Управление процессом и разработка системы принятия решений классификации информационных сигналов на основе марковских моделей

В статье обосновывается необходимость осуществления управления процессом классификации информационных сигналов на основе простой и двухсвязной марковских моделей. Показана возможность объединения полученных ранее моделей и алгоритма классификации в систему принятия решений в целях классификации информационных сигналов (случайных процессов) по критерию максимизации апостериорной вероятности. Предлагается структурная схема системы принятия решений, приводится описание разработанных программных компонентов, последовательно реализующих как вспомогательные, так и базовые процедуры, позволяющие реализовать синтезированные ранее марковские модели и методы оценки их параметров, а также алгоритм классификации. Приводится описание возможности обучения алгоритма классификации как «с учителем», так и в режиме «самообучения», определены объемы выборок предоставляемых отсчетов исследуемых сигналов для формирования баз данных марковских моделей сигналов, марковских моделей классов сигналов. Представлены результаты статистического имитационного моделирования зависимости вероятности ошибки от объема обучающей выборки. Предложены структурные схемы некоторых программных компонентов системы принятия решений. Рассмотрены результаты реализации разработанных ранее моделей, методов и алгоритмов, в виде программных средств, показаны функциональные возможности применения данных средств в составе системы принятия решений. Приведены результаты расчетов, показывающие адекватность получаемых решений и функциональность разработанных программных средств. Делаются выводы о возможности применения системы принятия решений в различных предметных областях, в том числе при классификации состояний сердечно-сосудистой системы пациента по наблюдаемым ритмограммам.

1. Казаков В.А. Введение в теорию марковских процессов и некоторые радиотехнические задачи. Москва: Советское радио; 1973. 232 с.

2. Новиков Д.А. Теория управления организационными системами. Москва: Издательство физико-математической литературы; 2012. 604 с.

3. Бочаров П.П., Печинкин А.В. Теория вероятностей. Математическая статистика. Москва: ФИЗМАТЛИТ; 2005. 296 с.

4. Глушков А.Н., Литвиненко Ю.В., Калинин М.Ю. Марковская модель ритмограммы. В сборнике: Всероссийская конференция «Интеллектуальные информационные системы»: Интеллектуальные информационные системы: труды всероссийской конференции, 23-24 июня 2016 года, Воронеж, Россия. Воронеж: Воронежский государственный технический университет; 2016. С. 127–130.

5. Калинин М.Ю. Двумерная обобщенная вероятностная модель радиосигналов. Вестник Воронежского института высоких технологий. 2021;15(1):16–18. URL: https://vestnikvivt.ru/ru/journal/pdf?id=386 (дата обращения: 01.03.2024).

6. Глушков Д.А., Калинин М.Ю., Литвиненко Ю.В. Аналитическая двумерная вероятностная модель радиосигнала. Вестник Воронежского государственного технического университета. 2023;19(1):57–61.

7. Калинин М.Ю., Чопоров О.Н. Обучение алгоритма классификации случайного процесса. Вестник Воронежского института высоких технологий. 2021;15(1):19–22. URL: https://vestnikvivt.ru/ru/journal/pdf?id=387 (дата обращения: 01.03.2024).

8. Калинин М.Ю., Чопоров О.Н., Бонч-Бруевич А.М. Классификация случайных сигналов на основе их двухсвязных марковских моделей. Моделирование, оптимизация и информационные технологии. 2022;10(3). URL: https://moitvivt.ru/ru/journal/pdf?id=1222. DOI: 10.26102/2310-6018/2022.38.3.017 (дата обращения: 01.03.2024).

9. Терелянский П.В. Системы поддержки принятия решений. Опыт проектирования. Волгоград: ВолгГТУ; 2009. 329 с.

10. Николенко С.И., Тулупьев А.Л. Самообучающиеся системы. Москва: МЦНМО; 2009. 288 с.

11. Калинин М.Ю., Чопоров О.Н. Энтропийные оценки решающих статистик алгоритма классификации случайных процессов. Моделирование, оптимизация и информационные технологии. 2020;8(4). URL: https://moitvivt.ru/ru/journal/pdf?id=881. DOI: 10.26102/2310-6018/2020.31.4.034 (дата обращения: 04.03.2024).