. 1. Результаты сравнительного анализа существующих методов интеграции

экспертных систем. ,2. Принципы построения и архитектура кластерной экспертной системы.

3. Математические основы построения кластерных экспертных систем.

4. Модель подсистемы управления выводом знаний.

5. Алгоритм определения порядка выполнения запросов к локальным экспертным системам и механизмы управления процессом распределения запросов между локальными экспертными системами.

6. Экспертные вероятностные оценки определения достоверности получаемого решения.

7. Методика и технология проектирования кластерных экспертных систем.

8. Архитектура кластерной экспертной системы диагностики инфекционных заболеваний.

9. Результаты оценки эффективности кластерной экспертной системы диагностики инфекционных заболеваний.

10. Сравнительный статистический анализ эффективности и работоспособности кластерной экспертной системы «MED - Expert».

Апробация результатов исследования. Основные положения диссертационной работы докладывались и обсуждались на 2 международных и 4 всероссийских научных и научно-методических конференциях:

1. VIII Всероссийской научно-практической конференции «Инновационные процессы в высшей школе», г. Краснодар, 2002 г.;

2. X Юбилейной всероссийской научно-практической конференции «Инновационные процессы в высшей школе», г. Краснодар, 2004 г.;

3. Всероссийской научно — практической конференции молодых ученных и студентов «Современное состояние и приоритеты развития фундаментальных наук», г. Анапа, 2004 г.;,'

4. II Международной научно-практической конференции «Развивающиеся интеллектуальные системы автоматизированного. проектирования н управления», г. Новочеркасск, 2002г.;

5. V Всероссийская научно-технической конференции «Информационные технологии в науке, проектировании и производстве», г. Нижний Новгород, 2002 Г4

6. Ш Международной научно-технической «Компьютерное моделирование -2002», г. Санкт - Петербург, 2002 г..

Реализация и внедрение результатов, работы. Основные методы и алгоритмы функционирования кластерной экспертной системы реализованы на языке Object Pascal в среде программирования Borland Delphi. Разработанная кластерная экспертная система диагностики инфекционных заболеваний внедрена . в территориальном отделе Федеральной службы РОСПОТРЕЕНАДЗОР по Краснодарскому краю Российской Федерации.

Публикации по теме „диссертации. Материалы диссертации опубликованы в 11 печатных работах. Из них 3 статьи, 8 тезисов доклада.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав, заключения и списка использованной литературы (89 наименований), изложенных на 143 страницах и 2 приложениях, включающих описание предметной области и акт внедрения КЭС «MED - Expert».

СОДЕРЖАНИЕ РАБОТЫ Во введении обосновывается актуальность темы диссертации — разработка и исследование принципов проектирования КЭС для объединения знаний экспертных систем смежных предметных областей, методика и технология создания КЭС. Формулируются цель работы и задачи, описываются применяемые методы исследования, научная новизна, практическая значимость работы и основные положения, выносимые на защиту.

В первой главе диссертации проведен сравнительный анализ основных направлений исследований в области интеграции экспертных систем. Выявлены и исследованы недостатки существующих подходов интеграции экспертных систем. Введено несколько новых ключевых определений, таких как кластерная экспертная система, локальные экспертные системы и др. Предложен новый подход к интеграции экспертных систем. Обоснована необходимость проектирования кластерных экспертных систем. Осуществлена постановка задачи исследования.

Сравнительный анализ работ теоретического и методологического характера наиболее известных отечественных и зарубежных разработок, к числу которых можно отнести и проектирование динамических интегрированных экспертных систем реального времени и использование интегрированных экспертных систем для статических предметных областей, показал, что ни один из рассматриваемых в первой главе методов не наделяет экспертную систему способностью адекватно реагировать на изменения в предметной области и вносить изменения в свой состав без перепроектирования системы в целом. Каждое направление исследований, как правило, решает специфический круг задач и не представляет четкой методики проектирования интегрированных экспертных систем в целом. Данная ситуация подтверждается результатами сравнительного анализа подготовленного на основе литературных и Интернет — источников. Результаты проведенного анализа подытожены в таблице 1.

Таблица 1 - Возможности сравниваемых экспертных систем

Возможности экспертных систем DEXT S (Ч s t» о ^ ^ 1 Combining Multiple Knowledge Bases § g S S* S CU Jp g 0 J 1 АИР-ЭКО IS 12 it Создаваема» кластерная экспертная система

1 2 3 4 s 6 7 8 9

Возможность увеличения вычислительного потенциал» экспертной системы

Возможность модификации механизма логического вывода - + — - — + + ■ .. +

Изменение структуры базы знаний - + - + - + + , +

Возможность гибкого подключения новых локальных экспертных систем в состав существующей - - ■ - - + - - +

Обеспечение пользовательского интерфейса

Наглядность обработка запросов пользователя — + — + + + + +

Наглядность процесса принятия решения - + - + + + 4*

Наличие дополнительных преобразований в процессе об рабатки зап роса пользователя

Необходимость преобразования экспертных систем в процессе принятия решений - ' ■ + - - + - -

Необходимость коррекции и введения дополнительной информации во время поиска решений - + - - . - + +

Необходимость коррекции к введения дополнительной информации в процессе обработки запроса пользователя - + ■ - - - + -

Использование в процессе проектирования специальных инструментальных средств - + - - + + -

Степень достоверности получаемого решения

Неточность экспертной информации + + + + + + —

Нечеткость экспертной информации + + + + - + -

Наличие коэффициентов достоверности полученной информации + +

Наличие концепций проектирования интегрированных экспертных енстем

Наличии методики проектирования 1 j 1 экспертной системы | - | + | - _ -M. +

Продолжение таблицы 1

1 2 3 4 5 ■ « 7 8 9

Наличие схем представления знаний в проектируемых экспертных системах - - - _ +■ - - +

Наличие методов деком позиции Знаний выбранной предметной области - - - - + - - +

Наличие алгоритмов организации механизмов логического вывода в проектируемых экспертных системах +

Наличие единых программных средств, позволяющих поддерживать некую стандартную технологию разработки интегрируемых экспертных систем, за исключением ранее перечисленных средств _ — +

Следует обратить внимание, что в процессе анализа были выявлены различия в концепциях проектирования, механизмах логического вывода рассматриваемых систем. Рассматриваемые исследования в большинстве случаев направлены на определенную предметную область и разработаны в соответствиями с требованиями данной предметной области. Ни одна из рассмотренных систем не предлагает методологии проектирования интегрированных экспертных систем, которая могла бы быть приемлема для широкого круга задач, В большинстве случаев опушены вопросы декомпозиции знаний предметной области. Методы и средства создания интегрированных экспертных систем различны и не могут претендовать на четкую концепцию, не оговариваются способы распределения и обработки запросов пользователя, не всегда проводится оценка степени достоверности получаемого решения. Многие системы требуют дополнительных преобразований в процессе обработки запроса пользователя и введения дополнительной информации. В большинстве случае, используемые для проектирования инструментальные средства экономически не оправданны.

Таким образом, проведенный анализ показал, что ни одна из рассмотренных систем не обладает необходимым набором средств для

обеспечения возможностей перепроектирования или корректировки правил экспертных систем. Вопросы корректировки в предлагаемых исследованиях требуют существенного изменения интегрируемой экспертной системы, что является чрезвычайно неэффективным решением. Поэтому можно утверждать, что предлагаемая автором методика проектирования кластерных экспертных систем наиболее приемлема для реализации интегрированных экспертных систем, в связи с тем, что исключает необходимость перепроектирования экспертных систем, не зависит от инструментальных средств и предоставляет проектировщику определенные алгоритмы формирования и распределения запросов между экспертными системами. Разработанный подход к построению экспертных систем делает возможным создание значительно гибких и эффективных экспертных систем с принципиально новой возможностью модификации своей структуры.

Во второй главе диссертации рассматривается предложенный метод решения проблем, выявленных в предыдущей главе. В качестве интеграционной единицы для объединения знаний экспертных, систем был выбран кластер. Кластер рассматривается не как вычислительная система, а как информационная единица способная объединить в себе возможности нескольких экспертных систем. Кластерные экспертные системы объединяют относительно независимые друг от друга экспертные системы, каждую из которых можно спроектировать независимо от других, что не нарушает при этом работоспособности кластера в целом. Узлы кластера контролируют работоспособность друт друга и обмениваются специфической кластерной информацией. Кластер видится пользователю как один информационный ресурс.

Кластерная система обеспечивает централизованное управление информационными ресурсами, входящими в ее состав, формирует, распределяет и преобразует запросы пользователя между экспертными системами. В отличии от классических экспертных систем при построении

кластерной экспертной системы применяется особая модальная технология, смысл которой заключается в том, что локальные экспертные системы рассматриваются и проектируются как самостоятельные и определенным образом взаимодействующие модули. Каждый такой модуль, т.е. отдельная экспертная система, может иметь свою схему представления знаний, свой механизм логического вывода, выполнять свои определенные обязанности независимо от других экспертных систем. Причем модификация построенной на основе модульного принципа экспертной системы может проводиться самостоятельно без перепроектирования других экспертных систем в составе кластера.

Первоначальной задачей построения КЭС является увязка знаний локальных экспертных систем. В основу метода математической модели увяэки знаний в кластерной экспертной системе положено понятие функциональной структурной единицы, представляющие собой функциональное отношение на множестве входных переменных, описывающих объекты реального мира и их предметные области. Пусть входные данные — список переменных X; выходные данные— список переменных V; ¥ - отображение множеств значении входных переменных во множество значении выходных или более точно, если X =<х\,.,.,хт >, У=<у1,...,уп >, то У{ = у/ <хх,„.,хт >,

Л Л Л

С гдеТ; -функциятипа X ,„., х х п -> .У,.Таким

образом, функциональная структурная единица определяется как тройка

объектов С = (Х,¥,у/)> удовлетворяющая дополнительному ограничению

Кластерную экспертную систему будем называть правильно спроектированной, если через исходные данные можно определить выходные величины, а отсутствие какой-либо части исходных данных не позволяет получить выходные. Первое из этих требований в силу равенства:

Г = р(Х) (1)

Второе требование можно записать в виде;

(Ух( е Х)(3щ е д^.....ai е е Х}>...,ат е х

Локальная постановка осуществляется «от выхода» функциональной структурной единицы. Прежде всего, задается набор переменных, значения

которых необходимо получить в ходе реализации У] ->~->Уп >, тогда:

уг-МЪ.....»;«).

Совокупность функций Р1 =< У|Ул,)образуег оператор, т. е.

1 т ' в

отображение списка ^ = в список ^

»=1

(4)

где X1 представляет собой список переменных первого от конца уровня функциональной структурной единицы:

Х1=Х*иг\ где Хи*Г)Г1=0 (5)

Это разделение выполняют из следующих соображений: в Xя1 включают переменные, которые проектировщик считает исходными для функциональной структурной единицы, учитывая априорное представление о ней; в список У1 включают те переменные, которые необходимо вычислить в ходе реализации функциональной структурной единицы. Следует отметить. Список У1 аналогично списку X1 можно выразить через некоторый новый список переменных (список второго уровня):

К1^2 (X2), где X2 =Х"2ЦУ2,Х"2 ПГ2 = 0 (б)

и т. д. Процесс продолжается до тех пор, пока список неисходных переменных очередного к-го уровня не окажется пустым. Описанный процесс рассмотрим графически (рисунок 1), строя граф зависимости переменных.

О

XI

О

Х2

О

хэ

Этап 1

Рисунок 1 — Граф зависимости переменных

На рисунке переменные изображаются вершинами графа. Если

переменная х, вычисляется по формуле Щ — , то проводится

стрелка к х. Вершины, соответствующие, результирующим переменным, помечают (например, закрашивают черным цветом). На каждом шаге построения к неисходным вершинам, к которым не были проведены стрелки, эти стрелки проводят (граф предварительно пополняется соответствующими новыми вершинами). Процесс считается оконченным, когда все неисходные вершины соединены стрелками: Способ решения задачи корректен, если в построенном графе нет циклов. Предложенный метод позволяет провести увязку знаний локальных экспертных систем смежных предметных областей и составить дерево логического вывода для кластерной экспертной системы.

В общем виде кластерная экспертная система состоит из следующих типовых подсистем: подсистемы приобретения знаний, управляющей классификацией знаний по принадлежности к локальным экспертным системам; подсистемы управления выводом знаний, управляющей выводом знаний в кластерной экспертной системе с помощью математической модели построения дерева логического вывода; подсистемы формирования заключений и рекомендаций; набора локальных экспертных систем, полученных на основе

X« хз

Этжп 2 Этап 3

декомпозиции знаний выбранной предметной области. Структура кластерной экспертной системы представлена на рисунке 2.

Рисунок 2 — Структура кластерной экспертной системы Основным компонентом структуры КЭС является подсистема управления выводом знаний. Модель подсистемы управления выводом можно описать следующим образом: (3=<У,ЛЛ1>, где V — множество вершин графа, представляющих собой множество локальных экспертных систем; Я — множество ребер графа, представляющих связи между механизмом управления выводом знаний кластерной экспертной системы н локальными экспертными системами; М — множество операций которым должен быть подвергнут исходный набор Б с целью идентификации тех или иных локальных экспертных систем. Рассмотрим основные операции, которым должен быть подвергнут исходный набор данных О с целью определения последовательности и перечня локальных экспертных систем, участвующих в процессе принятия решения.

Вероятность принадлежности знаний локальной экспертной системе. Пусть существует множество входных данных 5= {5! , я2» ... 5„ ), и множество У={ у, , ... уп } - множество локальных экспертных систем. Пусть Т={ ^, г2,... ^ } количество совпадений я, с базой фактов локальной экспертной системы V:, тогда можно для каждой локальной экспертной системы ^ записать условие вычисления величины Т. Обозначим переменной £ знания базы фактов локальной экспертной системы V; , ЕслиЗ-у^ е 5 : е ^ ,тоГ,:=/(+1

Тогда вероятность принадлежности данных локальной экспертной

системе^, определяем по формуле: (?)

где к—число количество входных данных для кластерной экспертной системы.

Определение экспертной системы с наибольшей вероятностью принадлежности. Получив множество вероятностей Р={р1 , рг, ... рпЬ определяем экспертную систему с наибольшей вероятностью.

Формально алгоритм поиска номера экспертной системы с наибольшей вероятностью можно описать следующим образом:

1. Пусть q - номер экспертной системы с наибольшей вероятностью. На первом этапе поиска предполагаем, что , т.е. первая локальная экспертная система V* обладает максимальной вероятностью р^;

2. Организуем процесс поиска наибольшей вероятности для всех п локальных экспертных систем. Условие выборки номера экспертной системы будет выглядеть следующим образом: Если р;> рм тогда

3. На выходе алгоритма получаем номер экспертной системы с наибольшей вероятностью р,.

Схематично работу подсистемы управления выводом знаний в КЭС можно представить следующим образом (рисунок 3):

Рисунок 3 — Процесс функционирования подсистемы управления

выводом знаний в КЭС В заключительном разделе второй главы предложена общая методика и технология, позволяющая создавать кластерные экспертные системы для решения задач в произвольных предметных областях.

В третьей главе диссертации проведено проектирование и реализация структуры КЭС диагностики инфекционных заболеваний «MED-Expert». Структура и основные компоненты медицинской системы «MED-Expert» определенны исходя из требований и концепций построения кластерных экспертных систем, рассмотренных во второй главе диссертации (рисунок 4). Основным языком программирования был выбран Object Pascal, а реализация программы проводилась в среде Delphi 7.0. В качестве технологии

проектирования локальных экспертных систем была выбрана - СОМ

технология. Полыовсгели

лк

ЮС «МЕВ-ЕхреП»

Подсистема приобретения . . знаний (интерфейс вводя -вывод*)

Подсистема пркгатш решений

/

Подсистема оценки точности решении

Подсистема формирования заключений в рекомендаций

Подсистема пояснения решения

Интеллектуал ьная система помощи

Локальные . экспертные

Экспертная система

диагностики кишечных инфекций

Экспертная система диагностики крованых инфекций

Экспертная система

- дна гностики инфекций кожных покровов

Экспертная система диагностики инфекций дыхательных путей

Рисунок 4 - Структурная схема КЭС «МЕБ-ЕхрегЬ» КЭС «МЕЕКЕхреЛ» предназначена для ассистирования врачам в диагностике и назначении курса лечения при инфекционных заболеваниях. Медицинские знания о заболеваниях представляются в виде продукционных правил «если - то» в сочетании с коэффициентами неопределенности. Всего в

систему включено около 1800 правил. В этой системе используется взаимосвязи двух видов: симптомы - заболевание и заболевание — курс лечения. Диагноз ставится на основе комбинации выраженных у больного симптомов. Программа может быть использована и для постановки диагноза и для проверки предполагаемого диагноза и для корректировки курса лечения. Система автоматизирует выписку медицинского заключения, необходимого для корректировки курса лечения.

В четвертой главе рассмотрены основные аспекты надежности и эффективности разработанного подхода к проектированию кластерных экспертных систем на примере КЭС «MED-Experl». Анализ эффективности работоспособности разработанной КЭС «MED-Expert» осуществлялся в два этапа: непосредственное тестирование системы и сравнительный статистический анализ системы. Тестирование проводилось при входных данных, определенных экспертом. Каждое полученное заключение и рекомендации по любому виду заболевания сравнивались с экспертными «эталонными» заключениями на степень их корректности и достоверности.

Помимо тестирования КЭС «MED-Expert», показавшего надежность и эффективность предложенной методики проектирования систем подобного рода, был проведен сравнительный статистический анализ КЭС «MED*Experb> с наиболее близкой по предметной области экспертной системой «MYCIN». Анализ проводился по следующим критериям;

Время, затраченное на обработку запроса. Время, затрачиваемое на обработку запроса в КЭС выше, так как задействуются только те правила локальных экспертных систем, которые необходимы для выполнения запроса (рисунок 5).

Рисунок 5 - Диаграмма времени выполнения запросов Полнота поиска. По неточным данным для экспертной системы «MYCIN» согласно экспертам примерно половина доступных для диагностики заболеваний не диагностируется. Для КЭС «MED - Expert» не подлежит диагностики при неполных .данных примерно 1/3 доступных диагностике заболеваний (рисунок б).

МЕО-ЕХРЕКГ MYCIN

Рисунок 6 —Диаграмма для оценки полноты поиска (Первый столбец — общее количество заболеваний, для которых делался запрос; второй — число диагностируемых заболеваний)

Количество задействованных в процессе логического вывода правил. Подсчет количества правил задействованных в процессе логического вывода показал, что в КЭС «MED-Expert» по сравнению с системой «MYCIN» осуществляется только выборка необходимых для диагностики правил.

Таким образом, можно сделать вывод, что КЭС «MED-Expert» по всем предложенным основным критериям эффективности превосходит, сравниваемую с ней экспертную систему «MYCIN». Проведенные исследования показали, что для результативности поиска в 90% случаев диагностики инфекционных заболеваний применение кластерной экспертной системы «MED-Expert» наиболее эффективно, и лишь 10% случаев диагностики, когда диагноз вытекает из симптомов и врачу лишь нужно подтвердить этот диагноз целесообразно использование н локальной экспертной. Для сравнения в экспертной системе «MYCIN» результативность поиска достигалась лишь в 45% диагностируемых ее заболеваний (рисунок 7).

□ MED-Expert

□ Локальные экспертные системы

Рисунок 7 -Сравнительная диаграмма эффективности использования кластерной экспертной системы «MED - Expert»

На основании экспериментальных результатов тестирования можно сделать вывод об эффективности предложенного подхода к интеграции

экспертных систем. Полученные результаты подтвердили стабильность и работоспособность кластерной экспертной системы «МЕО-ЕхреП.

В заключении отражены основные выводы и результаты диссертации, подтверждена ее практическая значимость.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В процессе исследования получены следующие результаты:

1. Проведен обзор основных направлений исследований в данной области, выявлены основные недостатки и предложены пути их устранения.

2. Исследованы возможности интеграции неоднородных экспертных систем, работающих в смежных предметных областях.

3. Обоснована необходимость проектирования кластерных экспертных систем и осуществлена постановка задачи исследования.

4. Предложен математический метод построения дерева логического вывода для кластерной экспертной системы.

5. Предложена формальная модель кластерной экспертной системы.

6. Рассмотрены вопросы представления знаний в локальных экспертных системах,

7. Разработан алгоритм построения дерева решений для локальных экспертных систем.

8. Разработана формальная модель подсистемы управления выводом знаний для кластерной экспертной системы.

9. Определена вероятность принадлежности знаний локальной экспертной системе.

Ю.Предложены оценки определения достоверности решения, полученного от локальных экспертных систем.

11 .Определена подсистема приобретения знаний!

12. Определена подсистема формирования заключений и рекомендаций.

Основные положения диссертации опубликованы в следующих

работах: ■

1. Малыхина МЛ., Частиков АЛ., Янаева МВ. Интегрированные экспертные системы. // Тезисы докладов V Всероссийская научно-технической конференции «Информационные технологии в науке, проектировании и производстве». Нижний Новгород: Межрегиональное Верхне — Волжское отделение Академии технологических наук, 2002, с. 33

2. Малыхина МЛ., Частиков АЛ., Янаева МВ. Теория и практика создания кластерных экспертных систем. // Труды 3-й Международной научно — технической конференции «Компьютерное моделирование 2002». Санкт — Петербург: Санкт-Петербургский государственный политехнический университет, 2002. с.170.

3. Малыхина МЛ, Частиков АЛ., Янаева М.В. Исследование и разработка принципов кластеризации систем основанных на знаниях. // Материалы VIII Всероссийской научно — практической конференции «Инновационные процессы в высшей школе». Краснодар: Кубанский государственный

I

технологический университет, 2002. с. 56.

4. Малыхина М.П., Частиков А .П., Янаева М.В, Кластерные экспертные системы. // Материалы X Юбилейной всероссийской научно-практической конференции «Инновационные процессы в высшей школе», Краснодар: Кубанский государственный технологический университет, 2004. с. 74.

5. Малыхина М.П., Частиков А.П., Янаева М.В. Особенности создания кластерных экспертных систем. // Материалы докладов Всероссийской научно — практической конференции молодых ученных и студентов «Современное состояние и приоритеты развития фундаментальных наук». Серия «Математика, механика и информатика». Том П. Анапа: 2004 г. с. 9.

6. Малыхина М.П., Частиков АЛ., Янаева МВ. Методика построения кластерных экспертных систем. // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки: 2004. с. 17 —19

7. Малыхина МЛ., Частиков АЛ., Янаева М.В, Теоретические основы интеграции кластерных экспертных систем. // Труды Кубанского государственного технологического университета. Серия «Информатика и управление». Том ХУШ, вып. 2. Краснодар: 2003. с. 64 — 69

8. Малыхина М.П., Янаева М.В. Основы построения кластерных экспертных систем. // Труды Кубанского государственного технологического университета. Серия «Информатика и управление». Том XVIII, вып. 3. Краснодар: 2005. с. 82 - 84

9. Частиков АЛ., Мягкий AJE, Янаева МЛ. Моделирование гибридных экспертных систем. // Труды Международной научно — технической конференции «Компьютерное моделирование 2001». Санкт - Петербург: Санкт-Петербургский государственный политехнический университет, 2001. с. 71-77

10.Янаева MJ3. Перспективы использования кластерных экспертных систем. // Материалы докладов Всероссийской научно - практической конференции молодых ученных и студентов «Современное состояние и приоритеты развития фундаментальных наук». Серия «Математика, механика и информатика». Том II. Анапа: 2004. с. 7.

11 .Янаева МБ., Малыхина МЛ., Частиков АЛ. Теоретические основы интеграции экспертных систем на основе СОМ — технологии. // Материалы II международной научно — практической конференции «Развивающиеся интеллектуальные системы автоматизированного проектирования и управления». Новочеркасск: Южно - российский государственный технический университет, 2002. с. 9.

Подписано в печать 15.11.06. Печать трафаретная. Формат 60x84 1/16. Уч.-изд. л. 1,36 Тираж 100 экз. Заказ № 11.

ООО «Издательский Дом-ЮГ» 350072, г. Краснодар, ул. Московская, 2, корп. «В», ауд. В-120 тел./факс (861) 274-68-37

ВВЕДЕНИЕ.

ГЛАВА 1 СОСТОЯНИЕ ВОПРОСА. ОБЗОР И АНАЛИЗ ЛИТЕРАТУРНЫХ ИСТОЧНИКОВ.

1.1 Обзор и анализ существующих интегрированных экспертных систем.

1.1.1 Интегрированные экспертные системы для статических проблемных областей.

1.1.2 Динамические интегрированные экспертные системы реального времени.

1.2 Обоснование необходимости проектирования кластерных экспертных систем.

1.3 Сущность проблемы.

1.4 Выводы по главе 1.

ГЛАВА 2 - ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ КЛАСТЕРНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ.

2.1 Математическая модель кластерной экспертной системы.

2.1.1 Эвристические схемы Клэнси.

2.1.2 Математическая модель вывода знаний в кластерной экспертной системе.

2.1.3 Структура кластерной экспертной системы.

2.1.4 Представление знаний и выбор решения в локальных экспертных системах.

2.1.5 Алгоритм построения дерева решений для локальных экспертных систем.

2.1.6 Структура подсистемы управления выводом знаний кластерной экспертной системы.

2.1.7 Подсистема приобретения знаний.

2.1.8 Подсистема формирования заключений и рекомендаций.

2.2 Методика проектирования кластерных экспертных систем.

2.3 Выводы по главе 2.

ГЛАВА 3 АРХИТЕКТУРА КЛАСТЕРНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ «МЕБ-ЕХРЕИТ» ДЛЯ ДИАГНОСТИКИ ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ.

3.1 Общая характеристика кластерной экспертной системы диагностики инфекционных заболеваний.

3.2 Описания предметной области КЭС «МЕБ-ЕхрегЬ>.

3.3 Структура и основные компоненты кластерной экспертной системы «МЕБ-Ехрей».

3.4 Выбор и обоснование языка программирования.

3.5 Выбор технологии проектирование локальных экспертных систем.

3.6 Интерфейс КЭС «МЕБ-ЕхреИ».

3.7 Выводы по главе 3.

ГЛАВА 4 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАБОТОСПОСОБНОСТИ И ЭФФЕКТИВНОСТИ КЛАСТЕРНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ.

4.1 Тестирование кластерной экспертной системы «MED-Expert».

4.1.1 Общие сведения.

4.1.2 Тестирование системы.

4.2 Оценка эффективности.

4.3 Оценка экономической эффективности разработки кластерной экспертной системы «MED-Expert».

4.3.1 Технико-экономическое обоснование.

4.3.2 Расчет трудоемкости выполнения НИР.

4.3.3 Определение плановой себестоимости проведения НИР.

4.3.4 Определение прибыли и договорной цены.

4.3.5 Оценка эффективности разработки.

4.4 Выводы по главе 4.

В конце семидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы». Цель исследований в области экспертных систем состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом.

Первоначально все экспертные системы разрабатывались по классической архитектуре [3, 7, 80]. Однако в дальнейшем, по мере развития информационных технологий, экспертные системы стали применяться для решения все более широкого круга задач, а сами задачи становились все более сложными. Появились проблемы, которые уже невозможно было решить традиционными методами классической архитектуры. Примером одной из таких проблем является необходимость сочетания в процессе логического вывода знаний нескольких самостоятельно функционирующих экспертных систем. Системы же разработанные по классической архитектуре предоставляли возможности консультаций только в рамках заданной предметной области, расширить диапазоны которой не представлялась возможным. Стратегия решения выбиралась из заранее определенного числа вариантов. Типичной являлась ситуация, когда экспертная система заходила в тупик при любых изменениях в предметной области. Ситуации подобного рода связаны с тем, что при проектировании экспертных систем не затрагивались вопросы расширения ее возможностей, что приводило к необходимости перепроектирования системы в целом.

Для более эффективного использования экспертных систем необходимо было перейти на качественно новый уровень проектирования. Возникло новое направление интеграции различного рода приложений из готовых интеллектуально-взаимодействующих модулей [67, 69]. На первый план вышла задача разработки методики и инструментов проектирования экспертных систем в виде самостоятельно функционирующих модулей, имеющих возможность объединять свои знания в рамках решения поставленной задачи. При этом наращивание интеллектуальной мощности проектируемых приложений должно было оставаться прозрачным для пользователя, а сами экспертные системы не требовали перепроектирования [71].

На сегодняшний день существует ряд направлений в области интеграции экспертных систем [44, 54, 55, 58]. Однако следует отметить, что несмотря на предлагаемые концепции они выявляют и ряд недостатков.

Во - первых, отдельные программные разработки в области объединения знаний разрозненных экспертных систем, представляющих собой самостоятельные модули, используются неэффективно. Это связано с разнородностью экспертных систем и невозможностью осуществлять обмен информацией в следствии программной и технической несовместимости.

Отдельные попытки в области интеграции знаний экспертных систем не могут представить четкой концепции интегрирования в целом. Возникает проблема, требующая объединить различные методы, подходы и технологии в некую единую и согласованную форму, поскольку все средства и технологии, лежащие в ее основе должны быть использованы с наилучшей выгодой.

Во - вторых, остаются нерешенными проблемы единого представления знаний в интегрируемой среде, отсутствуют методы организации процессов обмена данными между экспертными системами, входящими в ее состав, отсутствуют методы обработки запросов к экспертным системам, отсутствует методология проектирования интегрированной среды в целом.

В - третьих, нет четкой методики проектирования интегрированных экспертных систем.

Решение указанных проблем явилось поводом для исследования вопросов интеграции экспертных систем, основная идея которых заключается в разработке теоретических, технологических и организационных методов для совместного использования различных средств проектирования и управления.

• 6

В данной работе исследован и разработан новый тип экспертных систем - кластерные экспертные системы (КЭС) [70, 72, 74].

Известно, что под понятием вычислительного кластера понимается набор компьютеров (вычислительных узлов) [39, 40], объединенных некоторой коммуникационной сетью, где каждый вычислительный узел имеет свою оперативную память и работает под управлением своей операционной системы. Под кластером экспертных систем будем понимать совокупность самостоятельно функционирующих экспертных систем, объединенных посредством разработанных методов и технологий.

Диссертационная работа посвящена исследованию и разработке принципов проектирования КЭС для объединения знаний экспертных систем смежных предметных областях, методике и технологии создания КЭС.

В работе рассмотрены и проанализированы современные средства разработки экспертных систем подобного рода и сделан выбор оптимальной технологии проектирования. В результате предпочтение было отдано технологии проектирования Microsoft COM (Component Object Model)-технология. Это принципиально новое направление, предоставляющие возможность использования различных систем представления знаний в рамках единого программного комплекса, доступного широкому классу пользователей. В качестве основной идеи проектирования экспертной системы, как уже упоминалось, был взят «кластер», т.е. несколько полнофункциональных экспертных систем в виде СОМ - объектов объединяются в кластер, который рассматривается как один информационный ресурс. Аналогично задачи ' кластеризации данных, которая заключается в группировке данных по присущей им «близости», задача кластеризации экспертных систем состоит в их объединении по «близости» предметных областей. Естественно, что для управления запросами внутри кластера и распределения задач между экспертными системами необходимо разработать специальные алгоритмы, однако их работа остается совершенно прозрачной для пользователя. Основным достоинством кластерной экспертной системы можно считать ее расширяемость и отсутствие необходимости перепроектирования локальных экспертных систем.

Изложенные принципы и методы реализованы в кластерной консультирующей экспертной системе диагностики инфекционных заболеваний. В состав кластерной экспертной системы входят четыре экспертные системы: диагностика кишечных инфекций, диагностика кровяных инфекций, диагностика инфекций кожных покровов, диагностика инфекций дыхательных путей. Экспертные системы реализованы в виде СОМ - объектов. В диссертационной работе рассмотрены основные принципы декомпозиции знаний экспертных систем с применением схем Клэнси для выделения знаний любой предметной области в отдельные экспертные системы с целью и совместного использования в виде кластера.

Методика проектирования кластерных экспертных систем представляет собой совокупность разработанных на основе авторского подхода моделей, методов, алгоритмов и процедур для создания прикладных кластерных экспертных систем для смежных предметных областей.

АКТУАЛЬНОСТЬ ИССЛЕДОВАНИЯ

Подавляющее число экспертных систем, разработанных по классической архитектуре, как уже отмечалось ранее, являются интегрируемыми. Однако, предметные области для которых разрабатываются экспертные системы бывают сложны, что не позволяет на этапе проектирования провести их детальных анализ. Кроме того, нельзя забывать и об изменениях в предметной области, которые могут происходить в процессе эксплуатации системы. Возникает ситуация при которой необходимо вносить изменения в состав интегрированной экспертной системы, перепроектировать экспертные системы входящие в ее состав, изменять методы обработки запросов и т.д., что зачастую требует полного изменения интегрируемой системы и приводит к тупиковой ситуации. Возникновение подобных ситуаций объясняется отсутствием единых методов, моделей и средств создания экспертных систем. Поэтому требуются более доступные инструментальные средства, которые бы поддерживали некую стандартную технологию проектирования прикладных экспертных систем. В рамках данной работы предлагается методика проектирования КЭС, направленная на решение указанных проблем. Для более эффективного использования которых необходимо решить следующие задачи:

- провести сравнительный анализ существующих концепций интеграции экспертных систем, выявить достоинства и недостатки существующих интегрированный экспертных систем, определить необходимые функциональные требования к методике проектирования кластерных экспертных систем;

- разработать методику, облегчающую проектирование и создание кластерных экспертных систем;

- разработать схему декомпозиции знаний экспертных систем в составе кластерной экспертной системы, алгоритмы управления выводом знаний для объединения знаний уже существующих экспертных систем;

В работе разработана полнофункциональная кластерная экспертная система диагностики инфекционных заболеваний «MED - Expert».

ЦЕЛЬ РАБОТЫ

Теоретическое обоснование и разработка основных принципов и методики создания кластерных экспертных систем, экспериментальное исследование предложенных методов проектирования подобных на практике в виде кластерной экспертной системы диагностики инфекционных заболеваний «MED - Expert».

ЗАДАЧИ ИССЛЕДОВАНИЯ

1. Провести сравнительный анализ существующих интегрируемых экспертных систем, выявить основные недостатки и определить пути их решения;

2. Разработать общую методику создания КЭС;

3. Построить схему декомпозиции знаний любой предметной области;

4. Разработать методы обработки запросов пользователя;

5. Создать математическую модель функционирования подсистемы управления выводом знаний в КЭС;

6. Исследовать основные концепции и методы построения экспертных систем, разработать локальные экспертные системы, входящие в состав КЭС;

7. Разработать механизм управления знаниями для моделирования знаний нескольких существующих локальных систем, алгоритмы формирования и распределения запросов между локальными системами.

Кластерная экспертная система должна позволять формировать запросы ко всем локальным системам, обеспечивать взаимный обмен данными между экспертными системами, осуществлять централизованное управление информационными ресурсами системы в целом.

При проектировании КЭС необходимо обеспечить выбор локальных экспертных систем, относящихся к данному запросу пользователя и их своевременную активизацию в нужном порядке.

Входные данные КЭС - это запросы пользователя, отражающие известную ему информации о предметной области.

В рамках поставленных задач разработать кластерную экспертную системы диагностики четырех групп инфекционных заболеваний: инфекции дыхательных путей; кровяные инфекции; кишечные инфекции; инфекции наружных покровов.

МЕТОДЫ ИССЛЕДОВАНИЯ

Поставленные задачи решены с применением теории графов, теории множеств, теории вероятности, методов инженерии знаний и технологии экспертных систем, технологии, реализующий компонентный подход разработки модульных приложений, Microsoft СОМ.

НАУЧНАЯ НОВИЗНА ИССЛЕДОВАНИЯ

В процессе написания диссертационной работы были получены следующие научные результаты:

1. Разработаны методы построения кластерной экспертной системы, в основу которых был положен новый подход проектирования экспертных систем на основе использования СОМ - технологии;

2. Разработана математическая модель подсистемы управления выводом знаний для кластерной экспертной системы;

3. Предложена схема декомпозиции знаний смежных экспертных систем;

4. Рассмотрены экспертные вероятностные оценки определения достоверности получаемого решения;

5. Разработан алгоритм определения порядка идентификации локальных экспертных систем и механизмы управления процессом запросов между локальными экспертными системами,

6. Спроектирована и реализована кластерная экспертная система диагностики инфекционных заболеваний «MED - Expert»;

7. Предложена общая методика и технология проектирования кластерных экспертных систем.

ПРАКТИЧЕСКАЯ ЦЕННОСТЬ

Практическая ценность полученных результатов заключается в реализации методики построения КЭС в виде интеллектуальной кластерной экспертной системы диагностики инфекционных заболеваний «MED - Expert». Разработаны механизмы управления процессом вывода знаний в кластерной экспертной системе, с применением вероятностных оценок достоверности полученных решений. Разработанная система прошла апробацию в территориальном отделе федеральной службы РОСПОТРЕБНАДЗОР по Краснодарскому краю Российской Федерации. Система «MED - Expert» позволяет существенно уточнять инфекционные заболевания в случае сходных симптомов или редко встречающихся заболеваний. Апробация работы продемонстрировала эффективность применения предложенной методики объединения знаний локальных экспертных систем для выбранной предметной области. При этом исключается необходимость применения других экспертных систем в случае недостаточности данных, так как в конечном счете предположительно диагностируется инфекционное заболевание с определенной степенью достоверности решения.

РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ

Основные методы и алгоритмы функционирования кластерной экспертной системы реализованы на языке Object Pascal в среде программирования Borland Delphi. Система внедрена и используется в территориальном отделе федеральной службы РОСПОТРЕБНАДЗОР по Краснодарскому краю Российской Федерации. Акт, подтверждающий внедрение диссертационной работы приведен в приложении Б.

ПУБЛИКАЦИИ

По теме диссертации опубликовано 11 печатных работ. Из них 3 статей, 8 тезисов доклада.

ОСНОВНЫЕ ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ:

- результаты сравнительного анализа существующих методов интеграции экспертных систем;

- математические основы построения кластерных экспертных систем;

- модель подсистемы управления выводом знаний;

- методика проектирования кластерных экспертных систем;

- архитектура кластерной экспертной системы диагностики инфекционных заболеваний;

- результаты оценки эффективности кластерной экспертной системы диагностики инфекционных заболеваний;

- сравнительный статистический анализ эффективности и работоспособности кластерной экспертной системы «MED - Expert».

СТРУКТУРА И ОБЪЕМ РАБОТЫ

Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 143 страницах и 2 приложениях, включающих описание предметной области и акты внедрения КЭС «MED - Expert».

4.4 Выводы по главе 4

1. Определены методы тестирования кластерных экспертных систем;

2. Проведено тестирование локальных экспертных систем;

3. Проведено тестирование подсистемы управления выводом знаний для кластерной экспертной системы. Тестовые прогоны сформированы экспертами.

Проведена оценка эффективности предложенного подхода к интеграции экспертных систем:

1. Определенны основные критерии и показатели оценки эффективности;

2. Проведено сравнение по основным критерием с экспертной системы «MYCIN»;

3. Проведен сравнительный анализ результатов диагностики с кластерной экспертной системы по сравнению с поиском решения при использовании локальных экспертных систем;

4. Полученные результаты подтвердили стабильность и работоспособность кластерной экспертной системы «MED-Expert» Полученные данные позволяют утверждать, что кластерная экспертная система «MED-Expert» превосходит по эффективности работы все рассмотренные альтернативные системы и варианты диагностики.

5. Проведено обоснование экономической эффективности разработки и внедрения кластерной экспертной системы «MED-Expert». Ожидаемый экономический эффект от внедрения и соответственно составил 57 ООО руб.

124

ЗАКЛЮЧЕНИЕ

1. Проведен обзор основных направлений исследований в данной области, выявлены основные недостатки и предложены пути их устранения;

2. Исследованы возможности интеграции неоднородных экспертных систем, работающих в смежных предметных областях;

3. Обоснована необходимость проектирования кластерных экспертных систем;

4. Осуществлена постановка задачи исследования;

5. Рассмотрены возможности применения эвристических схем Клэнси в процессе декомпозиции знаний предметной области: на данном этапе рассмотрены процессы обобщения и уточнения, выделены основные типовые блоки;

6. Предложен математический метод построения дерева логического вывода для кластерной экспертной системы;

7. Предложена структура кластерной экспертной системы;

8. Рассмотрены вопросы представления знаний. в локальных экспертных системах;

9. Разработан алгоритм построения дерева решений для локальных экспертных систем;

10. Разработана модель подсистемы управления выводом знаний для кластерной экспертной системы;

11. Определена вероятность принадлежности знаний локальной экспертной системе;

12. Предложены оценки определения достоверности решения, полученного от локальных экспертных систем;

13. Определена подсистема приобретения знаний;

14. Определена подсистема формирования заключений и рекомендаций.

Дополнительным условием при разработке системы является исключение необходимости перепроектирования локальных экспертных систем.

Для реализации программы необходимо было исследовать теоретические основы построения экспертных систем, математические основы представления локальных знаний. В диссертационной работе разработаны общие принципы построения и алгоритмы функционирования схемы интеграции экспертных систем в кластер, методы анализа и преобразования запроса пользователя, позволяющие достичь более эффективных результатов. Для распределения запросов между экспертными системами и определения порядка их выполнения разработан специализированный алгоритм поиска оптимальной последовательности формирования запросов к локальным экспертным системам, необходимых для выполнения запроса. В результате исследований была предложена концепция проектирования локальных экспертных систем в виде СОМ - объектов, что позволяет избежать программной несовместимости, устраняет проблемы, связанные с необходимостью перепроектирования локальных экспертных систем.

Предлагаемые подходы позволяют на практике объединять экспертные системы, работающие в смежных предметных областях, предоставляет пользователю качественно новый вид услуг - обработку ответов на основе взаимных консультаций, а также обеспечивает более высокую прозрачность знаний. Разработанные принципы построения и методика проектирования кластерных экспертных систем могут быть использованы для создания интеллектуальных систем любой сложности.

Важной частью данной диссертационной работы является реализация алгоритмов функционирования кластерной экспертной системы и конструирование пользовательского интерфейса для кластерной экспертной системы «МЕЦЕхрегЬ>.

Дальнейшее развитие системы может идти в двух основных направлениях. Во-первых, это усовершенствование предложенных методик. Во-вторых, это дальнейшее расширение спектра возможностей кластерных экспертных систем. Здесь могут быть рассмотрены и принципы интеграции экспертных систем с другими приложениями, и интеграция экспертных систем реального времени, и применение к предложенным принципам новых теорий, например теории принятия решений.

В результате проведенных работ была создана интеллектуальная кластерная экспертная система, предоставляющая пользователю возможности консультаций в области диагностики инфекционных заболеваний. Тестирование кластерной экспертной системы и опытная эксплуатация показали неплохие результаты и возможности ее практического использования.

1. Р. Акофф, Ф. Эмери. О целеустремленных системах. М.: Советское радио, 1974.

2. P.A. Алиев, Н.М. Абдикеев, М.М. Шахназаров. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990.

3. A.B. Гаврилов. Системы искусственного интеллекта. Уч. пособие, ч. 1. -Новосибирск, НГТУ, 2000, 2001.

4. Т.А. Гаврилова, В.Ф. Хорошевский. Базы знаний интеллектуальных систем. -СПБ: Питер, 2000.

5. Гаврилова Т.Г., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. -М.: Радио и связь, 1992. 287 с.

6. В.П. Гладун. Планирование решений. Киев, Наукова думка, 1987.

7. Джексон П. Введение в экспертные системы. М., СпБ., Киев: "Вильяме", 2001.

8. Джонс М.Тим. Программирование искусственного интеллекта в приложениях. М.: ДМК Пресс, 2004.

9. Дональд Бокс. Сущность технологии СОМ. Санкт - Петербург.: Питер., 2001.-397 с.

10. Ю.Дургарян И.С., Пащенко Ф.Ф. Информационные методы идентификации / Препринт. М.: Институт проблем управления им. В.А. Трапезникова РАН, 1999.11 .Елманова Н.З., Трепалин C.B. Delphi технология СОМ. - М.: Диалог1. МИФИ., 1999.-315 с.

11. А.А. Ерофеев, А.О. Поляков. Интеллектуальные системы управления. СПб: Издательство СПбГТУ, 1999.

12. Н.Г. Загоруйко. Прикладные методы анализа данных и знаний. -Новосибирск, 1999.

13. Интеллектуальные системы и их моделирование. М.:Наука, 1986.

14. Искусственный интеллект. Справочник в 3-х томах. М.: Радио и связь,1990.

15. Керов JI.A., Частиков А.П. и др. Экспертные системы: инструментальные средства разработки. СПб.: Политехника, 1996.

16. Р. Ковальски. Логика в решении проблем. М.: Наука, 1990.

17. В.В. Корнеев, А.Ф. Гарев, C.B. Васютин, В.В. Райх. Базы данных. Интеллектуальная обработка информации. М.: "Нолидж", 2000.- 2-е изд., 2001.

18. Курковский А.П., Миндлин Ю.Б., Рыбина Г.В. Прототип динамической интеллектуальной системы для экомониторинга г. Москвы. // КИИ 98 -шестая нац. конф. с междунар. участием: Сб. научн. тр. В 3-х т. Т. 2. Пущино: РАИИ, 1998.

19. И.П. Кузнецов. Механизмы обработки семантической информации. М.: Наука, 1978.

20. Искусственный интеллект. Применение в интегрированных производственных системах. Под ред. Э.Кьюсиака. М.: Машиностроение,1991.

21. Р.Левин, Д.Дранг, Б.Эдельсон. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1990.

22. Логический подход к искусственному интеллекту. М.: Мир, 1990.

23. Ж.-Л. Лорьер. Системы искусственного интеллекта. М: Мир, 1991.

24. Ю.Я. Любарский. Интеллектуальные информационные системы. М.: Наука, 1990.

25. Дж.Ф. Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем. -М.: "Вильяме", 2003.

26. Н.Г. Малышев, Л.С. Берштейн, A.B. Боженюк. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.

27. Малыхина М.П., Янаева М.В. «Основы построения кластерных экспертных систем». // Труды КубГТУ, Том XVIII, 2005.

28. Малыхина М.П., Янаева М.В. «Основы построения кластерных экспертных систем». // Труды КубГТУ, Том XVIII, 2005.

29. Мамиконов А.Г. Оптимизация структур распределенных баз данных в АСУ. -М.:Наука, 1988,240 с.

30. Д. Марселлус. Программирование экспертных систем на Турбо-Прологе. -М.: Финансы и статистика, 1994.

31. А.Н. Мелихов, Л.С. Бернштейн, С.Я. Коровин. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

32. Нариньяни A.C., Яхно Т.М. Продукционные системы // Представление знаний в человеко-машинных и робототехнических системах. М.:Изд. ВИНИТИ. - 1984.-е. 136-177.

33. Нариньяни А., Яхно Т. Продукционные системы, -в кн. Представление знаний в человеко-машинных и робототехнических системах. -М.:ВЦ АН СССР, ВИНИТИ, 1984. с. 136-177.

34. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985.

35. Нильсон Н, Искусственный интеллект. Методы поиска решений. М.: Мир, 1973.40.0лифер В.Г., Олифер H.A. Компьютерные сети. Санкт - Петербург.: Питер, 2001.-672 с.

36. Г.С. Осипов Приобретение знаний интеллектуальными системами. М., "Наука", 1997.

37. Обработка знаний. М: Мир, 1990.

38. Пономорев В.А. СОМ и ActiveX в Delphi. Санкт - Петербург.: БХВ -Петербург, 2001. - 320 с.

39. Статические и динамические экспертные системы: Уч. Пособие / Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. М.: Финансы и статистика, 1996. - 320 с.

40. Попов Э.В. Экспертные системы. М.: Наука, 1987.

41. Э.В. Попов. Общение с ЭВМ на естественном языке. М:, Наука, 1986.

42. Д.А. Поспелов. Моделирование рассуждений. М.: Радио и связь, 1989.

43. Поспелов И.Г., Поспелова Л.Я. Динамическое описание систем продукций и проверка непротиворечивости продукционных экспертных систем. Изв. АН СССР, ТК, 1987, № 1,. с. 184-192.

44. Попов Э.В. Особенности разработки и использования экспертных систем // Искусственный интеллект. Системы общения и экспертные системы / под. ред. Попова Э.В., Кн. 1.- М.: Радио и связь, 1990.

45. Представление и использование знаний. М: Мир, 1989.51 .Приобретение знаний. М: Мир, 1990.

46. Рыбина Г.В. Задачно-ориентированная методология автоматизированного построения интегрированных экспертных систем для статических проблемных областей. // Известия РАН. Теория и системы управления, 1997, №5.

47. Рыбина Г.В. Модели, методы и средства построения интегрированных экспертных систем для статистических проблемных областей // КИИ 96.

48. Пятая национальная конференция с международным участием «Искусственный интеллект 96». Сб. научных трудов. М.: АИИ, 1996. Т.2.

49. Рыбин В.М., Рыбина Г.В. Динамические интегрированные экспертные системы реального времени: анализ опыта исследований и разработок. // Приборы и системы управления. 1999, №8, с. 4 8.

50. Рыбина Г.В. Особенности и принципы построения интегрированных экспертных систем для диагностики сложных технических систем // Приборы и системы управления. 1998. №9.

51. Рыбина Г.В., Рыбин В.М. Вагин А.И. и др. Опыт создания интегрированных экспертных систем семейства ТЕРРА для экологических задач // КИИ 96 -пятая нац. конф. с междунар. участием «Искусственный интеллект»: Сб. научн. тр. В 3-х т. Т. 2. М.: АИИ, 1996.

52. Рыбина Г.В., Рыбин И.В., Калинина Е.А., Петухов Д.М Разработка интегрированных экспертных систем в области экологии на основе LEVELS OBJECT // шестая международная студенческая школа семинар «Новые информационные технологии»

53. В.Ш. Рубашкин. Представление и анализ смысла в интеллектуальных информационных системах. М.: Наука, 1989.

54. Системы управления базами данных и знаний. Справочное издание под ред. А.Н. Наумова. М.: Финансы и статистика, 1991.

55. Б. Сойер, Д.Л. Фостер. Программирование экспертных систем на Паскале. -М.: Финансы и статистика, 1990.

56. Стогний A.A., Вольфенгаген В.Э. Проектирование интегрированных баз данных. Киев.: Техника, 1991. - 232 с.

57. К. Таунсенд, Д. Фохт. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990.

58. Тельнов Ю.Ф. Интеллектуальные информационные системы. (Учебное пособие) М., 2000.

59. В.Н. Убейко. Экспертные системы. -М.: МАИ, 1992.

60. Экспертные системы. Принципы работы и примеры. Под ред. Р. Форсайта.-М.: Радио и связь, 1987.

61. Частиков А.П., Малыхина М.П., Янаева М.В. «Теория и практика создания кластерных экспертных систем»: «Компьютерное моделирование 2002». // Труды Международной научно технической конференции, СПбГТУ, Санкт - Петербург, 2002.

62. Частиков А.П., Мягкий А.Е, Янаева М.В. «Моделирование гибридных экспертных систем»: «Гибридные системы». // Труды Международной научно технической конференции, СПбГТУ, Санкт - Петербург, 2001.

63. Частиков А.П., Малыхина М.П., Янаева М.В. «Кластерные экспертные системы». // Материалы X Юбилейной всероссийской научно-практической конференции «Инновационные процессы в высшей школе», КубГТУ, Краснодар, 2004 г.;

64. Частиков А.П., Дедкова Т.Г., Алешин А.В. Системы искусственногоинтеллекта: Учеб. пособие.- Краснодар: КубГТУ,1998. 166с. 76.Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. - СПб.: БХВ-Петербург, 2003. - 608 с.

65. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989. -384с.

66. Уинстон П. Искусственный интеллект. М.: Мир, 1980.

67. Построение экспертных систем. Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Лената. М.: Мир, 1987.

68. Построение экспертных систем // Ред.: Хейес-Рот Ф., Уотерман Д., Ле-нат Д. М.: Мир, 1987.

69. Дж. Элти, М. Кумбс. Экспертные системы. Концепции и примеры. М.: Финансы и статистика, 1987.

70. Янаева М.В. «Перспективы использования кластерных экспертных систем». // Материалы Всероссийской научно практической конференции молодых ученных и студентов «Современное состояние и приоритеты развития фундаментальных наук», г. Анапа, 2004 г.

71. Basu A., Majumdar А.К., Sinha S. DEXT: an integrated knowledge engineering environment for control engineering applications // Knowledge - Based Systems, 1991, Vol.4, No.3, p.p. 131 - 143.

72. Basal C. et.al. Combining Multiple Knowledge Bases // IEEE Transactions on knowledge and data engineering, 1991, Vol.3, No. 2, p.p. 208 220.

73. F. Hayes-Roth, N. Jacobstein. The State of Enowledge-Based Systems. Communications of the ACM, March, 1994, v.37, n.3, pp.27-39.

74. P. Harmon. The market for intelligent software pnducts Intelligent Software Strategies, 1992, v.8, n.2, pp.5-12.

75. B. Moore. Memorandum. 1993, April. Gensym Corparation.135