Исследование и разработка системы поддержки принятия решений на основе прецедентов (стр. 1 )

Российская Академия Наук

Институт системного программирования

На правах рукописи

УДК 681.518

ИССЛЕДОВАНИЕ И РАЗРАБОТКА

СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ

НА ОСНОВЕ ПРЕЦЕДЕНТОВ

Специальность 05.13.11 – Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

Москва 2007

Работа выполнена в Институте системного программирования Российской Академии Наук.

Научный руководитель:

кандидат физико-математических наук, доцент

Официальные оппоненты:

доктор физико-математических наук, старший научный сотрудник

доктор физико-математических наук

Ведущая организация:

Факультет вычислительной математики и кибернетики Московского государственного университета им.

Защита диссертации состоится  « 29 »  июня  2007 г. в  16  часов на заседании диссертационного совета Д.002.087.01 при Институте системного программирования РАН по адресу:

109004, 5, Институт системного программирования РАН, конференц-зал.

С диссертацией можно ознакомиться в библиотеке Института системного программирования РАН.

Автореферат разослан « 29 »  мая 2007 г.

Ученый секретарь

диссертационного совета

кандидат физико-математических наук                                //

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы.

В диссертации рассматривается задача построения систем поддержки принятия решений на основе прецедентов.

В настоящее время разработано множество различных программных систем поддержки принятия решений. Наиболее трудными для анализа и принятия решений являются ситуации, чьи характеристики не поддаются формализации, т. е. выявлению основных факторов, связей между ними и силы влияния одних факторов на другие. В силу недостаточности знаний об объекте и среде, в которой он функционирует, попытки получить точную модель поведения такого объекта не представляются возможными. Однако управление такими объектами представляет не меньший интерес и является не менее важным, чем управление хорошо формализуемыми объектами.

Вывод, основанный на прецедентах – это метод принятия решений, в котором используются знания о предыдущих ситуациях или случаях (прецедентах). Практика принятия решения, моделирующая человеческие рассуждения, применяется во многих областях человеческой деятельности. Это широкий спектр возможных приложений, в том числе управление слабо формализуемыми объектами, медицина, управление предприятием и т. д. Все это обусловливает актуальность и значимость исследований в этой области.

При таком выводе прецедент, если он признан схожим, часто является обоснованием решения. Одна из основных проблем при построении подобных систем - выбор меры близости прецедента и текущего случая. Новизна предлагаемого подхода, прежде всего, заключается в том, что знания о предметной области, полученные методами добычи данных, предлагается использовать при автоматическом отборе из большой базы прецедентов и при адаптации решения к текущему случаю.

Анализ существующих исследований в области интеграции методов добычи данных и вывода по прецедентам выявил крайне незначительное число готовых подходов в данной области, что во многом связано с новизной проблемы и отсутствием достаточно проработанной теории и практики решения задач. Подобный подход востребован и актуален в области систем поддержки принятии решений.

Цель работы - разработка новой методики построения и реализация системы поддержки принятия решений на основе интеграции методов добычи знаний и вывода по прецедентам.

Для достижения поставленной цели определены следующие основные задачи:

исследовать существующие подходы к разработке систем поддержки принятия решений, сформулировать основные проблемы, сформулировать и реализовать на практике новый подход к построению интеллектуальных систем на основе интеграции методов добычи данных и вывода по прецедентам, решить проблему выбора наиболее удачных прецедентов на основе новой, нетрадиционной меры близости, в условиях, когда объект исследования не полностью описан и оценивается неоднозначно, реализовать программный комплекс для отработки предложенных принципов и методов анализа данных.

Методы исследований.

Для решения поставленных задач использовались методы теории принятия решений, распознавания образов, вывода на основе прецедентов, добычи данных.

На защиту выносятся следующие основные результаты:

метод принятия решений, основанный на интеграции методов добычи данных и вывода по прецедентам, где методы добычи данных используются для автоматического отбора из большой базы прецедентов и адаптации решения, метод выявления наиболее удачных прецедентов на основе предложенной локальной контекстно-зависимой метрики, базирующейся на предварительном разбиении базы прецедентов на классы эквивалентности и модифицированном методе распознавания (оценки) объектов в нефиксированном пространстве признаков, исследование и разработка системы поддержки принятия решений на основе прецедентов.

Все результаты являются новыми.

Научная новизна.

В работе предложен новый подход к разработке систем принятия решений, основанный на совместном применении ранее не комбинировавшихся методов добычи данных и вывода по прецедентам; методы добычи данных предлагается использовать при автоматическом отборе из большой базы прецедентов и при адаптации решения к текущему случаю.

Практическая ценность работы заключается в том, что на основе нового подхода к созданию систем поддержки принятия решений реализована программная система, которая позволяет принимать решения с большей достоверностью и обоснованностью. Практическая значимость диссертации подтверждается актом о внедрении системы поддержки врачебных решений Спутник Врача в Московском областном научно-исследовательском клиническом институте (МОНИКИ).

Достоверность работы подтверждается результатами собственных исследований, а также теоретическим обоснованием использованных и предлагаемых подходов к решению задач.

Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на 5 научных конференциях:

6-я международная конференция "РАСПОЗНАВАНИЕ ОБРАЗОВ И АНАЛИЗ ИЗОБРАЖЕНИЙ: НОВЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ" (РОАИ-6-2002) (октябрь 2002г., Великий Новгород) 6-й открытый российско-немецкий семинар "РАСПОЗНАВАНИЕ ОБРАЗОВ И ПОНИМАНИЕ ИЗОБРАЖЕНИЙ" (Поселок Катунь, Республика Алтай, РФ, август 2003г.) 11-я Всероссийская конференция "Математические методы распознавания образов (ММРО-11)", Пущино, 2003г. международная научная конференция "Интеллектуализация обработки информации (ИОИ 2004)", Алушта, 2004г. 12-я Всероссийская конференция "Математические методы распознавания образов (ММРО-12)", Звенигород, 2005г.

Система поддержки врачебных решений Спутник Врача внедрена в эксплуатацию в Московском областном научно-исследовательском клиническом институте (МОНИКИ) с весны 2007 года.

Результаты, полученные в диссертации, включались в научные отчеты по проектам РФФИ № 03-01-00322, № 06-07-89098, № 06-01-00503.

Публикации по теме диссертации.

По материалам диссертации опубликовано 14 работ, в том числе 2 - в ведущих рецензируемых научных журналах.

Объем и структура работы.

Диссертация состоит из введения, трех глав, заключения, списка литературы из 96 наименований. Общий объем работы – 105 страниц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, сформулированы цель и задачи исследования, перечисляются основные научные результаты диссертации и её краткое содержание. Приводятся основные положения, выносимые на защиту.

В первой главе дан обзор методов и средств добычи данных и вывода по прецедентам в системах поддержки принятия решений, приведена мотивация для интеграции обоих методов и возможные подходы к ней. На примере различных систем показано, что интеграция является не только возможной, но и заслуживающей внимания.

Показано, что большая часть существующих подходов сосредоточена на одном аспекте такого использования: выборе наиболее релевантных прецедентов. Приведены два способа оценки близости прецедентов: статистический, где для отбора прецедентов используется байесовская сеть, и разбиение множества прецедентов на классы эквивалентности. В основе всех подходов к отбору прецедентов лежит тот или иной способ измерения степени близости прецедента и текущего случая. В большинстве случаев методы поиска прецедентов сводятся к индукции деревьев решений или к алгоритму "ближайшего соседа".

Основным недостатком таких систем является произвол, который допускают системы при выборе меры близости. Кроме того, безосновательным выглядит распространение общей меры близости на выборку данных в целом. Что касается адаптации и использования найденного решения, эта задача до сих пор остается недостаточно формализованной и сильно зависящей от предметной области.