ТРАНСФОРМИРОВАНИЕ ОПЫТА ПРИНЯТИЯ РЕШЕНИЙ В ПРОСТРАНСТВЕННЫХ СИТУАЦИЯХ
Аннотация
Рассматривается задача переноса опыта принятия решений в ситуационном анали-
зе, использующим геоинформационные системы. Необходимость интеллектуальной под-
держки со стороны геоинформационной системы обусловлена тем, что пространствен-
ные объекты и связи реального мира чрезвычайно динамичны. Применять в этих условиях
аналитические модели процессов и явлений не удается из-за неполноты и противоречиво-
сти описывающей их информации. Статистические модели зависят от большого числа
факторов, которое варьируется при изменении географического положения ситуации.
Альтернативой может стать использование опыта экспертов, способных принимать
эффективные решения в локальных пространственных ситуациях. Неконтролируемость
повторного использования опыта является проблемой. Знания, полученные при выработке
решений в одной местности, могут привести к неадекватным решениям в другой местно-
сти. Опыт решения проблемы в одной и той же местности теряет свою значимость с
течением времени. В работе предлагается представление знаний в виде образа, состояще-
го из центра и допустимых преобразований центра. Вводятся функции трансформирова-
ния образов, выполняющие перенос знаний. Анализируются свойства функций трансфор-
мирования, которые несут в себе процедурное знание об образах ситуаций. Рассматрива-
ется использование выявленных свойств для формирования плана тестирования программ-
ных процедур трансформирования. Изучаются критерии успешного трансформирования.
Формулируется оптимизационная задача поиска наилучшей функции трансформирования в
базе знаний ГИС. Предлагается обобщенная методика трансформирования опыта. Приво-
дится пример синтеза методов трансформирования для выбора центра оперативного
обслуживания вызовов. Образ ситуации принятия решения о выборе земельного участка
для центра обслуживания, трансформируется в заданную область на карте ГИС.
Литература
Moscow: Data+, 1999.
2. Motovilov Yu.G., Gel'fan A.N. Modeli formirovaniya stoka v zadachakh gidrologii rechnykh
basseynov [Models of runoff formation in the problems of river basin hydrology]. Moscow:
Izd-vo RAN, 2018.
3. Yue P., Jiang L. BigGIS: How big data can shape next-generation GIS, 2014 The Third International
Conference on Agro-Geoinformatics, Beijing, 2014, pp. 1-6.
4. Shashi S., Hui, X. Encyclopedia of GIS. Springer, New York, 2017.
5. Belyakov S., Bozhenyuk A., Rozenberg I. The intuitive cartographic representation in decisionmaking,
World Scientific Proceeding Series on Computer Engineering and Information Science,
2016, Vol. 10, pp. 13-18.
6. Falikman M. Kognitivnaya nauka: osnovopolozheniya i perspektivy [Cognitive science: fundamentals
and prospects], Logos [Logos], 2014, No. 1, pp. 316-330.
7. Vagin V.N., Golovina E.Yu., Zagoryanskaya A.A., Fomina M.V. Dostovernyy i
pravdopodobnyy vyvod v intellektual'nykh sistemakh [Reliable and plausible conclusion in intelligent
systems]. Moscow: Fizmatlit, 2001.
8. Timperley M., Mokhtar M., Bellaby G., Howe J. Explanation-based learning with analogy for
impasse resolution, Expert Systems with Applications, 2016, Vol. 61, pp. 181-191.
9. Cao N., Gotz D., Sun J., Qu H. DICON: interactive visual analysis of multidimensional clusters,
IEEE Trans. Vis. Comput. Graph., 2011, Vol. 17 (12), pp. 2581-2590.
10. Aamodt A., Plaza, E. Case-Based Reasoning: Foundational Issues, Methodological Variations,
and System Approaches, AI Communications, 1994, Vol. 7 (1), pp. 39-59.
11. Gentner D., Holyoak K.J. Reasoning and learning by analogy: introduction, Am. Psychol.,
1997, Vol. 52 (1), pp. 32-34.
12. Chattopadhyay R., Ye J., Panchanathan S., Fan W., Davidson I. Multi-source domain adaptation
and its application to early detection of fatigue, ACM Trans. Knowl. Discov. Data., 2012,
Vol. 6 (4), pp. 18-22.
13. Han J., Kamber M. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers,
2000.
14. Duan L., Tsang I.W., Xu D. Domain transfer multiple kernel learning, IEEE Trans. Pattern
Anal. Mach. Intell., 2012, Vol. 34 (3), pp. 465-479.
15. Wen Y.-M., Lu B.-L. Incremental learning of support vector machines by classifier combining,
Proceedings of the 11th Pacific-Asia Conference on Knowledge Discovery and Data Mining,
Nanjing., 2007, pp. 904-911.
16. Long M., Wang J., Ding G., Sun J., Yu P.S. Transfer feature learning with joint distribution
adaptation, IEEE 2013 Conference on Computer Vision, Sydney, 2013, pp. 2200-2207.
17. Fruchterman T.M., Reingold E.M. Graph drawing by force-directed placement, Softw. Pract.
Exp., 1991, Vol. 21 (11), pp. 1129-1164.
18. Heimerl F., Koch S., Bosch H., Ertl T. Visual classifier training for text document retrieval,
IEEE Trans. Vis. Comput. Graph., 2012, Vol. 18 (12), pp. 2839-2848.
19. Stasch C., Scheider S., Pebesma E., Kuhn W. Meaningful spatial prediction and aggregation,
Environmental Modelling & Software, 2014, Vol. 51, pp. 149-165.
20. Vereshchaka T.V., Bakanova M.Yu. Osobennosti tekhnologii sozdaniya (obnovleniya)
spetsializirovannykh topograficheskikh kart neftegazovogo naznacheniya [Features of technology
for creating (updating) specialized topographic maps for oil and gas purposes], Izv.
vuzov «Geodeziya i aerofotos"emka» [Izvestiya vuzov "Geodesy and aerial photography"],
2019, Vol. 63, No. 6, pp. 678-688.
21. Kresnikova N.I., Vasil'evykh N.A. Primenenie dannykh distantsionnogo zondirovaniya i
geoinformatsionnykh tekhnologiy dlya obespecheniya territorial'nogo planirovaniya [Application
of remote sensing data and geoinformation technologies to ensure territorial planning],
Izv. vuzov «Geodeziya i aerofotos"emka» [Izvestiya vuzov "Geodesy and aerial photography"],
2018, Vol. 62, No. 2, pp. 212-217.
22. Palamarchuk N.A. Zonirovanie territoriy goroda [Zoning of city territories], Zemleustroystvo,
kadastr i monitoing zemel' [Land management, cadastre and land monitoring], 2013, No. 7
(103), pp. 48-52.
23. Aleksandrov A.A. Modelirovanie vzryvoopasnosti i zonirovanie territorii pri khranenii
zhidkogo uglevodorodnogo topliva po kriteriyam riska [Modeling of explosion hazard and
zoning of the territory during storage of liquid hydrocarbon fuel according to risk criteria], ed.
by V.I. Larionova. Ufa: Izd-vo: BESTS, 2004.
24. Dem'yanov V.V., Savel'eva E.A. Geostatistika: teoriya i praktika [Geostatistics: theory and
practice], ed. by R.V. Arutyunyana; In-t problem bezopasnogo razvitiya atomnoy energetiki
RAN. Moscow: Nauka, 2010.
25. Vizualizatsiya i analiz geograficheskikh dannykh na yazyke R. Available at:
https://tsamsonov.github.io/r-geo-course/ (accessed 29 November 2020).
