Введение к работе
Актуальность темы исследования. Одной из важнейших областей внедрения методов математического моделирования и средств приближенного (интеллектуального) анализа физических процессов мониторинга поверхности Океана является область задач экологического мониторинга. Именно в этой области, благодаря многомерности и значительному объему используемых оцифрованных данных, в полной мере наблюдаются все недостатки классических моделей физических процессов, предоставляющих экологические данные.
Многомерные данные моделей экологического мониторинга, как правило, включают в себя мультиспектральные изображения, получаемые с помощью высокоорбитальных спутников или цветные изображения, получаемые с атмосферных летательных аппаратов. Основной проблемой для обоих видов данных является значительная степень неопределенности, имеющая место на этапах измерения (из-за оптических помех), передачи и обработки (из-за технических помех), а также при анализе данных (из-за часто встречающейся неопределенности в описании объекта анализа). Это обстоятельство приводит к необходимости применения интеллектуальных методов анализа данных математического моделирования в условиях неопределенности. В настоящее время ведущим направлением в области формализации и учета неопределенностей математических моделей играет теория информационной грануляции (ТИГ), основы которой были заложены в работах L. Zadeh. За рубежом эти исследования активно поддерживаются Y. Yao и W. Pedrycz в США, H. Tizhoosh в ФРГ, научным коллективом под руководством J. Baldwin в Великобритании. В России это направление получило развитие в работах научных школ А.Н. Мелихова и Л.С. Берштейна и В.М. Курейчика в Таганроге, а также А.Н. Аверкина и В.Б. Тарасова в Москве, И.З. Батыршина в Казани и других исследователей.
Несмотря на значительные успехи в совершенствовании теории информационной грануляции, в настоящее время в области создания интеллектуальных гранулирующих систем существует ряд нерешенных задач.
С точки зрения современного состояния ТИГ, необходимы значительные усилия для распространения имеющихся важнейших результатов на случай многомерных данных. Для разработки эффективных систем обработки и анализа многомерных данных важнейшую роль играют задачи оптимизации гранулированного представления данных, а также создание алгоритмической базы для интеллектуальных систем анализа гранулированных данных. Для этого следует обеспечить разработку новых парадигм построения интеллектуальных систем, базирующихся на принципе мягких вычислений.
Целью диссертационной работы является разработка приближенных математических моделей планктонных популяций в задачах мониторинга поверхности Океана. Эти модели должны обеспечивать разработку математически корректных методов и эффективных алгоритмов интеллектуальной обработки многомерных данных в условиях неопределённости на всех этапах работы, а также представление результатов анализа данных в доступной восприятию лингвистической форме.
Для достижения поставленной цели необходимо решить следующие задачи:
Разработка новой парадигмы обработки многомерных данных, которая должна позволять получение корректных результатов в условиях неопределенности;
Разработка единой математической модели для многомерных данных различной физической природы (пространственных и цветовых свойств объекта мониторинга), которая должна обеспечивать их топологически регулярное гранулированное представление;
Разработка метода оптимального представления многомерных данных в гранулированной форме для использования в новой модели;
Разработка методологии анализа гранулированных многомерных данных, позволяющей использовать топологические отношения;
Разработка высокоэффективного комплекса алгоритмов, реализующих разработанную методологию и оценку его временной сложности;
Создание комплекса программных средств на базе разработанных алгоритмов, позволяющих в реальном масштабе времени проводить анализ многомерных данных;
Поведение сравнительного анализа применения полученной методики и алгоритмов интеллектуальной обработки многомерных данных с имеющимися в данной области результатами.
Объектом исследования в диссертационной работе являются математические модели физических процессов, сопровождающих дистанционный мониторинг поверхности Океана: оптических свойств и динамики экологического состояния поверхности Океана, а также методы оптимального гранулированного представления многомерных данных и методы их обработки и анализа на основе топологических бинарных отношений.
Методологическую основу работы составляет теория информационной грануляции, суть которой – представление и исследование модели данных в виде системы обобщенных единиц, связанных отношениями сходства, неразличимости и т.д. и информационных связей между ними.
Новыми научными результатами диссертационной работы, выносимыми на защиту, являются:
Математическая модель базового элемента гранулированного представления многомерных данных, характеризующих планктонные популяции, которая допускает алгебраическое представление и использование алгебраических методов анализа элементов данных (гранул);
Математическая модель инкапсулирующей гранулы для представления многомерных данных, отличающаяся от известных тем, что ее форма инвариантна в различных системах координат;
Метод оптимального гранулирования многомерных данных на основе покрытия инкапсулирующими гранулами по критерию максимального правдоподобия;
Метод построения полной системы топологических отношений на гранулированных данных, которые позволяют формализовать взаимное отношение непересекающихся элементов данных (гранул);
Алгоритмы оптимальной грануляции многомерных данных на основе топологических отношений на гранулах, имеющие степенную сложность.
Теоретическая значимость результатов исследований заключатся во введении нового типа математических моделей физических процессов дистанционного зондирования на основе гранулирования данных; разработке математической модели инкапсулирующей гранулы; разработке метода оптимального гранулирования многомерных данных; разработке метода построения топологических отношений на гранулированных данных.
Практическая ценность работы определена разработкой эффективных алгоритмов обработки и анализа многомерных данных и их применением для решения задач проектирования и разработки автоматизированных информационных систем интеллектуального анализа многомерных данных, в том числе изображений различных классов, для целей экологического мониторинга. Ожидаемыми преимуществами, получаемыми в результате применения подобных интеллектуальных средств, являются: значительное уменьшение объема обрабатываемых данных, возможность быстрого (в режиме реального времени) получения результатов анализа, высокая степень понимания пользователем путей получения результатов анализа (“прозрачность” используемых методов и архитектур). Эти результаты приводят к значительному повышению эффективности анализа многомерных данных в процессе их оперативной обработки.
Реализация результатов. Практические результаты диссертационной работы внедрены в Научно-образовательном центре комплексных исследований и математического моделирования техногенных и экологических систем в виде комплекса алгоритмов для решения задач, связанных с разработкой системы дистанционного мониторинга экологического состояния Таганрогского залива Азовского моря на основе данных, полученных как непосредственными измерениями, так и с помощью космической фотосъемки региона. Теоретические результаты внедрены в учебном процессе кафедры ВМ ТТИ ЮФУ при чтении лекций и проведении лабораторных занятий по ряду специальностей.
Апробация работы. Научные и практические результаты, полученные в диссертации, изложены в 15 статьях, апробированных на всесоюзных и международных конференциях, из них 4 – в изданиях Перечня ВАК.
Основные результаты докладывались и обсуждались на следующих научно-практических конференциях:
Международных научно-технических конференциях “Искусственные интеллектуальные системы”. Дивноморское, 2002-2009 гг.;
Второй всероссийской научной конференции “Нечеткие системы и мягкие вычисления” НСМВ-2008, Ульяновск, 2008 г.;
Международной конференции IASTED по искусственному интеллекту “AIA 2006”, Инсбрук, Австрия, 2006 г.;
Международных конференциях “Искусственный интеллект. Интеллектуальные и многопроцессорные системы”, Таганрог, 2009, 2006, 2005 гг.;
Пятой международной конференции “Интеллектуальный анализ информации”, Киев, 2005 г.;
Национальных конференциях по искусственному интеллекту с международным участием КИИ’2000 и КИИ’2004 гг.;
Третьей Всероссийской научно-технической конференции “Измерения, автоматизация и моделирование в промышленности и научных исследованиях” ИАМП-2002 Бийск, 2002 г.;
Четвёртой международной конференции «Цифровая обработка сигналов и ее применение», Москва, 2002 г.;
Четвертой международной научно-технической конференции “Математическое моделирование физических, экономических, социальных систем и процессов” Ульяновск, 2001 г.;
Международном конгрессе “Искусственный интеллект в 21 веке”, Дивноморское, 2001 г.;
Международной конференции по мягким вычислениям и измерениям SCM’2000, Санкт-Петербург, 2000 г.;
Тринадцатой международной конференции “Математические методы в технике и технологиях” ММТТ-2000, Санкт-Петербург, 2000 г.
Структура диссертации. Диссертационная работа состоит из введения, четырех тематических глав, заключения, списка литературы и приложений. Работа содержит 141 стр., а также 58 рисунков, 3 таблицы, список литературы из 170 наименований, 98 стр. приложений и актов об использовании.
