Метод построения компьютерной системы диагностики на основе анализа данных обучающей выборки

• Опубліковано в: : Штучний інтелект
• Дата: 2012
• Автори: Родченко, В.Г., Олизарович, Е.В., Жукевич, А.И.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2012
• Теми: Интеллектуальные системы планирования, управления, моделирования и принятия решений
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/57748
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Метод построения компьютерной системы диагностики на основе анализа данных обучающей выборки / В.Г. Родченко, Е.В. Олизарович, А.И. Жукевич // Штучний інтелект. — 2012. — № 4. — С. 381-386. — Бібліогр.: 9 назв. — рос.

В статье рассматривается метод построения компьютерной системы диагностики на основе алгоритмов распознавания образов и кластерного анализа. Предлагается, используя исходные множество диагностируемых состояний и набор наблюдаемых характеристик, сформировать априорный словарь признаков и построить обучающую выборку, а затем на основе анализа данных этой выборки сформировать такое пространство решений, в котором формальные образы эталонов диагностируемых состояний разделены и компактны. У статті розглядається метод побудови комп’ютерної системи діагностики на основі алгоритмів розпізнавання образів і кластерного аналізу. Пропонується, використовуючи вхідний набір станів, що діагностуються, і набір спостережуваних характеристик, сформувати апріорний словник ознак і побудувати навчальну вибірку, а потім, на основі аналізу даних цієї вибірки, сформувати такий простір рішень, в якому формальні образи еталонів станів, що діагностуються, розподілені й компактні. In the article, the construction method of the computer diagnostics systems based on algorithms of pattern recognition and cluster analysis is considered. It is proposed, using the original set of diagnostic conditions and the one of observable characteristics, to form a priori features vocabulary and to build a training sample, and then on the basis of the analysis of the sample data to form such kind of solution space, in which the formal images of the standards of diagnosed conditions are separated and compact.