Методы выявления однородных и неоднородных групп объектов на основе неопределенных качественных данных
Ключевые слова:
группирование, качественные данные, неопределённые данные, недоопределённые вычисления, многозначная логика, теория графовАннотация
В статье предложены критерии выявления групп объектов на основе не-определенных оценок значений их качественных признаков. Решаются задачи выявления однородных и неоднородных групп объектов. В однородных группах значения одноименных качественных признаков всех объектов совпадают. В неоднородных группах объектов значения таких признаков могут не совпадать, однако должны удовлетворять априорно заданным допустимым сочетаниям. Для выявления групп объектов применяется теоретико-графовый подход. При этом неопределенные оценки признаков объектов представляются в виде множеств их возможных значений. При принятии решения о принадлежности пары объектов к одной группе используется трехзначная логика, что позволяет выявлять возможные и достоверные группы.Литература
1. Канащенков А.И., Меркулов В.И., Самарин О.Ф. Облик перспективных бортовых радиолокационных систем // Возможности и ограничения. М.: ИПРЖР. 2002.
2. Li X., Yao X. Cooperatively coevolving particle swarms for large scale optimization // IEEE Trans. Evol. Comput. 2012. vol. 16. no. 2. pp. 210–224.
3. Верба В.С., Меркулов В.И. Теоретические и прикладные проблемы разработки систем радиоуправления нового поколения // Радиотехника. 2013. № 1. С. 64–68.
4. Горощенко Л.Б. Методы координированного наведения и атаки несколькими истребителями группы самолетов противника // Полет. 2000. № 6. С. 32–36.
5. Кирсанов А.П., Сорвенков О.С., Сузанский Д.Н. Методы обработки радиолокационной информации при сопровождении компактных групп воздушных объектов // Радиотехника. 1996. № 10. С. 102–108.
6. Kryś S., Jankowski S. Extended hierarchical temporal memory for visual object tracking // Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2011. International Society for Optics and Photonics. 2011. vol. 8008. pp. 80081C–80081C-9.
7. Wu S., San Wong H. Joint segmentation of collectively moving objects using a bag-of-words model and level set evolution // Pattern Recognition. 2012. vol. 45. no. 9. pp. 3389–3401.
8. Lan T. et al. Discriminative latent models for recognizing contextual group activities // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2012. vol. 34. no. 8. pp. 1549–1562.
9. Лучков Н.В., Пчелин Н.А. Группирование объектов на основе радиолокационных наблюдений. // Автоматизация процессов управления. 2014. № 2(36). С. 16–19.
10. Вахненко В.А., Матвеев П.А., Цишук А.А. Группирование воздушных целей // Успехи современной радиоэлектроники. 2014. № 3. С. 11–13.
11. Pedrycz W., Bargiela A. An Optimization of Allocation of Information Granularity in the Interpretation of Data Structures: Toward Granular Fuzzy Clustering // IEEE Trans. Syst. Man. And Cybern. B. 2012. vol. 42. no. 3. pp. 582–590.
12. Mei J.P., Chen L. A fuzzy approach for multitype relational data clustering // IEEE transactions on Fuzzy systems. 2012. vol. 20. no. 2. pp. 358–371.
13. Chen D. et al. A novel algorithm for finding reducts with fuzzy rough sets // IEEE Transactions on Fuzzy Systems. 2012. vol. 20. no. 2. pp. 385–389.
14. Abdallah A.C.B., Frigui H., Gader P. Adaptive local fusion with fuzzy integrals // IEEE Transactions on Fuzzy Systems. 2012. vol. 20. no. 5. pp. 849–864.
15. Lewis R., Pullin E. Revisiting the Restricted Growth Function Genetic Algorithm for Grouping Problems // Evol. Comput. 2011. vol. 19. no. 4. pp. 693–704.
16. Karasulu B., Balli S. Image Segmentation Using Fuzzy Logic, Neural Networks and Genetic Algorithms: Survey and Trends // Mach. Graph. and Vision. 2010. vol. 19. no. 4. pp. 367–409.
17. Липатов А.А. Метод и алгоритм формирования групп наблюдаемых воздушных объектов с неточными координатами состояния // Радиотехника. 2011. №8. С. 80–83.
18. Верба В.С., Липатов А.А., Федисов А.Н. Выявление групп воздушных объектов с учетом неопределенности их координат состояния // Успехи современной радиоэлектроники. 2014. №1. С. 24–29.
19. Ахо А., Хопкрофт Дж., Ульман Дж. Построение и анализ вычислительных алгоритмов: пер. с англ. // М.: Мир. 1979. 536 с.
20. Нариньяни А.С. Недоопределенные множества – новый тип данных для представления знаний // Новосибирск. 1980. 28 с.
21. Нариньяни А.С. Недоопределенность в системе представления и обработки знаний // Изв. АН СССР. Техн. кибернетика. 1986. № 5. С. 3–28.
2. Li X., Yao X. Cooperatively coevolving particle swarms for large scale optimization // IEEE Trans. Evol. Comput. 2012. vol. 16. no. 2. pp. 210–224.
3. Верба В.С., Меркулов В.И. Теоретические и прикладные проблемы разработки систем радиоуправления нового поколения // Радиотехника. 2013. № 1. С. 64–68.
4. Горощенко Л.Б. Методы координированного наведения и атаки несколькими истребителями группы самолетов противника // Полет. 2000. № 6. С. 32–36.
5. Кирсанов А.П., Сорвенков О.С., Сузанский Д.Н. Методы обработки радиолокационной информации при сопровождении компактных групп воздушных объектов // Радиотехника. 1996. № 10. С. 102–108.
6. Kryś S., Jankowski S. Extended hierarchical temporal memory for visual object tracking // Photonics Applications in Astronomy, Communications, Industry, and High-Energy Physics Experiments 2011. International Society for Optics and Photonics. 2011. vol. 8008. pp. 80081C–80081C-9.
7. Wu S., San Wong H. Joint segmentation of collectively moving objects using a bag-of-words model and level set evolution // Pattern Recognition. 2012. vol. 45. no. 9. pp. 3389–3401.
8. Lan T. et al. Discriminative latent models for recognizing contextual group activities // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2012. vol. 34. no. 8. pp. 1549–1562.
9. Лучков Н.В., Пчелин Н.А. Группирование объектов на основе радиолокационных наблюдений. // Автоматизация процессов управления. 2014. № 2(36). С. 16–19.
10. Вахненко В.А., Матвеев П.А., Цишук А.А. Группирование воздушных целей // Успехи современной радиоэлектроники. 2014. № 3. С. 11–13.
11. Pedrycz W., Bargiela A. An Optimization of Allocation of Information Granularity in the Interpretation of Data Structures: Toward Granular Fuzzy Clustering // IEEE Trans. Syst. Man. And Cybern. B. 2012. vol. 42. no. 3. pp. 582–590.
12. Mei J.P., Chen L. A fuzzy approach for multitype relational data clustering // IEEE transactions on Fuzzy systems. 2012. vol. 20. no. 2. pp. 358–371.
13. Chen D. et al. A novel algorithm for finding reducts with fuzzy rough sets // IEEE Transactions on Fuzzy Systems. 2012. vol. 20. no. 2. pp. 385–389.
14. Abdallah A.C.B., Frigui H., Gader P. Adaptive local fusion with fuzzy integrals // IEEE Transactions on Fuzzy Systems. 2012. vol. 20. no. 5. pp. 849–864.
15. Lewis R., Pullin E. Revisiting the Restricted Growth Function Genetic Algorithm for Grouping Problems // Evol. Comput. 2011. vol. 19. no. 4. pp. 693–704.
16. Karasulu B., Balli S. Image Segmentation Using Fuzzy Logic, Neural Networks and Genetic Algorithms: Survey and Trends // Mach. Graph. and Vision. 2010. vol. 19. no. 4. pp. 367–409.
17. Липатов А.А. Метод и алгоритм формирования групп наблюдаемых воздушных объектов с неточными координатами состояния // Радиотехника. 2011. №8. С. 80–83.
18. Верба В.С., Липатов А.А., Федисов А.Н. Выявление групп воздушных объектов с учетом неопределенности их координат состояния // Успехи современной радиоэлектроники. 2014. №1. С. 24–29.
19. Ахо А., Хопкрофт Дж., Ульман Дж. Построение и анализ вычислительных алгоритмов: пер. с англ. // М.: Мир. 1979. 536 с.
20. Нариньяни А.С. Недоопределенные множества – новый тип данных для представления знаний // Новосибирск. 1980. 28 с.
21. Нариньяни А.С. Недоопределенность в системе представления и обработки знаний // Изв. АН СССР. Техн. кибернетика. 1986. № 5. С. 3–28.
Опубликован
2016-08-01
Как цитировать
Липатов, А. А., Ушаков, В. Н., & Никитина, М. В. (2016). Методы выявления однородных и неоднородных групп объектов на основе неопределенных качественных данных. Труды СПИИРАН, 4(47), 130-143. https://doi.org/10.15622/sp.47.7
Раздел
Методы управления и обработки информации
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
