Article

Article title MIVARNAYA EXPERT SYSTEM FOR IMAGE RECOGNITION BASED ON FUZZY CLASSIFICATION AND MODELING OF DIFFERENT SUBJECT AREAS WITH AN AUTOMATIC EXTENSION OF CONTEXT
Authors A.Yu. Maksimova, O.O. Varlamov
Section SECTION II. THE ANALYSIS OF SECURITY AND PROTECTION OF INFORMATION SYSTEMS AND OBJECTS
Month, Year 12, 2011 @en
Index UDC 004.056.5+004.8+004.93
DOI
Abstract The paper shows that it is practical to join opportunities provided by expert systems with pattern recognition methods. The aim is to give foundation for joint utilization and interaction between expert systems and pattern recognition methods. The first objective is to show ways for expert systems to increase pattern recognition system"s potential by expanding the context. The second objective is to demonstrate the potential for using methods of data analysis and pattern recognition to add knowledge to expert systems. There are the following conclusions in this paper. Expert systems can process a larger context which improves recognition results. Applying pattern recognition methods in expert systems allows to automatically generate new data and rules for context expansion and self-learning. Results of experiments with mivar expert systems are given which confirm the linear complexity of mivar inference and of automatic algorithm design. It is proposed to use a fuzzy classifier as a source of rules for mivar expert system. In practice mivar technology allows to work with more than three million of production rules thus radically increasing expert systems potential and the adequacy of pattern recognition in information security problems.

Download PDF

Keywords Mivar; pattern recognition; information security; expert system; artificial intelligence.
References 1. Варламов О.О. Алгоритм разреза сети по вершинам и ребрам ее графа сложности О(n2) // Труды НИИР: Сб. ст. – М., 1997. – С. 92-97.
2. Варламов О.О. Разработка адаптивного механизма логического вывода на эволюционной интерактивной сети гиперправил с мультиактивизаторами, управляемой потоком данных // Искусственный интеллект. –2002. – № 3. – С. 363-370.
3. Варламов О.О. Разработка линейного матричного метода определения маршрута логического вывода на адаптивной сети правил // Известия вузов. Электроника. – 2002. – № 6. – С. 43-51.
4. Варламов О.О. Эволюционные базы данных и знаний для адаптивного синтеза интеллектуальных систем. Миварное информационное пространство. – М.: Радио и связь, 2002. – 288 с.
5. Варламов О.О. Основы многомерного информационного развивающегося (миварного) пространства представления данных и правил // Информационные технологии. – 2003. – № 5. – С. 42-47.
6. Варламов О.О. Системный анализ и синтез моделей данных и методы обработки информации в самоорганизующихся комплексах оперативной диагностики: Диссертация на соискание ученой степени доктора технических наук. – М.: МАРТИТ, 2003. – 307 с.
7. Варламов О.О. Системный анализ и синтез моделей данных и методы обработки информации в самоорганизующихся комплексах оперативной диагностики: Автореферат диссертации на соискание ученой степени доктора технических наук. – М.: МАРТИТ, 2003. – 44 с.
8. Варламов О.О. Эволюционные базы данных и знаний. Миварное информационное пространство // Известия ЮФУ. Технические науки. – 2007. – № 2 (77). – С. 77-81.
9. Владимиров А.Н., Варламов О.О., Носов А.В., Потапова Т.С. Применение многопроцессорного вычислительного кластера НИИР для распараллеливания алгоритмов в научнотехнических и вычислительных задачах // Труды Научно-исследовательского института радио. – 2009. – № 3. – С. 120-123.
10. Санду Р.А., Варламов О.О. Миварный подход к созданию интеллектуальных систем и искусственного интеллекта. Результаты 25 лет развития и ближайшие перспективы. – М.: Стандартинформ, 2010. – 339 с.
11. Варламов О.О., Санду Р.А., Владимиров А.Н., Бадалов А.Ю., Чванин О.Н. Развитие миварного метода логико-вычислительной обработки информации для АСУ, тренажеров, экспертных систем реального времени и архитектур, ориентированных на сервисы // Труды НИИР. – 2010. – № 3. – С. 18-26.
12. Владимиров А.Н., Варламов О.О., Носов А.В., Потапова Т.С. Программный комплекс «УДАВ»: практическая реализация активного обучаемого логического вывода с линейной вычислительной сложностью на основе миварной сети правил // Труды Научноисследовательского института радио. – 2010. – Т. 1. – С. 108-116.
13. Варламов О.О. Миварный подход к разработке интеллектуальных систем и проект создания мультипредметной активной миварной интернет-энциклопедии // Известия Кабардино-Балкарского научного центра РАН. – 2011. – № 1. – С. 55-64.
14. Подкосова Я.Г., Васюгова С.А., Варламов О.О. Использование технологий виртуальной реальности для трехмерной визуализации результатов моделирования и для миварных обучающих систем // Известия Кабардино-Балкарского научного центра РАН. – 2011. – № 1. – С. 226-232.
15. Варламов О.О. Обзор 25 лет развития миварного подхода к разработке интеллектуальных систем и создания искусственного интеллекта // Труды Научно-исследовательского института радио. – 2011. – № 1. – С. 34-44.
16. Подкосова Я.Г., Варламов О.О., Остроух А.В., Краснянский М.Н. Анализ перспектив использования технологий виртуальной реальности в дистанционном обучении // Вопросы современной науки и практики. Университет им. В.И. Вернадского. – 2011. – № 2 (33). – С. 104-111.
17. Подкосова Я.Г., Васюгова С.А., Варламов О.О. Новые возможности и ограничения технологий виртуальной реальности для проведения научных исследований, трехмерной визуализации результатов моделирования и создания миварных обучающих систем и тренажеров // Труды Научно-исследовательского института радио. – 2011. – № 2. – С. 5-16.
18. Материалы веб-сайта Варламов О.О. // http://www.ovar.narod.ru. 2011.
19. Материалы веб-сайта компании МИВАР // http://www.mivar.ru. 2011.
20. Варламов О.О., Санду Р.А., Владимиров А.Н., Носов А.В., Оверчук М.Л. Миварный подход к созданию мультипредметных активных экспертных систем в целях обучения информационной безопасности и управления инновационными ресурсами в образовании // Известия ЮФУ. Технические науки. – 2010. – № 11 (112). – С. 226-232.
21. Максимова А.Ю. Многоуровневая организация системы поддержки принятия решений для лаборатории контроля качества // Материалы Международной научно-технической конференции пос. Кацивели, АР Крым, 19-23 сентября 2011 г. «Искусственный интеллект. Интеллектуальные системы. ИИ-2011». – Донецк: ИПИИ «Наука и освiта», 2011. – С. 120-123.
22. Ishibuchi Hisao, Nakashima Tomoharu, Nii Manabu. Classification and Modeling with Linguistic Information Granules, Spriger, 2005. – 307 p.
23. Pedrycz, W., Skowron, A., Kreinovich, V. (eds.): Handbook of Granular Computing. John Wley & Sons, New York (2007).
24. Козловский В.А., Максимова А.Ю. Решение задачи распознавания образов по нечетким портретам классов // Искусственный интеллект. – 2010. – № 4. – С. 221-228.
25. Козловский В.А., Максимова А.Ю. Нечеткая система распознавания образов для решения задач классификации жидких нефтепродуктов // Научные работы ДонНТУ, серия «Информатика, кибернетика и вычислительная техника» – 2011. – № 13 (185). – С. 200-205.
26. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб.: БХВ-Петербург, 2003. – 736 с.

Comments are closed.