ОСОБЛИВОСТІ ПРОГРАМНИХ РІШЕНЬ МОДЕЛЕЙ ЛОГІЧНИХ ДЕРЕВ КЛАСИФІКАЦІЇ НА ОСНОВІ СЕЛЕКЦІЇ НАБОРІВ ЕЛЕМЕНТАРНИХ ОЗНАК

Анотація

Актуальність теми дослідження. Нині існує декілька незалежних, загальних підходів (концепцій) для вирішення різнотипних завдань класифікації в класичній постановці, розроблено набір різних концепцій, підходів, методів, моделей та схем, інструментарію, які охоплюють загальну проблему теорії штучного інтелекту та інформаційних систем. Причому всі ці підходи в теорії розпізнавання мають свої фіксовані переваги і недоліки та утворюють єдиний інструментарій розв’язку прикладних задач теорії штучного інтелекту. Важливою проблемою залишається питання ефективності програмних схем та алгоритмів синтезу конструкцій дерев класифікації в розрізі ефективності критерію розгалуження їхньої структури. Отже, центральну увагу в цьому дослідженні буде приділено актуальній концепції дерев рішень (дерев класифікації), розглядається загальна задача програмної (алгоритмічної) побудови логічних дерев розпізнавання (класифікації). Об’єктом цього дослідження є логічні дерева класифікації (структури ЛДК) їхні сучасні програмні реалізації. Предметом дослідження є актуальні методи та алгоритмічні схеми побудови логічних дерев класифікації.

Постановка проблеми. Основні наявні методи та алгоритми роботи з масивами дискретної інформації при побудові функції розпізнавання (класифікаторів) не дозволяють досягнути наперед заданого рівня точності (ефективності) системи класифікації та регулювати їх складність у процесі побудови. Однак цей недолік відсутній у методах та схемах побудови систем розпізнавання, які базуються на концепції логічних дерев класифікації (дерев рішень). Структура логічного дерева являє собою зв’язану множину гілок та вузлів, причому на гілках дерева розташовуються деякі мітки (атрибути, значення ознак), від яких залежить цільова функція (у випадку ЛДК – функція розпізнавання), а у вузлах (вершинах) знаходяться значення функції розпізнавання або розширені атрибути переходів. Тобто схема покриття навчальної вибірки набором елементарних ознак у випадку ЛДК породжує фіксовану деревоподібну структуру даних (модель ЛДК), яка забезпечує стискання та перетворення початкових даних НВ, а отже, дає змогу суттєво оптимізувати та зекономити апаратні ресурси системи, до того ж в основі лежить єдина методологія – оптимальної апроксимації навчальної вибірки набором елементарних ознак (атрибутів), які входять у деяку схему (оператор), побудовану в процесі навчання.

Аналіз останніх досліджень і публікацій. У представленому дослідженні були розглянуті останні публікації у відкритому доступі, які присвячені загальній тематиці підходів, методів, алгоритмів та схем розпізнавання (моделей дерев класифікації – структур ЛДК/АДК) дискретних об’єктів, відповідним програмним реалізаціям дерев рішень у задачах розпізнавання образів теорії штучного інтелекту.

Виділення недосліджених частин загальної проблеми. Можливість ефективної та економної програмної (алгоритмічної) схеми побудови логічного дерева класифікації (моделі структури ЛДК) на основі початкових масивів навчальних вибірок (масивів дискретної інформації) великого об’єму.

Постановка завдання. Розробка простого та якісного програмного методу (алгоритму та програмної системи) побудови моделей (структур) ЛДК для великих масивів початкових вибірок шляхом синтезу мінімальних форм дерев класифікації та розпізнавання, які забезпечують ефективну апроксимацію навчальної інформації набором ранжованих елементарних ознак (атрибутів) на основі схеми розгалуженого вибору ознак у широкому спектрі прикладних задач.

Виклад основного матеріалу. Пропонується загальна програмна схема побудови структур логічних дерев класифікації, яка для заданої початкової навчальної вибірки будує деревоподібну структуру (модель класифікації), яка складається з набору елементарних ознак, оцінених на кожному кроці побудови моделі за даною вибіркою. Запропоновано метод та готова програмна система побудови логічних дерев, основна ідея якого полягає в апроксимації навчальної вибірки довільного об’єму набором елементарних ознак. Цей метод при формуванні поточної вершини логічного дерева (вузла) забезпечує виділення найбільш інформативних (якісних) елементарних ознак із початкового набору. Такий підхід при побудові результуючого дерева класифікації дозволяє значно скоротити розмір та складність дерева (загальну кількість гілок та ярусів структури) підвищити якість його наступного аналізу.

Висновки відповідно до статті. Розроблене та запропоноване в роботі програмне забезпечення побудови структур ЛДК (моделей дерев класифікації) дозволяє використовувати його для розв’язання широкого спектра практичних задач розпізнавання та класифікації, а перспективи подальших досліджень можуть полягати у створенні обмеженого методу логічного дерева класифікації (структур ЛДК), який полягає у введенні критерію зупинки процедури побудови логічного дерева за глибиною структури, оптимізації його програмних реалізацій, а також експериментальних дослідженнях цього методу на більш широке коло практичних задач.