Разработка и исследование кластерных экспертных систем
На правах рукописи
ЯНАЕВА 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
Работа выполнена в Кубанском государственном технологическом
университете
| Научный руководитель: | кандидат технических наук, доцент Малыхина М.П. |
| Официальные оппоненты: | доктор технических наук, профессор Хисамов Ф.Г. 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 А.В.
Ученый секретарь
диссертационного совета Д 212.100.04,
канд. техн. наук, доцент 
А.В. 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 COM – 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 прошла 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.
- Результаты сравнительного анализа существующих методов интеграции экспертных систем.
- Принципы построения и архитектура кластерной экспертной системы.
- Математические основы построения кластерных экспертных систем.
- Модель подсистемы управления выводом знаний.
- Алгоритм определения порядка выполнения запросов к локальным экспертным системам и механизмы управления процессом распределения запросов между локальными экспертными системами.
- Экспертные вероятностные оценки определения достоверности получаемого решения.
- Методика и технология 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».
Апробация результатов исследования. Основные положения диссертационной работы докладывались и обсуждались на 2 международных и 4 всероссийских научных и научно-методических конференциях:
- VIII Всероссийской научно-практической конференции «Инновационные процессы в высшей школе», г. Краснодар, 2002 г.;
- Х Юбилейной всероссийской научно-практической конференции «Инновационные процессы в высшей школе», г. Краснодар, 2004 г.;
- Всероссийской научно – практической конференции молодых ученных и студентов «Современное состояние и приоритеты развития фундаментальных наук», г. Анапа, 2004 г.;
- II Международной научно-практической конференции «Развивающиеся интеллектуальные системы автоматизированного проектирования и управления», г. Новочеркасск, 2002г.;
- V Всероссийская научно-технической конференции «Информационные технологии в науке, проектировании и производстве», г. Нижний Новгород, 2002 г.;
- III 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 РОСПОТРЕБНАДЗОР 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 | Экспертные системы, проектируемые с использованием G2 | Combining Multiple Knowledge Bases | Экспертная система ТЕРРА | АТ – Технология | АИР – ЭКО | ЭС радиационного мониторинга АЭС | Создаваемая кластерная экспертная система |
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| Возможность увеличения вычислительного потенциала экспертной системы | ||||||||
| Возможность модификации меха-низма логического вывода | – | + | – | – | – | + | + | + |
| Изменение структуры базы знаний | – | + | – | + | – | + | + | + |
| Возможность гибкого подключения новых локальных экспертных сис-тем в состав существующей | – | – | – | – | + | – | – | + |
| Обеспечение пользовательского интерфейса | ||||||||
| Наглядность обработка запросов пользователя | – | + | – | + | + | + | + | + |
| Наглядность процесса принятия решения | – | + | – | + | + | + | + | + |
| Наличие дополнительных преобразований в процессе обработки запроса пользователя | ||||||||
| Необходимость преобразования экспертных систем в процессе принятия решений | – | – | + | – | – | + | – | – |
| Необходимость коррекции и введения дополнительной инфор-мации во время поиска решений | – | + | – | – | – | + | + | – |
| Необходимость коррекции и введения дополнительной инфор-мации в процессе обработки запроса пользователя | – | + | – | – | – | + | + | – |
| Использование в процессе проектирования специальных инс-трументальных средств | – | + | – | + | – | + | + | – |
| Степень достоверности получаемого решения | ||||||||
| Неточность экспертной информа-ции | + | + | + | + | + | + | + | – |
| Нечеткость экспертной информа-ции | + | + | + | + | – | + | + | – |
| Наличие коэффициентов достовер-ности полученной информации | – | – | – | + | – | – | – | + |
| Наличие концепций проектирования интегрированных экспертных систем | ||||||||
| Наличии методики проектирования экспертной системы | – | + | – | – | – | + | + | + |
Продолжение таблицы 1
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| Наличие схем представления знаний в проектируемых экс-пертных системах | – | – | – | – | + | – | – | + |
| Наличие методов декомпозиции знаний выбранной предметной области | – | – | – | – | + | – | – | + |
| Наличие алгоритмов организации механизмов логического вывода в проектируемых экспертных сис-темах | – | – | – | – | + | – | – | + |
| Наличие единых программных средств, позволяющих поддержи-вать некую стандартную техноло-гию разработки интегрируемых экспертных систем, за исключе-нием 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 опущены 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 друг 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 модульная 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 увязки 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 Y; - отображение множеств значении входных переменных во множество значении выходных или более точно, если 
, 
, то 
, 
, где i - функция типа 
. Таким образом, функциональная структурная единица определяется как тройка объектов 
, 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:
(1)
Второе требование можно записать в виде:
(2)
Локальная постановка осуществляется «от выхода» функциональной структурной единицы. Прежде всего, задается набор переменных, значения которых необходимо получить в ходе реализации 
, тогда:
(3)
Совокупность функций 
образует оператор, т. е. отображение списка 
в список 
(4)
где X1 представляет собой список переменных первого от конца уровня функциональной структурной единицы:
, где 
(5)
Это разделение выполняют из следующих соображений: в Xи1 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):
, где 
, 
(6)
и т. д. Процесс продолжается до тех пор, пока список неисходных переменных очередного k-го уровня не окажется пустым. Описанный процесс рассмотрим графически (рисунок 1), строя граф зависимости переменных.
Рисунок 1 – Граф зависимости переменных
На рисунке переменные изображаются вершинами графа. Если переменная xt вычисляется по формуле 
, 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 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: G=<V,R,M>, где V – множество вершин графа, представляющих собой множество локальных экспертных систем; R – множество ребер графа, представляющих связи между механизмом управления выводом знаний кластерной экспертной системы и локальными экспертными системами; M – множество операций которым должен быть подвергнут исходный набор D с целью идентификации тех или иных локальных экспертных систем. Рассмотрим основные операции, которым должен быть подвергнут исходный набор данных D 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 S=
{s1, s2, … sn }, и множество V={ v1, v2, … vn } - множество локальных экспертных систем. Пусть T={ t1, t2, … tn } количество совпадений si c базой фактов локальной экспертной системы vi, тогда можно для каждой локальной экспертной системы vi записать условие вычисления величины T. Обозначим переменной fi знания базы фактов локальной экспертной системы vi. Если
, то 
Тогда вероятность принадлежности данных локальной экспертной системе vi, определяем по формуле: 
(7)
где k – число количество входных данных для кластерной экспертной системы.
Определение экспертной системы с наибольшей вероятностью принадлежности. Получив множество вероятностей P={p1, p2, … pn}, определяем экспертную систему с наибольшей вероятностью.
Формально алгоритм поиска номера экспертной системы с наибольшей вероятностью можно описать следующим образом:
- Пусть q – номер экспертной системы с наибольшей вероятностью. На первом этапе поиска предполагаем, что q=1, т.е. первая локальная экспертная система vi обладает максимальной вероятностью pi ;
- Организуем процесс поиска наибольшей вероятности для всех n локальных экспертных систем. Условие выборки номера экспертной системы будет выглядеть следующим образом: Если pi > pi-1 тогда q=i;
- На выходе алгоритма получаем номер экспертной системы с наибольшей вероятностью pi.
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 – COM технология.
Рисунок 4 – Структурная схема КЭС «MED-Expert»
КЭС «MED-Expert» 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-Expert». 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-Expert» 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 6).
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 и локальной экспертной. Для сравнения в экспертной системе «MYCIN» результативность поиска достигалась лишь в 45% диагностируемых ее заболеваний (рисунок 7).
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 «MED-Expert.
В заключении отражены основные выводы и результаты диссертации, подтверждена ее практическая значимость.
ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ
В процессе исследования получены следующие результаты:
- Проведен обзор основных направлений исследований в данной области, выявлены основные недостатки и предложены пути их устранения.
- Исследованы возможности интеграции неоднородных экспертных систем, работающих в смежных предметных областях.
- Обоснована необходимость проектирования кластерных экспертных систем и осуществлена постановка задачи исследования.
- Предложен математический метод построения дерева логического вывода для кластерной экспертной системы.
- Предложена формальная модель кластерной экспертной системы.
- Рассмотрены вопросы представления знаний в локальных экспертных системах.
- Разработан алгоритм построения дерева решений для локальных экспертных систем.
- Разработана формальная модель подсистемы управления выводом знаний для кластерной экспертной системы.
- Определена вероятность принадлежности знаний локальной экспертной системе.
- Предложены оценки определения достоверности решения, полученного от локальных экспертных систем.
- Определена подсистема приобретения знаний.
- Определена подсистема формирования заключений и рекомендаций.
Основные положения диссертации опубликованы в следующих работах:
- Малыхина М.П., Частиков А.П., Янаева М.В. 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
- Малыхина М.П., Частиков А.П., Янаева М.В. 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.
- Малыхина М.П., Частиков А.П., 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 технологический университет, 2002. с. 56.
- Малыхина М.П., Частиков А.П., Янаева М.В. Кластерные экспертные системы. // Материалы Х Юбилейной всероссийской научно-практической конференции «Инновационные процессы в высшей школе», Краснодар: Кубанский государственный технологический университет, 2004. с. 74.
- 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 II. Анапа: 2004 г. с. 9.
- Малыхина М.П., Частиков А.П., Янаева М.В. Методика построения кластерных экспертных систем. // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки: 2004. с. 17 – 19
- Малыхина М.П., Частиков А.П., Янаева М.В. Теоретические основы интеграции кластерных экспертных систем. // Труды Кубанского государственного технологического университета. Серия «Информатика и управление». Том XVIII, вып. 2. Краснодар: 2003. с. 64 – 69
- 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
- Частиков А.П., Мягкий А.Е, Янаева М.В. Моделирование гибридных экспертных систем. // Труды Международной научно – технической конференции «Компьютерное моделирование 2001». Санкт – Петербург: Санкт-Петербургский государственный политехнический университет, 2001. с. 71 - 77
- Янаева М.В. 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.
- Янаева М.В., Малыхина М.П., Частиков А.П. Теоретические основы интеграции экспертных систем на основе COM – 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 60х84 1/16. Уч.-изд. л. 1,36 Тираж 100 экз. Заказ № 11.
OOO «Издательский Дом–ЮГ»
350072, г. Краснодар, ул. Московская, 2, корп. «В», ауд. В-120
тел./факс (861) 274-68-37
