автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Разработка и применение методов выбора информативных признаков при анализе разнотипных данных

Л'^ Л О (V

V с I

МИНИСТЕРСТВО ВЫСШЕГО И СРЕДНЕГО СПЕЦИАЛЬНОГО ОБРАЗОВАНИЯ РЕСПУБЛИКИ УЗБЕКИСТАН ТАШКЕНТСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ им. ЛБУ РАЙХАНА БЕРУНИ

На правах рукописи

НАРЗУЛЛАЕВ Давронбек Зикруллаевич

РАЗРАБОТКА И ПРИМЕНЕНИЕ МЕТОДОВ ВЫБОРА ИНФОРМАТИВНЫХ ПРИЗНАКОВ ПРИ АНАЛИЗЕ РАЗНОТИПНЫХ ДАННЫХ

Специальность 05.13.16 — Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

ТАШКЕНТ — 1991

Работа выполнена в Институте кибернетики . с ВЦ УзНПО «Кибернетика АН Республики Узбекистан.

Научный руководитель:

доктор технических наук ФАЗЫЛОВ Ш. X.

Официальные оппоненты:

доктор технических наук ГОРСКИИ Н. Д. кандидат технических наук ТУЛЯГАНОВ Ш. Е.

Ведущая организация: Ленинградский электротехнический ннстит;

седашш специализированного совета К 067.07.01 по присуждению ученой стег ни кандидата технических наук в Ташкентском государственном техническом ун верситете им. А. Р. Берунн на факультете Системотехники, ауд. по адр

су: 700095, Ташкент, ГСП, ВУЗ городок, ул. Мирошкиной, 2.

С диссертацией можно ознакомиться и библиотеке ТашГТУ им. А. Р. Бер ни (700011, Ташкент, ул. Навои, 13).

Защита состоится «

1991 г. в

часов на з

1991 г.

Ученый секретарь специализированного совета к. т. н., доцент

НОРМУХАМЕДОВ А.

Г,- V;

I диссертации

ОЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность теш. 'Автоматизированные систе?лы научных исследований (АСШ) включают в себя программные средства (ПС) по обработке экспериментальных данных как необходимую и составную часть. Это объясняется необходимостью анализировать исследователям из различных областей знания все более возрастающий объем информации. ПС по обработке данных включают в себя основные методы анализа экспериментальной информации и должш быть максимально приближены к пользователям - непрограммистам и не являющимся специалистами в области машинного анализа. Большой вклал в исследование методов анализа данных и вопросов программной реализации внесли работы как отечественных ученых - С.А.Айвазяна, В.В.Александрова, Э.М.Брввермана, ¡О.И.Журавлева, Н.Г.Загсруйко, М.М.Кашлова, Г.С.Лбова, так и зарубежных исследователей - Э.Диде, Р.Дуда, Т.Тыо-ки, Р.!ишера. В то гче время многие вопросы требуют более детального изучения. В частности, это касается вопросов выбора информативных признаков в задачах анализа данных, Решение этой проблемы позволяет повысить точность результатов обработки экспериментальной информации, решить задачу сжатия исходных данных с целью экономного использования памяти ЭВМ, а также дает возможность наглядного представления данных на плоскости или в трехмерном пространстве.

Увеличение качественного разнообразия перерабатываемой информации приводит к тому, что на обработку в АСШ все чаще поступают .данные разнотипной природы, представленные количественными, качественными и классифицискны-ми признаками Однако, многие классические методы анализа информации рассчитаны на исходные данные, описанные только количественными признаками. В связи с этим возникает задача создания таких методов и алгоритмов, которые

позволили бы учитывать влияние школичественных признаков при обработке. .

Вопросы программной реализации методов анализа данных занимают особое место при создании АСНИ. Конечной целью разработчиков программных средств является создание экспертных систем анализа данных, позволяющих не только быстро и эффективно выдавать конечные результаты, но и оказывать помощь в интерпретации этих результатов.

Цель и задачи исследований. Целью диссертационной работы является: разработка методов и алгоритмов снижения размерности исходного признакового пространства описания для задачи распознавания образов, развитие методов оцифровки неколичественных признаков, создание на основе классических и предложенных в работе методов диалоговой интегрированной системы анализа данных, ориентированной на' проведение научных исследований конечным пользователем.

Методика исследований. Методологическую основу работы составляют методы анализа разнотипных данные, в частности методы преобразования типов признаков, снижения размерности исходного признакового пространства, распознания образов и др.

Научная новизна работы состоит в следующем: .

- предложена структура диалоговой интегрированной системы анализа данных, позволяющей на уровне специалиста в области анализа данных формировать заключения о природе изучаемого явления на основе исходной информации;

- разработан комбинированный метод формирования информативного набора признаков, гарантирующий экстре-мизацию выбранного критерия качества распознавания в исходной системе признаков;

- разработаны методы поиска целочисл'..Ч1«х меток градаций неколичествсн'их признаков, позволяющие ронять

задачи исследования взаимозависимости признаков, распознавания образов, регрессионного -шолиза;

~ разработала методика интегрированного анализа денных с испольаоиаиьем как классических, так и предложенных методов обработки зкспериментальноП информации.

йЕШШ1'Л5Ё'1§|Д_1121А15£'Е.5г псяучгнннх результатов исследований заключается в следующем:

- создано программное обошедшие разработанных методов и алгоритмов, ориентированпьз на конечного поль-зивателя-непрогроммнпега, тшгошсгосп специалистом в определенноП предметной области;

- разработана система анплтоа данных СИТО для ЭВМ серий ЬС и СМ, позволяющая решать задачи исследования взаимозависимостей признаков, распознавания образов, автоматической классификации, регрессионного анализа, снижения размерности исходного призьакового простри • :тъл описания.

Приведеннье в работе исследования показали эффективное™- "рименения разработанных методов и программ при решении,различных задач анализа разнотипных данных.

ЕёМЧЭлЩУа Л ьт.ттов j¿c с Л£до bohmíLl

Результаты работы внедрены в НГЮ "Центрпрограммснотем", г.Калинин и в институте АтлантШРО, г.Калининград (внедрена интегрированная система анализа данных CHTQ-ÜJ, предназначенная для предварительной обработки экспериментальных данных, включая преобразование типов признаков и снижение размерности исходного признакового пространства, а также для решения задач автоматической классификации, распознавания образов, компонентного, факторного и регрессионного анализов, в результате чего были выявлены новые места скопления рыбы и. повышена вероятность попадания рыболовных сетей в оти места). Годовой,экономический эффект составил 24.500 рублей.

и

MííüdаШШ -RüÜSlll• Основные результаты диссертационной работы обсуждались и получили положительную оценку, на научных семинарах и совещаниях в ПК с ВЦ АН Республики Узбекистан; XI Республиканской школе молодых ученых и специалистов по АСУ; 1У Всесоюзной научно-технической конференции "Программисте, алгоритмическое и техническое обеспечение АСУ TU"; ежегодных научных и теоретических конференциях профессорско-преподавательского состава Ташкентского института политологи1* и управления; научных семинарах, конференциях, совещаниях в Ленинградском институте информатики и автоматизации АН СССР.

Дублинании. По результатам выполненных исследований опублинавано В работ.

Диссертация состоит из введения, трех глав и заключения, изложенных на 126 стр. машинописного текста. Содержит список использованной литературы из 112 наименований, приложения.

КРАТКОЙ СОДЫРлШШ РАБОТЫ

Ьо_цве,г]ен11и обоснована актуальность темы, сформированы цель и основные задачи, решаемые в диссертации, раскрыты научная новизна и практическая значимость исследований. •

посвящена систематизации и обзору методов и алгоритмов сншения размерности признакоього пространства и преобразования типов признаков.,

В разделе 1.1 подробно изложена о<"«цая проблематика использовании статистического программного обеспечения в автоматизированных системах научных исследований. Показаны целесообразность, всзможностй и преимущества применения

различных видов программных средзтв по анализу экспериментальных данных. Исследованы перспектив ' развития систем анализа данных до уровня экспертных систем анализа данных (ПСЙД). Иредчожена структура ЭСДД, лозчоля'о'цая обрабатывать результаты пксперт,1читальных исследований на уровне специалиста в области статистической обработки данных.

Раздел 1,2 отведен достат>чно полному обзору наиболее распространенных методов сшгаенчп размерности признакового пространства й прробразтвашш тшюп признаков. Установлено, что больмшство еущоству'чцгх критериев информативности ос.ювпно на лсИолыюванпи япклидовнх р?с-стояний. Обоснована целесообразность при мэлой обуиагхей выборке разработки и реализации нового метода определения информативного набора признаков, обеспечивавшего для заданного критерия информативности оптимальный результат в смысле максимизации зал,явного Лулкппонала. Установл. по также, что существен1,ив методг преобразования типов признаков не всегда дают оптимальный конечный результат и обоснована необходимость дальнейшего развития этих методов.

В разделе 1.3 сформулированы цель и задачи работы.

!™рмлглдва посвятпна^ разработке методов и алгоритмов снйяенпя размерности «сходного признакового пространства описания для задачи распознавания образов, а также разработке методов и алгоритмов преобразования типов признаков в задачах анализа данных, явля.оадихсв дальнейшим развитием идей оцифровки неколичественных переменных. Для каждого рассмотренного метода даотся пошаговый алгоритм, позволяющий быстро и оффоктнвно переводить эти метода на языки программирования для различных типов ЭШ.

В разделе 2.1 разработан и исследован комбинаторный метод снижения размерности исходного признакового пространства для задач распознавания образов. При списании

предлыгаоьш'о мш'ода нам нотреоукчхя следу,шциз иои-чпш п определения.

цюсгрьигтио «(»¡¡.»нлкое-. | X - (.1' х'~',...,х"')} будем считать еьклидошсд и ооознаииа чироэ /?*' . босдеы в расеиог раме иуяоилмц »еь-гор Л г( У,..., Л'"') ,

Д принимает эиачышь лиоо нуль, лиоо единица и выполняется сячдуздае отн^^ние:

у г - е

¡Ьаиосп и^кгор Л - и^мрг.ошьит,

«сан су«.»- 1а ни»:1011е«,'.'0Ь (иммл 9. .

(МОД&ШШЬ. Уг/.цОЬПиП Н^-ЛСТраНсТВи Н ~{л-(л/г..1х/>)} по Л ,'ъо

Ь'к -о'*1",.....

Под усечении.! (ч-сст-лишвы моаду диумл обдок'г&ш . Л' , у € К' будем 1г л1.ШсЛ'ь ииилвдоно рассгояшш медцу Х^ л ь просгранстнз Л ^ , т.е.

а х-1/1 ЧЕ

0 1 I' / ' - 2

= * щ > И/ъ -*п1Ь) ,

1'да _ ^ »и.

'Ь "V :с9с '

~ ^Рй|01иииодр.5'1'ичсски11 рьиброс объектов в классе о»чк>сптелию усииешп по ,)

ифсдилни пару 3)..13сст;1 ыы£ду классами X/ , > Х^

и

относительно усочсчнл по п

п / _ // / Г // - ч ' г /' - ч*

\

И^ор^ативиостъ усечения и«- -Л определим формулой

ч.ь

1 п

__________(I)

Метод яаклтшется п нахождении С - информативного вектора Л , на котором ич^орчягкпность ¡(А) достигает максимума.

Обозначим

„1*1 г— л ? - щ , (,=/,« ,

„, ,, / пи

¿-/ I

Обозначим через А множество всех векторов вида

, кле(о,0, Я Р (без огран::с;е-ния на в -информативность). множество А конечно I: состоит из 2** элементов. Через Ае обозначим множество всех £ - информативных векторов, т.е.

лч

Введем фунщцш

Для атои функции доканывается следующее утверждение.} Утверждение I. Для адбого целого /И , 0 ^ М ^ , существует АбЛ .такое, что Н(А}~Рй.

Далее, доказано утверждение 2. Пусть >)/"(/,_,},0,~,0).

V

Определим правило следоваьчя £( :

/1 м (я, *, У, 0, 0{..:, 0,1..:,/) ,

*, 0,1, /рг*. ОрТо).

Пусть * .....Тогда //)¡¡бА6 .

На изломанных утверждениях основан предлагаемый комбинаторны!! метод максимизации фуншшонала(I), Ь данном методе используется итеративный процесс, причем на первом шаге выбирается в - информативный вектор А следующего вида:

Я = (о,..., о,/,...,/).

Пи последнем шаге вектор /) принимает следующий'вид:

/1 -(],...,;,!),...,о).

Долее, описывается из шагам алгоритм оиредез.знля информативной подсистемы В признаков.

Па основе вышеизложенного ¡.'.етода предлагается нетод ьццелешш в исходной системе признаков наименьшей подсистемы, нвлащейся максикальЬэ информативной в смысле заданного критерии качества распознавании объектов контрольной

il

выборки• Описывается подагоанЛ алгоритм рь-шьмин поставленной задачи. При этом розульгаюы решения является точное значение оптимального числа наиболее- кг^осматив— пых признаков.

В разделе 2.2 разработаны гдгорит'цн поемразования типов признаков в асдаодс анализа данных. Прздл.гсеггц критерии поиска сптииальних екая для задач кэррилй';;»«— ного, «регрессионного, фаьтлрпого анализов а задача распознавания образ о я. В оацем ы-де зти критерии шдш записать еяедуеден ооаб'деннчй формулой: .

(Г V

с

m с и ,

где diP*

Ишкрегнпе выражения для матриц f и ZL заьисл? ас типа решаемой задачи.

Далее, предлагается гетод решения оптимизационной задачи (2), основанный на нетеде последовательных приближений. ' '

Описывается пошаговый вшмеящельный алгоритм поиска оптимальной перестановки целочисленных рангов градаций неколичественных переменных.

Алгоритм преобразования типов признакаа определяем для неколичественных переменных целочисленный илператин— нме пкалы, при атом учигкаается влияние каличе стенных пронзкав.

В разделе 2.3 приводится экспериментальной исследование разработанных алгоритмов lia. основе, сразивши: с кзьесгньма катодами подобного типа. Доказана эффективность работы алгоритмов аии&>г.гя размерности исходного, признакового пространства и алгоритмеj. преобразования; типов приэняксь lia. примера решения задачи распознавание

обрррг,^ с испольчор? ни"« хорошо и.чучр|П!>)Х к литературе дачных о 'гр"х осртях ириек, и на примере решения конкретной эад?иш распознавания образов для таблице экспериментальных дачных, состоящих иг> 33 объектов, каждый из которых описывается 22 признаками.

Использование рпз;тс>отш!М"с и разделе 2.1 алгоритмов п имени л размерности пространства описания позволило получить более точное сочетание информативных признаков для рассматриояямзй зада"" анализа исходной информации.

Дчя тчя-дл'-иенннх плгоригмои прообраиовэния типов признаков и других известных методов даны результаты малинной обработки, представленные в виде таблицы, причем основным сэ,держанием этой таблицы является число неверно распознанных объектов.

Доказывается, «то применение разработанных алгоритмов преобразования типов признаков позволяет выявить для неколииеснн'нных признаков количественные отношения и тем"самым существенно повысить адекватность модели -анализа данных по сравнению с исходными данными.

посвящена разработке прикладного программного обеспечения дли решения задач анализа данных и его применению.,Обоснована необходимость создания системы организации программного .обеспечения по анализу да)'"ых (АД) . Система программ но АД дол,«на представлять собой совокупность процедур, вгоов которых осуществляется единой управляющей программой, реализующей определенную методику обработки, предлагаемую разработчиком зтой системы.

13 разделе 3.1 рассмотрены основньга принципы организации вычислений в задачах ЛД, реапизованные при создании системы обработки данных (НТО для ЭВМ серий ЕС и СМ, а также назначение и общая структура данной системы.

В данном разделе разработана датсдика комплексного применения методов для-решения отдельных классов задач.'

bítíIOi[!)iíd ;>ТЛ uIlllo^'J'i C.;¡ ¡;a i : Ji. ..i .11 ¡ ;.'ilí:ii:i ;.l<¿¡ ..' ■1 ,i : ¡'uil-ii, , peí! t-1,>:::'.,í САОДНИС С.-. »,. t -..ч ^ ^ и г. !ч"; лагами, чм, а < :. . ■. очередь, i;[,v!i:,iii.:i(ii-a>.v j • r: y ó* - > ■ Г; к,алча Л- ■

(f.lK CptaH'Ta'i lltXil! >h>iri ¡«..ViUí;.'. >Ii:.'.i ¡I..Í:. I4<!i >t.->'! :r.i.¡ üiüJí!

П p Í ! Táláai i:j..|ji„. ) ■ 'it ! I ' ;1.'1 ÜiJ:iúiilcü l'. И •. i-

IUIil yjli.'IVrl ;)!) l,l,|Mu!!-.!»;¡l.t r.ir.i 1.1 с.

Omítj-itííi c.icn-:.ли и;.:,и ¡;,;uih.¡ С. i и

[ : .JH Ji lî Л dJ ; j H И,' AU ,í 11 |,Ï . Ь'и; Hi :;.<'';:. К .jfyaáaTua ;. ..a ■ г :. i :1

il nVopíídlMiil .

I i'áy'.'.ai a,!.; \i f," ) /'! I. i. j :...! in.- >i I I::. 14.л - , ааа.ч;. :í>i¡--

TO'Í. '¡I ПС ;j¡ :.;Ч'И! - Í 'W ií ' i <.- il > l':¡ : / Î ' i ! t.. ' ' • И.--

'<ueii.ll) И . Д] ..'I.) J!I.'.t Ii .1-'<:•;■ 1 '.'., '. i'v, il.u.tii, i .! 1.;.. ' I' .n..- :.l 1 НИИ O'iy'.l.iaaaUâaar ■': д.. i ,i..i'i-а.ып J Vpr-.i;i/i!,.l¡ír,i » luiànaii г пс-кмо ÜII.-I I(:.vi .панн,:" :

)i ín yucava ir.: ^ ù i ; L '1 ■ — * - — и:а;ч,:;; ¡a.apacii -

кол i.: j I одп.ш «¡la i.i.-m ih< jUi>¡;t.<¿u; v м.о.ааа;

в Ход o «.ópaJüi'rfii ¡ni], ;; п..;¡;i:¡ O.:i,,'if,o'm!«i1 "ынии/ш.ольш*;!

0KCíiCtH¡¡4 :iv" ¡и; iipat'a-pu.: I:LÍ..¡Í:Í lY.ia/iv.j и нраа a^rwi oo líccjj.'y; > f;>'n.: i : ■ : i Í ИВ-Ь.ИПЛ .

Ik.'oilo.i.iioci'íi pó-:¡.i-¡:ü¡i (i;i!f..)K''/i ч jqiyi » oa^/ai iio а.-гллп-:iy ДЛИНЫИ.' С Н.'ЛЮЛкЛОЬа.Ыг..'! l!.iU.ir.V«>llt<PO ПаОарД иГЛГа, .".cil

аффективных илгйркт:и,с ass

3) Простота обращения к nicYsut*, иэлти^с-л. oúvíhíw с системой на юше прццпо-т.'.и иоластп без г.ртлгийния специальных языков прогригмфо¿»кия или упртш-лмл аада-ниямн.

Ii основе о f. r\'s 111 Uî a s ! ii il систем..! ШТ0 j,úk;¡t мпмгепн.чл "вычислительный окси^^имоич'''. При ötom прйДИОлагги-'.-сн, что увеличение достоверности puiemni ооцпчл i'Om-v г.:::ч-, достигнуто sa счет использпипння рзя.-ычии* 1й;л.:;'<в численного анализа.

11сл j in из о ¡oro иоЛчЖаиы, о/pu'io'fu« оксичрамантала-ных данны;; в спо'Ш'.е Ciiï'U пр.уХ/ятт ь н^г.колкио :>tí4,ií';i , кгиднй па xotopnx «ирояйЛю-гоя ргишн.шжи исходны.«:! предпосылка: ni и. doauoaiio, нитуитиипыми aiiami.iMit по.и/зо вате-ля. Опнс.к/г-'ноо оорпцйнпи II счете!!« .Udd'í f.CúléHiití лл.иь

при определенных предпосылках, в то время как при изменении гипотез н структура данных в работу по анализу вклчтенггся другие цепочки алгоритмов и методов, которые, взаимно перекрквапсь, позволяет пользователю последовательно уточнять свои знания о данных» а значит, и об изучавши явлении.

Ятя осуществления такой методики средства и методы обработки в системе обеспечивают не только решение основных и наиболее важных задач анализов данных, но и реалнзаиш различна процедур по коррекции и преобразования исходной информации, что особенно важно в Контек-сто решения задач выбора информативного описания и отбор.I признаков.

ИредставлеНи основные этайн разработанной методики интегрированного анализа данных, базирующейся на принципе "вычислительного эксперимента", о также структурная с.хеь'а ДД в системе СИТО.

Подробно изложен способ работы этой системы в диалоговом и автоматическом режимах.

В разделе 3.2 описывается реализация системы СИТО на типов ЕС и (1-1. Д.то гея преимущества и недостатки каддсю из г1 ар и ант о и предлагаемой системы.

Й разделе 3.3 даны результаты решения конкретной социологической задачи,связанной с исследованием проб. .-и шднциискнх 'работннкоа з нескольких областях Республики Узбекистан.

3приложении г.аны акты о внедрении и распечатки результатов работы различных процедур системы (ШО.

ОСНОВШЕ КЗУЛЬТа'1Н И ВЫВОДУ

1. Проведён анализ и систематизировали методы и алгоритмы выбора шфэриат'.шгаго набора признаков и преобралсвэния тппов признаков.

' '¿. Предложена структура диалоговой интегрированной системы анализа данных, позволяющей на уровне специалиста решать различные задачи обработки данных'.

3. Предложен комбинаторный метод снижения размерности пространства описания для задачи'распознавания образов, позволяющий получить точный конечный результат.

94. Предложен метод поиска императивных шкал порядка градаций неколичественных признгков, позволяющий гюрейти от неколичественных признаков к количественным и использовать весь набор известных классических методов и алгоритмов анализа данных.

5. На основании предложенных методов разработаны алгоритмы снижения размерности и преобразования неколичественных признаков в количественные, позволяющие использовать для обработки классические методы 'анализа данных.

6. Создано программное обеспечение классических

и разработанных методов и алгоритмов в виде системы анализа данных (НТО для ЭВМ классов КС и См.

У. • Реализована методика обработки разнотипных экспериментальных.данных с использованием системы СИТО в режиме диалогового взаимодействия.

В. Предложенные в диссертации методы, алгоритмы и программы были использованы в практике работ на ряде предприятий.

Основное содержание диссертации отражено в следующих работах:

I. Алексеев Л.И., Калягина Ji.В., Нарзуллаев Д.3., Никифоров A.M. Многофункциональная система анализа экспериментальных данных на ЕС ЭВМ // Информационное обеспечение систем автоматизации. Л.: Паука, 19В6. - С. 47-55.

2. Алексеев Л.П., Нарзуллаев Д.З., Никофоров A.M., Фазылов Ш.Х. Интегрированная система обработки разнотипных данных С1ГГ0-ЕС. Инструкция дли пользователя. - Л.: JUIUAH, 1У67. - 21 с.

3. Нарзуллаев Д.З. , Никифоров A.M. Организация хранения и обмена информацией в системе анализа данных ' GtTO-на LC Э1М // Проблемы информационного обеспечения интегрированных производственных комплексов. - Д.: Наука, 1967. - С. 133-13/.

4. Нарзуллаев Д.З., Фазмлов Ш.Х. Организация архива данных в интегрированной системе обработки разнотипных донных на ЬС ЭВМ. - ШШТИ, }>> 5379-1367. -10 с.

5. Нарзуллаев Д.З., Никифорсв A.M. 0 развитии системы анализа данных до уровня экспертной // Информационные проблемы автоматизации. - Л.: ЛИМАН СССР, 1988. -С. 178-169.

6. Нарзуллаев Д.З., Ншанов А.Х., Фязылов Ш.Х.

Об одном методе построения информативной подсистемы признаков П Известия академии наук УзССР. Серия технических

наук. - Ташкент, 1988, !? 4. - С. 4-8.

«

7. Нарзуллаев Д.З., Ншанов А.Х., Фазылов Ш.Х. К задача определения информативного описания объектов рас-познаьания И Известии АН УзССР. Серия технических наук. Ташкент, 1989, Ml. - С. 9-11.

0. Нарзуллаев Д.З., Никифоров A.M., Фаэьлов Ш.Х. Система интегрированной табличной обработки данных на ЕС ЭЫ (СИТО-ЕС). Описаний применения. БФА11 АН УзССР. -Ташкент: УзНПО "Кибернетика", 1989 г. - 19 с.