АЛГОРИТМ ФОРМИРОВАНИЯ АССОЦИАТИВНЫХ ОТНОШЕНИЙ

Abstract

В статье рассматривается проблема исследования ассоциативных отношений на базах знаний экспертных систем, решение которой представляется в плоскости идентификации подпространств на основе алгоритма сегментации заданного пространства признаков с учетов их нечетких характеристик. Адаптация алгоритма на материалы космических исследований свидетельствует о возможности его использования как компоненты интеллектуального пакета базы знаний. К настоящему времени наблюдается четкая тенденция поддержки информационных технологий, ориентированных на создание и развитие проблемных областей, интенсивная проработка которых не представляется в рамках существующих концептуальных представлений анализа и интерпретации в следствии наличия больших объемов данных, ограничивающих возможности экспертов при их модификации в знания, в системном анализе принятия решений и задания алгоритмических ресурсов исследования. Используемая с этой целью технология Data Mining, считающаяся исходным этапом Кnowledge Discovery in Databases предназначена для обработки таких совокупностей данных с целью выявления новых знаний, представляющих научный, корпоративный и др. интерес [ 1-4]. Последние, будучи выявлены на основе специальных алгоритмов, предназначены для идентификации объектов рассматриваемой проблемной области, как относительно их непосредственных свойств, так и с позиций исследования ассоциативных отношений. Возникающие при этом сложности методологического характера связаны с необходимостью использования алгоритмов кластеризации, выявления ассоциативных связей, разработки нейронных сетей и деревьев решений [5,6]. Следует иметь в виду, что если в задаче кластеризации производится выделение кластеров и их характеристик относительно совокупности исходных данных, а исследование ассоциативных отношений тесно связано с определением локальных и глобальных взаимосвязей между объектами системы, представляемые совокупностью правил изучения рассматриваемых данных, то разработка нейронных сетей, представляющих собой набор соединенных между собой нейронов с фиксированными функциями активизации и переменными весовыми параметрами сети представляется в преобразовании входного вектора в выходной, а что касается деревьев решений – они представляют иерархическую структуру классифицирующих правил типа «если … то …», распознающих класс объекта по информации узла дерева, начиная с его корня, по принципу перехода к правому узлу следующего уровня при ситуации «+» и к левому при «-». Ключевые слова: База знаний, экспертные системы, ассоциативные отношения, сегментация пространства, лингвистическая переменная.