Методы и инструментальные средства обнаружения знаний в интеллектуальных системах поддержки принятия решений

Одним из основных средств обнаружения знаний в интеллектуальных системах являются алгоритмы машинного обучения. Для решения задачи снижения перебора при выборе наилучших сочетаний параметров алгоритмов машинного обучения предложен метод планирования экспериментов, основанный на модифицированном методе крутого восхождения Бокса - Уилсона, позволяющий повысить качество обучения и сократить количество экспериментов. Применение данного метода позволяет по сравнению со стандартными методами поиска параметров (grid search на кросс-валидации) сократить количество проводимых экспериментов на порядок. Исследованы методы организации эффективного процесса вывода в интеллектуальных системах, а именно: применение различных методик параллельной обработки данных для ускорения работы системы, что крайне важно, особенно для систем поддержки принятия решений, работающих в реальном времени. Выполнено исследование методов и алгоритмов работы с темпоральными данными. Даны методы решения важных задач, возникающих при обработке временных зависимостей в системах поддержки принятия решений. Предложен алгоритм построения темпоральных деревьев решений для классификации ситуаций на сложных технических объектах. Разработанные методы и алгоритмы реализованы программно, экспериментально подтверждена их эффективность. Они способны обеспечить конструирование высокопроизводительных интеллектуальных систем поддержки принятия решений (ИСППР) реального времени, ориентированных на открытые и динамические проблемные области. Создан программный комплекс «Программный комплекс для индуктивного формирования понятий на основе методов теории аргументации «ArgClassify», который предназначен для применения в системах машинного обучения и объединяет в себе методы предварительного анализа данных для снижения влияния шума в данных, методы ансамблирования различных алгоритмов классификации с помощью методов аргументации и методы индуктивного формирования понятий. Приведен большой объём компьютерных экспериментов, результаты которых позволяют сделать вывод о применимости предлагаемых методов и алгоритмов для решения практических задач, а именно для решения задач классификации объектов в условиях зашумленных обучающих выборок.