Статья

Название статьи РАЗВИТИЕ МЕТОДОВ СЕМАНТИЧЕСКОЙ ФИЛЬТРАЦИИ НА ОСНОВЕ РЕШЕНИЯ ЗАДАЧИ КЛАСТЕРИЗАЦИИ БИОИНСПИРИРОВАННЫМИ АЛГОРИТМАМИ
Автор В. В. Марков, Ю. А. Кравченко, М. А. Кузьмина
Рубрика РАЗДЕЛ IV. АНАЛИЗ ДАННЫХ И УПРАВЛЕНИЕ ЗНАНИЯМИ
Месяц, год 04, 2018
Индекс УДК 004.62
DOI
Аннотация Данная статья посвящена решению проблемы развития теоретических основ управления знаниями для создания междисциплинарных интеллектуальных информационных систем семантического поиска, способствующих развитию перспективных направлений информатики и информационных технологий, связанных с решением проблем интеграции знаний из неоднородных распределенных источников знаний, идентификации предметной области и концептуального моделирования, анализа и извлечения данных. Актуальность решения данной проблемы заключается в расширении прикладных областей применения разрабатываемых интеллектуальных информационных систем для целого ряда актуальных задач из класса NP- сложных. В предложенной статьей рассмотрена задача кластеризации. С целью повышения эффективности и качества решения задач управления знаниями предлагаются модифицированные алгоритмы кластеризации, основанные на использовании биоинспирированных подходов. Разработанные модификации алгоритмов позволят повысить качество получаемых решений. Данные исследования в области семантического поиска составляют важное научное направление в рамках проблемы развития технологий управления знаниями. В статье рассмотрено решение задачи кластеризации при помощи биоинспирированных алгоритмов. Предложены два новых алгоритма кластеризации: комбинированный алгоритм на основе алгоритма пчелиного роя и алгоритма k-means, а также муравьиный алгоритм кластеризации. Для исследования полученных алгоритмов, их эффективности и качества результатов, были разработаны программные модули, моделирующие предложенные алгоритмы. Произведен анализ полученных результатов, сравнение с классическим алгоритмом, сделаны выводы об эффективности новых алгоритмов.

Скачать в PDF

Ключевые слова Семантическая фильтрация; кластеризация; биоинспирированные алгоритмы; управление знаниями; модификация, комбинирование.
Библиографический список 1. Чубукова И.А. Data Mining: учеб. пособие. – М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний, 2006. – 327 с.
2. Гладков Л.А., Курейчик В.М., Курейчик В.В., Сороколетов П.В. Биоинспирированные методы в оптимизации: монография. – М.: Физмалит, 2009. – 384 с.
3. Аноп М.Ф., Катуева Я.В., Михаличук В.И. Алгоритмы роя пчел и частиц в задаче обеспечения надежности по постепенным отказам // Наука и образование. – 2015. – № 1.
– С. 144-157.
4. Сороколетов П.В. Методы и алгоритмы принятия решений на основе бионического поиска: монография. – Таганрог: Изд-во ТТИ ЮФУ, 2009. – 352 с.
5. Kravchenko Y.A., Kureichik V.V. Knowledge management based on multi-agent simulation in informational systems // Conference proceedings. 8th IEEE International Conference “Application of Information and Communication Technologies – AICT 2014”. 15-17 October 2014, Astana, Kazakhstan. – P. 264-267.
6. Gladkov L.A., Gladkova N.V., Legebokov A.A. Organization of knowledge management based on hybrid intelligent methods // Advances in Intelligent Systems and Computing. – 2015.
– Vol. 349. – P. 107-112.
7. Курейчик В.М., Курейчик В.В., Родзин С.И. Модели параллелизма эволюционных вычислений // Вестник Ростовского государственного университета путей сообщения.
– 2011. – № 3 (43). – С. 93-97.
8. Курейчик В.М., Курейчик В.В. Эволюционные, синергетические и гомеостатические стратегии в искусственном интеллекте: состояние и перспективы // Новости искусственного интеллекта. – 2000. – № 3. – С. 39-67.
9. Bova V.V., Kureichik V.V., Lezhebokov A.A. The integrated model of representation of problem-oriented knowledge in information systems // 8th IEEE International Conference on Application of Information and Communication Technologies, AICT 2014 – Conference Proceedings 8. – 2014. С. 7035923. – P. 111-114.
10. Бова В.В., Курейчик В.В. Интегрированная подсистема гибридного и комбинированного поиска в задачах проектирования и управления // Известия ЮФУ. Технические науки.
– 2010. – № 12 (113). – С. 37-43.
11. Зайцев А.А., Курейчик В.В., Полупанов А.А. Обзор эволюционных методов оптимизации на основе роевого интеллекта // Известия ЮФУ. Технические науки. – 2010.
– № 12 (113). – С. 7-12.
12. Курейчик В.В., Курейчик Вл.Вл. Биоиспирированный поиск при проектировании и управлении // Известия ЮФУ. Технические науки. – 2012. – № 11 (136). – С. 178-183.
13. Гладков Л.А., Курейчик В.М., Курейчик В.В. Генетические алгоритмы. – М.: Физматлит, 2006. – 320 с.
14. Родзин С.И., Курейчик В.В. Состояние, проблемы и перспективы развития биоэвристик // Программные системы и вычислительные методы. – 2016. – № 2. – С. 158-172.
15. Родзин С.И., Курейчик В.В. Теоретические вопросы и современные проблемы развития когнитивных биоинспирированных алгоритмов оптимизации // Кибернетика и программирование. – 2017. – № 3. – С. 51-79.
16. Курейчик В.В., Родзин С.И. О правилах представления решений в эволюционных алгоритмах // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 13-21.
17. Запорожец Д.Ю., Кудаев А.Ю., Лежебоков А.А. Многоуровневый алгоритм решения задачи параметрической оптимизации на основе биоинспирированных эвристик // Известия Кабардино-Балкарского научного центра РАН. – 2013. – № 4 (54). – С. 21-28.
18. Курейчик В.М. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 92-98.
19. Курейчик В.М., Кажаров А.А. Использование шаблонных решений в муравьиных алгоритмах // Известия ЮФУ. Технические науки. – 2013. – № 7 (144). – С. 11-17.
20. Gladkov, L.A., Kravchenko Y.A., Kureichik V.V. Evolutionary Algorithm for Extremal Subsets Comprehension in Graphs // World Applied Sciences Journal. – 2013. – Vol. 27 (9). – P. 1212-1217.

Comments are closed.