Экспертная система диагностирования по неструктурированным признакам

Описана экспертная система диагностики плодовых деревьев по неструктурированным признакам. Для определения значений неструктурированных признаков использованы методы парных сравнений объекта диагноза с эталонами. Приведены методика и результаты экспериментального исследования зависимости достовернос...

Full description

Saved in:

Bibliographic Details
Date:	2005
Main Authors:	Тоценко, В.Г., Петрова, Е.А., Чернявская, Л.А.
Format:	Article
Language:	Russian
Published:	Інститут проблем реєстрації інформації НАН України 2005
Series:	Реєстрація, зберігання і обробка даних
Subjects:	Експертні системи та підтримка прийняття рішень
Online Access:	https://nasplib.isofts.kiev.ua/handle/123456789/50771
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Экспертная система диагностирования по неструктурированным признакам / В.Г. Тоценко, Е.А. Петрова, Л.А. Чернявская // Реєстрація, зберігання і оброб. даних. — 2005. — Т. 7, № 2. — С. 94-103. — Бібліогр.: 3 назв. — pос.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

id	nasplib_isofts_kiev_ua-123456789-50771
record_format	dspace
spelling	nasplib_isofts_kiev_ua-123456789-507712025-02-23T18:56:05Z Экспертная система диагностирования по неструктурированным признакам Експертна система діагностування за неструктурованими ознаками Expert System of Diagnosing by Non-Structural Characteristics Тоценко, В.Г. Петрова, Е.А. Чернявская, Л.А. Експертні системи та підтримка прийняття рішень Описана экспертная система диагностики плодовых деревьев по неструктурированным признакам. Для определения значений неструктурированных признаков использованы методы парных сравнений объекта диагноза с эталонами. Приведены методика и результаты экспериментального исследования зависимости достоверности результатов от квалификации пользователей, которые свидетельствуют об их слабой корреляции. Описано експертну систему діагностики плодових дерев за неструктурованими ознаками. Для визначення значень неструктурованих ознак використано методи парних порівнянь об’єкта діагнозу з еталонами. Наведено методику та результати експериментального дослідження залежності достовірності результатів від кваліфікації користувачів, які свідчать про їх слабку кореляцію. Expert system of fruit trees diagnosing by non-structural characteristics is described. For determining non-structural characteristics values methods of paired comparisons of a diagnosis object which a basic standard are used. Methods and results of an experimental investigation of dependence of results authenticity on user qualification which give evidence of their poor correlation are given. 2005 Article Экспертная система диагностирования по неструктурированным признакам / В.Г. Тоценко, Е.А. Петрова, Л.А. Чернявская // Реєстрація, зберігання і оброб. даних. — 2005. — Т. 7, № 2. — С. 94-103. — Бібліогр.: 3 назв. — pос. 1560-9189 https://nasplib.isofts.kiev.ua/handle/123456789/50771 007:681.518.2 ru Реєстрація, зберігання і обробка даних application/pdf Інститут проблем реєстрації інформації НАН України
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection	DSpace DC
language	Russian
topic	Експертні системи та підтримка прийняття рішень Експертні системи та підтримка прийняття рішень
spellingShingle	Експертні системи та підтримка прийняття рішень Експертні системи та підтримка прийняття рішень Тоценко, В.Г. Петрова, Е.А. Чернявская, Л.А. Экспертная система диагностирования по неструктурированным признакам Реєстрація, зберігання і обробка даних
description	Описана экспертная система диагностики плодовых деревьев по неструктурированным признакам. Для определения значений неструктурированных признаков использованы методы парных сравнений объекта диагноза с эталонами. Приведены методика и результаты экспериментального исследования зависимости достоверности результатов от квалификации пользователей, которые свидетельствуют об их слабой корреляции.
format	Article
author	Тоценко, В.Г. Петрова, Е.А. Чернявская, Л.А.
author_facet	Тоценко, В.Г. Петрова, Е.А. Чернявская, Л.А.
author_sort	Тоценко, В.Г.
title	Экспертная система диагностирования по неструктурированным признакам
title_short	Экспертная система диагностирования по неструктурированным признакам
title_full	Экспертная система диагностирования по неструктурированным признакам
title_fullStr	Экспертная система диагностирования по неструктурированным признакам
title_full_unstemmed	Экспертная система диагностирования по неструктурированным признакам
title_sort	экспертная система диагностирования по неструктурированным признакам
publisher	Інститут проблем реєстрації інформації НАН України
publishDate	2005
topic_facet	Експертні системи та підтримка прийняття рішень
url	https://nasplib.isofts.kiev.ua/handle/123456789/50771
citation_txt	Экспертная система диагностирования по неструктурированным признакам / В.Г. Тоценко, Е.А. Петрова, Л.А. Чернявская // Реєстрація, зберігання і оброб. даних. — 2005. — Т. 7, № 2. — С. 94-103. — Бібліогр.: 3 назв. — pос.
series	Реєстрація, зберігання і обробка даних
work_keys_str_mv	AT tocenkovg ékspertnaâsistemadiagnostirovaniâponestrukturirovannympriznakam AT petrovaea ékspertnaâsistemadiagnostirovaniâponestrukturirovannympriznakam AT černâvskaâla ékspertnaâsistemadiagnostirovaniâponestrukturirovannympriznakam AT tocenkovg ekspertnasistemadíagnostuvannâzanestrukturovanimioznakami AT petrovaea ekspertnasistemadíagnostuvannâzanestrukturovanimioznakami AT černâvskaâla ekspertnasistemadíagnostuvannâzanestrukturovanimioznakami AT tocenkovg expertsystemofdiagnosingbynonstructuralcharacteristics AT petrovaea expertsystemofdiagnosingbynonstructuralcharacteristics AT černâvskaâla expertsystemofdiagnosingbynonstructuralcharacteristics
first_indexed	2025-11-24T13:46:45Z
last_indexed	2025-11-24T13:46:45Z
_version_	1849679681308065792
fulltext	94 УДК 007:681.518.2 В. Г. Тоценко1, Е. А. Петрова2, Л. А. Чернявская2 1Институт проблем регистрации информации НАН Украины ул. Н. Шпака, 2, 03113 Киев, Украина 2Институт прикладного системного анализа при НТУУ «КПИ» проспект Победы, 37-а, 03056 Киев, Украина Экспертная система диагностирования по неструктурированным признакам Описана экспертная система диагностики плодовых деревьев по не- структурированным признакам. Для определения значений неструк- турированных признаков использованы методы парных сравнений объекта диагноза с эталонами. Приведены методика и результаты экспериментального исследования зависимости достоверности ре- зультатов от квалификации пользователей, которые свидетельству- ют об их слабой корреляции. Ключевые слова: диагностика, экспертные системы. Введение Задача диагностирования является одной из важнейших задач медицины, техники, сельского хозяйства и т.д. В настоящей работе предпринята попытка практической проверки принципов построения экспертной системы диагностиро- вания (ЭСД) по неструктурированным признакам. Для этого была создана ЭСД плодовых деревьев, с помощью которой решает- ся задача исследования зависимости достоверности диагностирования от квали- фикации эксперта в данной области. Значения неструктурированных диагности- ческих признаков (НДП) могут быть заданы множествами эталонов, в качестве которых в данной работе были приняты изображения (например, характерные для данной болезни дерева изображения поврежденных листьев, плодов, коры). Эта задача имеет принципиальное решение, поскольку, в зависимости от ре- зультатов исследований, решается вопрос о возможности использования ЭСД экспертами разной квалификации без потери достоверности результатов. Концепция системы Система представляет собой ЭСД, с помощью которой производится диагно- стика болезней плодовых деревьев. Система рассчитана как на экспертов, которые © В. Г. Тоценко, Е. А. Петрова, Л. А. Чернявская Экспертная система диагностирования по неструктурированным признакам ISSN 1560-9189 Реєстрація, зберігання і обробка даних, 2005, Т. 7, № 2 95 имеют соответствующий уровень квалификации и знания в области сельского хо- зяйства, так и на людей, которые не имеют их. Определение значений диагности- ческих признаков производится путем визуального сравнения объекта диагности- рования (ОД) с эталонами, записанными в базе знаний ЭСД, и определения степе- ни похожести эталона на ОД, а не путем опознавания заболевания. Интерфейс системы рассчитан на людей с разным уровнем компьютерной подготовки. Экспертная система работает в следующих режимах: 1) построение базы зна- ний; 2) определение значений неструктурированных диагностических признаков; 3) вычисление распределения вероятностей болезней от объекта диагноза. Вводятся входные данные: — Fb = {fz}, z = (1,t) — множество болезней; — множество E множеств эталонов Eh = {ejh}, j = (1,kh), h = (1,n), описываю- щих значения НДП, где ejh — эталон, описывающий j-е значение h-го НДП; — Y = {yz}, z = (1,t) — множество продукций, задающих условия наличия у ОД болезней из множества Fb. В системе построена база знаний (БЗ), которая состоит из множеств значений (эталонов): поражение коры, поражение листьев и поражение плодов. Так как ди- агностирование может проходить с использованием части диагностических при- знаков, то эксперту предлагается выбрать, какие признаки будут участвовать в диагностике. Для обеспечения универсальности системы БЗ спроектирована дополняемой, то есть эксперт может сам вводить новые эталоны, новые болезни и записывать условия наличия у ОД болезни. Множество диагностических признаков представ- ляет собой множество C = {ch}, h = (1,n). Для каждого из признаков ch Î С задано множество эталонов Eh = {ejh}, j = (1,kh), значений признака ch, задающее h-й ди- агностический признак (например, диагностический признак с1 — поражение ко- ры, для которого задано множество Е1 = {e11, e12, e13,...}, где ejh — изображение коры с каким-либо повреждением). В БЗ определено множество болезней и множество продукций, задающих ус- ловия наличия у ОД болезней. Построение БЗ происходит до начала диагностирования. Диагностирование происходит в несколько этапов, и его суть состоит в чередовании процессов опре- деления коэффициентов сходства ОД с эталонами, присваивания их дугам графа, задающего БЗ, определения вероятности существования у ОД i-й болезни путем вычисления вероятности связности начальной вершины с вершиной, отмеченной болезнью yi и вычисления показателя различимости болезней. Для вычисления значений коэффициентов сходства можно воспользоваться одним из методов, описанных в [1]. В данной работе реализованы методы: — «линия без обратной связи с экспертом»; — «квадрат с обратной связью с экспертом». Эксперт выбирает метод, после чего представляются эталоны, которые по- парно сравниваются по критерию сходства с объектом диагностирования, и тре- буется определить степень превосходства сходства с ОД одного эталона над дру- гим. В. Г. Тоценко, Е. А. Петрова, Л. А. Чернявская 96 Построение базы знаний Исходными данными для построения БЗ являются: — Fb = {fz}, z = (1,t ) — множество болезней; — множество E множеств эталонов Eh = {ejh}, j = (1,kh), h = (1,n), описываю- щих значения НДП, где ejh — эталон, описывающий j-е значение h-го НДП; — Y = {yz}, z = (1,t) — множество продукций, задающих условия наличия у ОД болезней из множества Fb. База знаний ЭСД задается графом, который строится в несколько этапов. На первом этапе строится основа графа. Вторым этапом является разметка терми- нальных вершин графа множествами подозреваемых болезней в соответствии с множеством продукций и минимизация графа. Построение основы Пусть дано множество НДП С = {cj}, j = (1,k), и множество E множеств эта- лонов Eh = {ejh}, j = (1,kh), h = (1,n), задающие значения НДП: E1 = {e11, e12, e13}; E2 = {e21, e22}; E3 = {e31, e32, e33}. Требуется построить граф типа дерево, содержащий все пути длины n. 1. Множества Еh нужно упорядочить по мере возрастания числа эталонов, то есть данные множества нужно упорядочить таким образом: E2 = {e21, e22}; E2 = {e11, e12, е13}; E3 = {e31, e32, e33}. 2. Строится граф, задающий основу БЗ. Предложенный алгоритм обеспечивает минимизацию числа вершин графа [2]. Проиллюстрируем способ его построения на рассматриваемом примере. Он содержит вершины первого, второго, …, n-уровня, где n — количество НДП. На рис. 1–3 показан процесс построения основы графа для рассматриваемого примера. Рис. 1 Рис. 2 Экспертная система диагностирования по неструктурированным признакам ISSN 1560-9189 Реєстрація, зберігання і обробка даних, 2005, Т. 7, № 2 97 Рис. 3 Из i-й вершины j-го уровня, j = (1,kj), исходит kj дуг, каждая из которых вхо- дит в вершину (j + 1)-го уровня, причем r-я дуга, r = (1,kj), обозначена символом эталона ejr. Количество kn вершин n-го уровня равно: n1 × n2 × … × nn. Отметка терминальных вершин множествами болезней Задача формулируется следующим образом. Дано: — граф — основа БЗ; — Fb = {fz}, z = (1,t) — множество болезней; — Y = {yz} — множество продукций, описывающих наличие болезни у ОД. Требуется разместить терминальные вершины графа — основы БЗ в соответ- ствии с правилами-продукциями. Для каждой импликанты продукции yi надо найти множество путей, содер- жащих в качестве отрезка эту импликанту и отметить эти пути болезнью fi. Вер- шины, не получившие отметки хотя бы одной болезнью, отметить символом U неопознанной болезни. Вершина, в которую ведет путь, отмеченный только при- знаками «здорового состояния» получает отметку fv, то есть не содержит болез- ней, описанных в БЗ и неопознанных болезней. Путь, отмеченный импликантой, содержащей только значения признаков, со- ответствующие здоровому объекту, ведет в вершину, обозначенную f0, что свиде- тельствует о том, что объект диагноза не имеет болезней, описанных в базе зна- ний или неопознанных болезней. Алгоритм диагностирования Так как в данной системе БЗ строится до начала процесса диагностирования, то на входе мы имеем граф (рис. 3), терминальные вершины которого отмечены множеством подозреваемых болезней, неопределенных болезней и отсутствием болезней. До начала процесса диагностирования дугам, отмеченным отсутствием В. Г. Тоценко, Е. А. Петрова, Л. А. Чернявская 98 болезней, описанных в БЗ, присваиваются коэффициенты сходства равные едини- це, а остальным дугам — равные нулю. После этого эксперту предлагается оце- нить эталоны, в результате чего с помощью методов, описанных в [1], определя- ются коэффициенты сходства. После оценки коэффициентов сходства с эталона- ми, задающими значения первого из рассматриваемых НДП, они присваиваются дугам, отмеченным этими значениями НДП, у остальных дуг остаются прежние значения, и рассчитываются вероятности связности начальной вершины с терми- нальными вершинами. Если степень различимости болезней удовлетворяет поль- зователя, то процесс диагностирования заканчивается, в противном случае опре- деляются значения следующего диагностического признака и т.д. В качестве функции степени различимости было принято: k = 1 – pc/pmax, где pmax — максимальное значение вероятности наличия болезни; pc — следующее по величине за pmax значение вероятности болезни. Неудовлетворительное значение коэффициента различимости может быть не только следствием недостаточного количества НДП и их малой информативно- сти, но и наличием у ОД сразу нескольких болезней. Методы определения точных значений или оценок вероятности связности вершин графа достаточно разработаны. В данной работе был применен метод оп- ределения оценок вероятностей связности, описанный в [3], сущность которого состоит в представлении графа в виде параллельного соединения последовательно соединенных ребер с последующим вычислением оценки вероятности связности. Описание работы системы Как уже говорилось, БЗ в данной системе является изменяемой, поэтому пользователю в начале предлагается выбрать один из режимов работы програм- мы: a) изменение БЗ; б) диагностирование. В режиме изменения БЗ эксперту предлагается выбрать способ изменения БЗ: a) введение изображения; б) введение болезни или правила. При выборе первого режима эксперт может дополнить БЗ новым изображе- нием. При выборе второго режима эксперт может ввести новую болезнь и правило определения этой болезни, или выбрать болезнь из списка и ввести правило опре- деления этой болезни (пример на рис. 4). При выборе второго режима (диагностирование) происходит сам процесс ди- агностирования. Так как не все диагностические признаки могут участвовать в процессе диаг- ностирования, то система предлагает выбор тех признаков, которые будут исполь- зованы в диагностировании. Экспертная система диагностирования по неструктурированным признакам ISSN 1560-9189 Реєстрація, зберігання і обробка даних, 2005, Т. 7, № 2 99 Рис. 4 Далее эксперту предлагается выбрать метод вычисления коэффициентов сходства, после чего необходимо ввести изображение объекта диагностирования, причем программа указывает, какой это будет диагностический признак. Далее начинается сам процесс диагностирования. Поочередно появляются изображения (значения диагностических признаков), и эксперту нужно оценить, какое из изображений больше похоже на ОД (рис. 5). Рис. 5 После этого указывается степень превосходства сходства (рис. 6). В. Г. Тоценко, Е. А. Петрова, Л. А. Чернявская 100 Рис. 6 Диагностирование по другим признакам (повреждение плодов, листьев) про- исходит аналогично. После определения таким образом оценок диагностических признаков, рассчитываются компоненты распределения вероятностей болезней и коэффициент контрастности. В итоге, на экране монитора появляются результаты диагностирования, как показано на рис. 7. Рис. 7 Экспертная система диагностирования по неструктурированным признакам ISSN 1560-9189 Реєстрація, зберігання і обробка даних, 2005, Т. 7, № 2 101 Методика эксперимента Было проведено более двадцати экспериментов по диагностике болезней плодовых деревьев. Целью этих экспериментов было определение зависимости достоверности результатов диагностирования от квалификации экспертов при оп- ределении болезней яблони по неструктурированным диагностическим призна- кам. В них брали участие люди разной квалификации: 7 человек — специалисты в данной области, это значит, что они раньше имели возможность пользоваться ка- кими-то вспомогательными программами при диагностике болезней; 9 человек — садовники, которые знакомы с данной проблематикой и имели возможность оце- нивать болезнь, но никогда не делали этого с профессиональной точки зрения; 5 человек — это люди, которые раньше никогда не сталкивались с подобной про- блемой. Каждому пользователю системы, а он автоматически становился экспертом, предоставлялась возможность пользоваться системой без подсказки разработчи- ков. Сначала эксперту нужно было определить, по каким признакам он будет про- водить парные сравнения, далее необходимо было выбрать метод, по которому производится оценка. Только после этого выбирался объект оценивания для само- стоятельного ввода. В зависимости от метода оценивания, система предъявляла пары эталонов и предлагала определить степень превосходства сходства одного эталона объекта диагноза над другим эталоном. В каждый момент времени экс- перт имел возможность сделать перерыв и затем продолжить диагностирование с того момента, на котором он остановился. Результаты эксперимента были сведены в таблицы, которые приведены ниже. Таблица 1 Вероятность болезни Название болезни Специалисты * P1 P2 P3 P4 P5 P6 P7 Черный рак 1 0,86 0,85 0,91 0,79 0,89 0,98 0.99 Обыкновенный рак 0 0,11 0,14 0,09 0,16 0,09 0 0,01 Лишайник 0 0,01 0,01 0 0,03 0,02 0,02 0 Цитоспороз коры 0 0,02 0 0 0,03 0,02 0 0 Монилиозная гниль 0 0 0 0 0 0 0 0 Филлостикоз 0 0 0 0 0 0 0 0 Парша 0 0 0 0 0 0 0 0 Серая тля 0 0 0 0 0 0 0 0 Коэффициент контрастности 1 0,87 0,95 0,90 0,87 0,90 0,97 0,99 Математическое ожидание ошибки 0 0,07 0,08 0,05 0,11 0,06 0,01 0 * — истинное значение «черный рак» В. Г. Тоценко, Е. А. Петрова, Л. А. Чернявская 102 Таблица 2 Таблица 3 Вероятность болезни Название болезни Дилетанты * P1 P2 P3 P4 P5 Черный рак 1 0.75 0.70 0.64 0,85 0,74 Обыкновенный рак 0 0,13 0.21 0,19 0,06 0,16 Лишайник 0 0,01 0,04 0,06 0,04 0,04 Цитоспороз коры 0 0,03 0,03 0,04 0 0,04 Монилиозная гниль 0 0,02 0,01 0,05 0,05 0 Филлостикоз 0 0,06 0,01 0,02 0 0,02 Парша 0 0 0 0 0 0 Серая тля 0 0 0 0 0 0 Коэффициент контрастности 1 0,83 0,70 0,71 0,93 0,78 Математическое ожидание ошибки 0 0,13 0,15 0,18 0,08 0,13 По результатам эксперимента (табл. 1–3) было определено математическое ожидание ошибки диагностирования: Мδ = å = - k i ii pp n 1 1 , где Pi — вероятность наличия болезней по результатам диагностирования; ip — истинное значение вероятности наличия болезни. Вероятность болезни Название болезни Садоводы-любители * P1 P2 P3 P4 P5 P6 P7 P8 Черный рак 1 0,75 0,81 0,76 0,73 0,82 0,87 0,71 0,84 Обыкновенный рак 0 0,11 0,21 0.22 0,16 0,16 0,03 0,15 0,04 Лишайник 0 0,01 0 0 0,03 0,01 0,02 0,05 0,02 Цитоспороз коры 0 0,02 0 0 0,03 0,01 0,07 0,07 0,05 Монилиозная гниль 0 0 0 0 0 0 0,01 0 0,01 Филлостикоз 0 0 0 0 0 0 0 0 0,04 Парша 0 0 0 0 0 0 0 0 0 Серая тля 0 0 0 0 0 0 0 0 0 Коэффициент контрастности 1 0,78 0,74 0,71 0,78 0,80 0,91 0,79 0,94 Математическое ожидание ошибки 0 0,07 0,11 0,11 0,11 0,09 0,07 0,15 0,07 Экспертная система диагностирования по неструктурированным признакам ISSN 1560-9189 Реєстрація, зберігання і обробка даних, 2005, Т. 7, № 2 103 Средние значения математического ожидания ошибки диагностирования по каждому классу экспертов получились следующие: специалисты — Мδср = 0,05; садоводы-любители — Мδср = 0,0975; дилетанты — Мδср = 0,13. Выводы По результатам эксперимента можно сказать, что ошибка эксперта, который имеет высокую квалификацию или вообще ее не имеет, не очень отличается (при- близительно 8 процентов). Поэтому можно сделать вывод, что достоверность ре- зультатов диагностирования мало зависит от квалификации экспертов, а это, в свою очередь, означает, что созданная система универсальна и имеет право на жизнь и конкуренцию. Экспериментальное исследование ЭСД плодовых деревьев по неструктури- рованным диагностическим признакам позволяет сделать следующие выводы: 1) реализованный метод диагностики позволяет диагностировать болезни плодовых деревьев с приемлемой для практики достоверностью; 2) достоверность результатов диагностирования мало зависит от специальной подготовки пользователя. 1. Тоценко В.Г. Методы и системы поддержки принятия решений. Алгоритмический аспект. — К.: Наук. думка. — 2002. — 382 с. 2. Тоценко В.Г. Обобщенная концепция экспертных систем диагностирования // Электрон. моделирование. — 1995. — № 5. — С. 26–33. 3. Тоценко В.Г., Скрипник И.В. Метод определения оценок надежности сетей // Электрон. моделирование. — 1992. — № 5. — С. 55–58. Поступила в редакцию 06.06.2005 Вводятся входные данные: Вводятся входные данные: Построение основы Специалисты

Экспертная система диагностирования по неструктурированным признакам

Institution

Similar Items