А.В. Воронин – к.т.н., доцент, вед. науч. сотрудник,

Федеральный исследовательский центр «Информатика и управление» Российской академии наук E-mail: aleksey.v.v.@mail.ru

Постановка проблемы. Геоинформационные системы (ГИС) активно используются в системах принятия решений для сбора, хранения, интеграции, трансформации, анализа и визуализации гео- и метаданных, являются важнейшим элементом аналитических и ситуационных центров, развиваются в направлении использования технологии клиент-сервер, специализированных расширений для широкого круга задач, решений на основе браузеров, открытых форматов и кодов программ, реализуя распределенные и интеллектуальные ГИС. Современное применение ГИС по широкому спектру задач как средства, помогающего в подготовке принятия решения, сопряжено с обработкой большого объема гео- и метаданных. Так при классификации массивов геоданных важным элементом решения является функция принадлежности – область определения операций над нечеткими множествами через нечеткое отношение. Исследования, представленные в статье, посвящены разбиению на классы пространственных (гео) объектов на основе математического аппарата нечетких множеств и нейронной технологии. В качестве области определения операций рассмотрены одно-, двух-, трех- и четырехмерные пространства. Функции принадлежности нечетких отношений на дискретных областях определения формируются кортежами-элементами двух-, трех-,  четырех- и пятимерных матриц.

Цель. Осуществить анализ функции принадлежности нечетких отношений на дискретных областях определения для классификации пространственных объектов в ГИС, используемой в ситуационном центре, для высвобождения временного и интеллектуального ресурсов оператора при выработке управленческих решений.

Результаты. В ходе проведенного анализа определено, что важным элементом решения задачи классификации геообъектов является выбор функции принадлежности – области определения операций над нечеткими множествами через нечеткое отношение. В качестве области определения операций рассмотрены одно-, двух-, трех- и четырехмерные пространства. Функции принадлежности нечетких отношений на дискретных областях определения формируются кортежами-элементами двух-, трех-, четырех и пятимерных матриц.

Практическая значимость. Достигнута целевая установка исследования – рассмотрение функций принадлежности нечетких отношений на дискретных областях определения для классификации пространственных объектов в ГИС и анализ области определения операций над нечеткими множествами через нечеткое отношение значений часто применяемого числа характеристик пространственных объектов в ГИС, а также автоматизирован процесс обработки гео- и метаданных, повышена эффективность применения ГИС в ситуационных центрах.

1. Хемди A. Глава 14. Теория игр и принятия решений // Введение в исследование операций. Изд. 7-е, М.: Издательский дом «Вильямс». 2007.
2. Уилер Д., Чамберс Д. Статистическое управление процессами: Оптимизация бизнеса с использованием контрольных карт Шухарта: Пер. с англ. М.: Альпина Диджитал, 2018. 409 с. 
3. Goodwin Р., Wright  G. Decision Analysis for Management Judgment. 3rd edition. Chichester: Wiley. 2004. 
4. Генри P. Организация как система. Принципы построения устойчивого бизнеса Эдвардса Деминга: Пер. с англ. М.: Альпина Паблишер. 2018. 368 с.
5. Драчева Е.Л., Юликов Л.И. Менеджмент. Изд. 2-е, стер. М.: Издательский центр «Академия». 2002. 288с.
6. Каллан Р. Основные концепции нейронных сетей. М.: Издательский дом «Вильямс». 2001. 
7. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. СПб.: Наука и техника. 2003. 384 с. 
8. Зацаринный А.А., Горшенин А.К., Кондрашев В.А., Волович К.И., Денисов С.А. К высокопроизводительным решениям как услугам исследовательской цифровой платформы. М.: Procedia Computer Science. 2019. Т. 150. С. 622–627.
9. Воронин А.В. Модификация метода разложения на части подготовки принятия решения в ситуационном центре с использованием классификации пространственных объектов в геоинформационной системе // Информация и космос. 2019. № 2. С. 100–106.
10. Кормен Т., Лейзерсон Ч., Ривест Р., Штайн К. Алгоритмы: построение и анализ. Изд 2-е. Пер. с англ. М.: Издательский дом «Вильямс». 2007. 1296 с.
11. Яхъяева Г.Э. Нечеткие множества и нейронные сети. Изд. 2-е, испр. М.: Интерент-Университет Информационных Технологий; БИНОМ. Лаборатория знаний. 2008. 316 с.
12. Пегат А. Нечеткое моделирование и управление: Пер. с англ. М.: БИНОМ. Лаборатория знаний. 2009. 798 с.
13. Айвазян С.А. Прикладная статистика. Классификация и снижение размерности. М.: Мир. 1989.
14. Пат. РФ № 2615317 на изобретение от 04.04.2017. Способ обнаружения вредоносных компьютерных программ в трафике сети передачи данных, в том числе подвергнутых комбинациям полиморфных преобразований / Воронин А.В., Пономарев Д.В.