Диссертация (1172881), страница 14
Текст из файла (страница 14)
Устанавливаютсясоответствующие критерии, и осуществляется сверткаполученных показателей в интегральный критерийУровень свойств,показателей икритериевВрезультатеанализадеятельностидолжностныхлицЦУКС(уровень 1, рис. 36) был выявлен перечень задач и проведена декомпозиция этихзадач. Декомпозиция задач позволила выделить 170 подзадач [105]. Среди перечняподзадач были выделены подзадачи, содержащие информационно-аналитическиесоставляющие, которые возможно решить при помощи систем информационноаналитической поддержки.Для этого предлагается произвести выбор наиболее предпочтительныхподзадач в соответствии с уровнями, выделенными на рис. 36.На втором уровне из общего перечня подзадач остается 129 подзадач,соответствующих уровню задач по функциям управления. На третьем уровне - 35задач. В соответствии с уровнем 4, задачи предлагается распределить на 3 группы ивыделить свойства, присущие этим задачам (табл.
31):1) задачи формирования выводов;2) задачи разработки предложений и планов;3) задачи прогнозирования.Таблица 31 – Выделение общего перечня свойствКоличествоподзадачТип задачи24Задачи формирования выводов6Задачи разработки предложений ипланов5Задачи анализа, оценки ипрогнозированияСоответствующее свойствоДостоверностьМногокритериальностьЗакономерностьЛогическая связностьСтруктурированностьЗакономерностьЛогическая связностьСтруктурированностьДостоверностьЗакономерностьЛогическая связностьСтруктурированностьЭкономичностьПосле исключения повторяющихся свойств, для дальнейшей работы быливыбраны шесть свойств, по которым необходимо будет установить показатели(рис. 37).77Рисунок 37 – Выделение свойств для последующей формализацииСледующей принципиальной задачей является определение совокупностипоказателейисходаоперациипополученнымсвойствам,установлениематематической функции значения данных показателей, а также построениефункций полезности для них (Приложение Б).
По соответствующим показателямисхода операций, а также функциям полезности строится интегральных критерий,характеризующий принадлежность исследуемых задач к задачам информационноаналитической поддержки [85].Осуществляется свертка полученных показателей и установление критерияэффективности. К рассматриваемой задаче применяется способ аддитивной сверткипоказателей, с учетом того, что для непрерывных функций критерий эффективностибудет принимать вид U ( x) m___ П (r ) f (r )dr, а для дискретных U ( x) П (ri )P(ri / X ).i 1rRУчитывая также то, что необходимым условием аддитивной сверткипоказателей качества является монотонность функции полезности, интегральныйкритерий эффективности будет принимать вид:nU ( xi ) a j (Q j ) a1 A a2 B a3C a4 D a5G a6 E HdH FdF , гдеj2n j26 jn2 1 63(n 6) общеечисло показателейa1 0,5aj a2 0, 25a3 0,125a4 0,0625a5 0,03125a6 0,015625Таким образом, значение интегрального критерия эффективности будетпредставляться функцией:78U ( xi ) 0,5SNS лсвяз.tNk 0,25 структ.
0,125 пр. 0,0625 ип. 0,03125 связ. 0,015625 лв Sобщ.Sобщ.NtN элем.K общ. Lp max ( Lp )dH N t min ( N t )dfКритерий характеризует принадлежность задачи, решаемой должностнымлицом ЦУКС МЧС России, к перечню задач информационно-аналитическойподдержки. Критерий позволяет совершенствовать и оптимизировать деятельностьдолжностного лица путем возложения части обязанностей на разрабатываемуюсистему.Полученныйрезультатпредставляетсобойматематическую(аналитическую) модель процесса выявления перечня задач информационноаналитической поддержки (табл. 23).Необходимоосуществитьрассмотрениепроцессовфункционированияподсистем и модулей системы информационно-аналитической поддержки напримере реальной задачи ЧЦ31 – оценка структуры и наполненности паспортовтерритории, решаемой должностным лицом АРМ-5.2.4 Математическая модель процесса выбора рациональной моделипредставления знанийПодсистема выбора рациональной модели представления знаний реализована ввиде математической (комбинированной) модели процесса выбора рациональноймодели представления знаний (табл.
25). Выделен перечень классификационныхпризнаков и соответствующих значений признаков (табл. 32), позволяющихустановить принадлежность решения задачи должностного лица ЦУКС МЧС Россиимоделипредставлениязнаний.Данныеклассификационныепризнакиисоответствующие значения признаков наиболее точно отражают характерныесходства и различия между выделенными ранее моделями представления знаний.Принципиальнойпроблемойявляетсяформализацияполученныхклассификационных признаков и соответствующих значений признаков.
Дляудобства работы с полученными данными предлагается применение метода сверткикритериев. Он предполагает переход к однокритериальной задаче.Сверткаозначает,чтонаосновеклассификационныхпризнаковисоответствующих значений признаков выделяется интегральный показатель. Онрассчитывается как взвешенная сумма значений признаков (аддитивная форма).Использование метода предполагает, что значения признака измеряются вабсолютной шкале и классификационные признаки должны быть независимы.79Таблица 32 – Признаки установления рациональной модели представления знаний№ п/пКлассификационный признак (КП)1.Тип знаний ( P1 )2.Форма представления знаний ( P2 )3.Форма вывода знаний ( P3 )Значения признака (частные признаки) (ЧП)Декларативные знания ( P11 )Процедурные знания ( P12 )Количественная ( P21 )Качественная ( P22 )Прямой вывод ( P31 )Обратный вывод ( P32 )Последовательная ( P41 )4.Тип взаимосвязи элементов вдокументе ( P4 )5.Свойства знаний ( P5 )Параллельная ( P42 )Иерархическая ( P43 )Централизованная с одним или несколькимицентрами ( P44 )Внутренняя содержательная интерпретируемость( P51 )Активность ( P52 )Связность ( P53 )Громоздкие знания ( P61 )6.Размер знаний ( P6 )7.Непротиворечивость знаний ( P7 )8.Детализация знаний ( P8 )Негромоздкие знания ( P62 )Противоречивые знания ( P71 )Непротиворечивые знания ( P72 )Глубинные знания ( P81 )Поверхностные знания ( P82 )Интегральный показатель установления рациональной модели представлениязнаний по классификационным признакам и соответствующими значениямипризнаков имеет вид:NMi 1j 1LSпз ai kij ,(19)где i – номер классификационного признака, j – номер соответствующего значенияпризнака i, N – количество классификационных признаков, M – количествосоответствующих значений признаков, ai – вес классификационного признака Pi(уровень его предпочтительности), kij – соответствующее классификационномупризнаку Pi значение признака Pij, LSпз – интегральный показатель установлениярациональной модели представления знаний, который может принимать вид: Llп –для продукционной модели представления знаний, Llф – для фреймовой моделипредставления знаний, Llл – для логической модели представления знаний, Llс – длямодели представления знаний в виде семантических сетей.80Определение веса классификационного признака Pi означает установлениепредпочтительности признаков при выявлении рациональной модели представлениязнаний.
Показателем в данном случае будет выступать вероятность того, что данныйпризнак наиболее значим для выбора рациональной модели представления знаний.Веса предлагается получить методом взвешивания экспертных оценок. При этомпривлекая экспертов, используемых при выявлении перечня задач информационноаналитической поддержки (с уровнями компетенции R1 = 1,22; R2 = 0,78; R3 = 0,54; R4= 0,44) [84].Вычислим относительные оценки компетентности экспертов:Rотн.n Rn,R(20)где n – номер эксперта, Rn – уровень компетентности эксперта n, R - суммарноезначение компетентности всех экспертовПолучается:R =1,22+0,78+0,54+0,44 = 2,98; Rотн.1 = 1,22/2,98 = 0,4 ; Rотн.2 = 0,78/2,98 = 0,26;Rотн.3 = 0,54/2,98 = 0,18; Rотн.4 = 0,44/2,98 = 0,14.Следующимшагомбудетсоставлениематрицывесовцелейдляклассификационных признаков (табл.
33).Таблица 33 – Матрица весов целей для классификационных признаковЭi/PiЭ1 (R1=0,4)Э2 (R2=0,26)Э3 (R3=0,18)Э4 (R4=0,14)P10,080,070,090,1P20,070,10,060,09P30,10,110,090,08P40,150,190,10,09P50,190,20,20,3P60,140,080,170,14P70,120,120,140,2P80,150,130,150,2Найдем искомые веса целей и составим в соответствии с этими значениямиотношения предпочтений:W1 ( P1 ) 0, 4*0, 08 0, 26*0, 07 0,18*0, 09 0,14*0,1 0, 032 0, 0182 0, 0162 0, 014 0, 0804W2 ( P2 ) 0, 4*0, 07 0, 26*0,1 0,18*0, 06 0,14*0, 09 0, 028 0, 026 0, 0108 0, 0126 0, 0774W3 ( P3 ) 0, 4*0,1 0, 26*0,11 0,18*0, 09 0,14*0, 08 0, 04 0, 0286 0, 0135 0, 0112 0, 0933W4 ( P4 ) 0, 4*0,15 0, 26*0,19 0,18*0,1 0,14*0, 09 0, 06 0, 0494 0, 018 0, 0126 0,14W5 ( P5 ) 0, 4*0,19 0, 26*0, 2 0,18*0, 2 0,14*0,3 0, 076 0, 052 0, 036 0, 042 0, 206W6 ( P6 ) 0, 4*0,14 0, 26*0, 08 0,18*0,17 0,14*0,14 0, 056 0, 0208 0, 0306 0, 0196 0,127W7 ( P7 ) 0, 4*0,12 0, 26*0,12 0,18*0,14 0,14*0, 2 0, 048 0, 0276 0, 0252 0, 028 0,1288W8 ( P8 ) 0, 4*0,15 0, 26*0,13 0,18*0,15 0,14*0, 2 0, 06 0, 033 0, 027 0, 028 0,14881Таким образом, были найдены предпочтения для классификационныхпризнаковприP5P7P8P4установленииP6P3рациональноймоделипредставлениязнаний:P2 и значения весов классификационных признаков Pi дляP1формулы (23): a1 = 0,0804; a2 = 0,0774; a3 = 0,0933; a4 = 0,14; a5 = 0,206; a6 = 0,127; a7= 0,1288; a8 = 0,148.Следующейпринципиальнойзадачейявляетсяустановлениеkijсоответствующих классификационному признаку Pi значений признаков Pij.Показателем будет выступать вероятность того, что соответствующий признаксоответствует модели представления знаний.Установление значений признаков предлагается осуществлять при помощиранжирования критериев по методу Перстоуна.
Для этого 4 эксперта, выделенныхвыше, оценивают важность критериев для конкретной модели представления знаний,выставляя им места с 1 по 19 (табл. 34).Таблица 34 – Ранжирование значений признаков в зависимости от моделипредставления знанийЭi/PijP11P12P21P22P31P32Э1Э2Э3Э41212111156651111121265561819181819181919Э1Э2Э3Э48787161317179101010109991919181818181919Э1Э2Э3Э488771414161616161515151514141818191819191819Э1Э2Э3Э48899121514129988131413151819181819181919P41 P42 P43 P44 P51 P52Продукционная модель (lп)10 13 1441210 14 13432913 14413915 14421Фреймовая модель (lф)11412 142112511 143112611 144111512 1412Логическая модель (lл)9107421109741210984239108412Семантические сети (lс)10 116141310 117131210 114121311 1051321P53P61P62P71P72P81P823123151615139910101715161678781617171787873223545415161513171716167878663613151315331311111212556617171717121211111313131366552323455617171616161617175464767715121514Следующими этапами будет:1.
Нахождение частот f (z,y) (z,y – соответствует сравниваемой паре значенийпризнаков Pij), характеризующее предпочтение соответствующих признаков впарных сравнениях. Считается сколько раз одно значение признака былопредпочтительнее другого (k) и делится на общее количество оценок ( s ):82f zy k(k ∈ [1;4]).s(21)2. Осуществляется переход от частот fzy к шкальным оценкам Xzy на основеуравнения:fzy = Ф(Xzy),гдеФ( X zy ) 12xe1 t22dt(22)– есть интегральная функция Лапласа [28]3. Вычисляются веса значений признаков:J ij Ф( X ij ) Ф( Xi 1, j1(23),Pij)где P – общее количество значений признаков,X ij 1 xij ,n(24)где хzy – частные шкальные оценки по признаку Pij.Расчетные значения полученной модели отражены в Приложении В.Табличноепредставлениеполученныхданных довольногромоздко имассивно.