Статья

Название статьи МИВАРНАЯ ЭКСПЕРТНАЯ СИСТЕМА ДЛЯ РАСПОЗНАВАНИЯ ОБРАЗОВ НА ОСНОВЕ НЕЧЕТКОЙ КЛАССИФИКАЦИИ И МОДЕЛИРОВАНИЯ РАЗЛИЧНЫХ ПРЕДМЕТНЫХ ОБЛАСТЕЙ С АВТОМАТИЗИРОВАННЫМ РАСШИРЕНИЕМ КОНТЕКСТА
Автор А.Ю. Максимова, О.О. Варламов
Рубрика РАЗДЕЛ II. АНАЛИЗ ЗАЩИЩЕННОСТИ И ЗАЩИТА ИНФОРМАЦИОННЫХ СИСТЕМ И ОБЪЕКТОВ
Месяц, год 12, 2011
Индекс УДК 004.056.5+004.8+004.93
DOI
Аннотация В работе показано, что для решения задач информационной безопасности целесообразно объединить возможности экспертных систем и методов распознавания образов. Целью работы является обоснование возможности совместного использования и взаимообогащения экспертных систем и распознавания образов. Первая задача работы – показать, как экспертные системы увеличивают возможности по распознаванию образов путем расширения контекста. Вторая задача – показать возможности использования методов анализа данных и распознавания образов для добавления знаний в экспертные системы. В работе получены следующие выводы. Экспертные системы позволяют обрабатывать больший контекст, что улучшает результаты распознавания. Применение методов распознавания для экспертных систем позволяет автоматизировано получать новые данные и правила в целях расширения контекста и самообучения. Показаны результаты экспериментов с миварными экспертными системами, которые подтвердили линейную вы- числительную сложность миварного логического вывода и автоматического конструирования алгоритмов. Предлагается использовать нечеткий классификатор как источник правил для миварной экспертной системы. Миварные технологии позволяют на практике работать более чем с тремя миллионами продукционных правил, что кардинально увеличивает как возможности экспертных систем, так и адекватность распознавания образов в целях решения задач информационной безопасности.

Скачать в PDF

Ключевые слова Мивар; распознавание образов; информационная безопасность; экспертные системы; искусственный интеллект.
Библиографический список 1. Варламов О.О. Алгоритм разреза сети по вершинам и ребрам ее графа сложности О(n2) // Труды НИИР: Сб. ст. – М., 1997. – С. 92-97.
2. Варламов О.О. Разработка адаптивного механизма логического вывода на эволюционной интерактивной сети гиперправил с мультиактивизаторами, управляемой потоком данных // Искусственный интеллект. –2002. – № 3. – С. 363-370.
3. Варламов О.О. Разработка линейного матричного метода определения маршрута логического вывода на адаптивной сети правил // Известия вузов. Электроника. – 2002. – № 6. – С. 43-51.
4. Варламов О.О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство. – М.: Радио и связь, 2002. – 288 с.
5. Варламов О.О. Основы многомерного информационного развивающегося (миварного) пространства представления данных и правил // Информационные технологии. – 2003. – № 5. – С. 42-47.
6. Варламов О.О. Системный анализ и синтез моделей данных и методы обработки информации в самоорганизующихся комплексах оперативной диагностики: Диссертация на соискание ученой степени доктора технических наук. – М.: МАРТИТ, 2003. – 307 с.
7. Варламов О.О. Системный анализ и синтез моделей данных и методы обработки информации в самоорганизующихся комплексах оперативной диагностики: Автореферат диссертации на соискание ученой степени доктора технических наук. – М.: МАРТИТ, 2003. – 44 с.
8. Варламов О.О. Эволюционные базы данных и знаний. Миварное информационное пространство // Известия ЮФУ. Технические науки. – 2007. – № 2 (77). – С. 77-81.
9. Владимиров А.Н., Варламов О.О., Носов А.В., Потапова Т.С. Применение многопроцессорного вычислительного кластера НИИР для распараллеливания алгоритмов в научнотехнических и вычислительных задачах // Труды Научно-исследовательского института радио. – 2009. – № 3. – С. 120-123.
10. Санду Р.А., Варламов О.О. Миварный подход к созданию интеллектуальных систем и искусственного интеллекта. Результаты 25 лет развития и ближайшие перспективы. – М.: Стандартинформ, 2010. – 339 с.
11. Варламов О.О., Санду Р.А., Владимиров А.Н., Бадалов А.Ю., Чванин О.Н. Развитие миварного метода логико-вычислительной обработки информации для АСУ, тренажеров, экспертных систем реального времени и архитектур, ориентированных на сервисы // Труды НИИР. – 2010. – № 3. – С. 18-26.
12. Владимиров А.Н., Варламов О.О., Носов А.В., Потапова Т.С. Программный комплекс «УДАВ»: практическая реализация активного обучаемого логического вывода с линейной вычислительной сложностью на основе миварной сети правил // Труды Научноисследовательского института радио. – 2010. – Т. 1. – С. 108-116.
13. Варламов О.О. Миварный подход к разработке интеллектуальных систем и проект создания мультипредметной активной миварной интернет-энциклопедии // Известия Кабардино-Балкарского научного центра РАН. – 2011. – № 1. – С. 55-64.
14. Подкосова Я.Г., Васюгова С.А., Варламов О.О. Использование технологий виртуальной реальности для трехмерной визуализации результатов моделирования и для миварных обучающих систем // Известия Кабардино-Балкарского научного центра РАН. – 2011. – № 1. – С. 226-232.
15. Варламов О.О. Обзор 25 лет развития миварного подхода к разработке интеллектуальных систем и создания искусственного интеллекта // Труды Научно-исследовательского института радио. – 2011. – № 1. – С. 34-44.
16. Подкосова Я.Г., Варламов О.О., Остроух А.В., Краснянский М.Н. Анализ перспектив использования технологий виртуальной реальности в дистанционном обучении // Вопросы современной науки и практики. Университет им. В.И. Вернадского. – 2011. – № 2 (33). – С. 104-111.
17. Подкосова Я.Г., Васюгова С.А., Варламов О.О. Новые возможности и ограничения технологий виртуальной реальности для проведения научных исследований, трехмерной визуализации результатов моделирования и создания миварных обучающих систем и тренажеров // Труды Научно-исследовательского института радио. – 2011. – № 2. – С. 5-16.
18. Материалы веб-сайта Варламов О.О. // http://www.ovar.narod.ru. 2011.
19. Материалы веб-сайта компании МИВАР // http://www.mivar.ru. 2011.
20. Варламов О.О., Санду Р.А., Владимиров А.Н., Носов А.В., Оверчук М.Л. Миварный подход к созданию мультипредметных активных экспертных систем в целях обучения информационной безопасности и управления инновационными ресурсами в образовании // Известия ЮФУ. Технические науки. – 2010. – № 11 (112). – С. 226-232.
21. Максимова А.Ю. Многоуровневая организация системы поддержки принятия решений для лаборатории контроля качества // Материалы Международной научно-технической конференции пос. Кацивели, АР Крым, 19-23 сентября 2011 г. «Искусственный интеллект. Интеллектуальные системы. ИИ-2011». – Донецк: ИПИИ «Наука и освiта», 2011. – С. 120-123.
22. Ishibuchi Hisao, Nakashima Tomoharu, Nii Manabu. Classification and Modeling with Linguistic Information Granules, Spriger, 2005. – 307 p.
23. Pedrycz, W., Skowron, A., Kreinovich, V. (eds.): Handbook of Granular Computing. John Wley & Sons, New York (2007).
24. Козловский В.А., Максимова А.Ю. Решение задачи распознавания образов по нечетким портретам классов // Искусственный интеллект. – 2010. – № 4. – С. 221-228.
25. Козловский В.А., Максимова А.Ю. Нечеткая система распознавания образов для решения задач классификации жидких нефтепродуктов // Научные работы ДонНТУ, серия «Информатика, кибернетика и вычислительная техника» – 2011. – № 13 (185). – С. 200-205.
26. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб.: БХВ-Петербург, 2003. – 736 с.

Comments are closed.