10 апреля на научном семинаре с представлением диссертации "Идентификация и классификация автоматных марковских моделей методами многопараметрического анализа" выступила Нурутдинова Алсу Рафаиловна. Научный руководитель - Шалагин Сергей Викторович д.т.н., профессор кафедры компьтерных систем КНИТУ .
Объектом исследования работы являются дискретные стохастические процессы, порождаемые на основе АММ. Предмет исследования - алгоритмы, применяемые для классификации и идентификации АММ при использовании многопараметрического анализа с применением заданного множества признаков. Цель работы - повышение эффективности идентификации и классификации различных подклассов АММ на основе генерируемых дискретных ЦМ, при использовании разработанных методик, алгоритмов и программного комплекса. Эффективность идентификации и классификации АММ определяется снижением длины ЦМ, требуемых для решения задачи идентификации и классификации АММ, определенных на основе заданных подклассов ЭСМ, с определенной доверительной вероятностью, а также уменьшением вычислительной сложности алгоритмов распознавания и минимизации погрешности вычисления признаков относительно ЭСМ.
В соответствии с поставленной целью были решены следующие задачи:
1. Разработана математическая модель и методики идентификации циклической ЦМ на основе последовательности ее состояний конечной длины. Исследовано применение модификации алгоритма «прямого-обратного хода» к решению задачи идентификации АММ, определенных на основе циклической ЭСМ.
2. Предложена модификация модели и алгоритма «прямого-обратного хода» для идентификации конечных простых однородных ЦМ, сгенерированных на основе ЭСМ. Решена задача идентификации конечных простых однородных ЦМ, часть элементов которой скрыта от наблюдения.
3. Разработаны алгоритмы: а) многопараметрической классификации АММ, задаваемых на основе ЭСМ, принадлежащих к определенным подклассам; б) идентификации априори задаваемых подклассов АММ, определяемых при использовании подклассов ЭСМ, на основе последовательностей состояний ЦМ конечной длины.
4. Описан подход для анализа состава кластеров, выделяемых путем многопараметрической классификации множества АММ, определяемых различными группами признаков.
5. Разработаны алгоритмы вычисления признаков для идентификации и классификации АММ по реализуемым ими цепям Маркова.
6. Создан комплекс программ, реализующих алгоритмы анализа и идентификации АММ, элементы (программы) которого связаны по входным данным.