ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
РОССИЙСКОЙ ФЕДЕРАЦИИ
Санкт-Петербургский
Государственный университет аэрокосмического приборостроения
ОЦЕНИВАНИЕ СОСТОЯНИЯ СЛОЖНЫХ СИСТЕМ НА ОСНОВЕ ИММУНОКОМПЬЮТИНГА
Методические указания
к выполнению лабораторных работ по дисциплине «Интеллектуальные информационные системы»
Санкт-Петербург
2010
Составители: С.П. Соколова, И.В. Усикова, Н.В. Зуева
Рецензент: кафедра менеджмента и маркетинга ГУАП
Методические указания содержат ряд лабораторных работ, целью выполнения которых является разработка пакета прикладных программ для комплексного оценивания состояния сложных систем на основе иммунокомпьютинга с использованием инструментария универсальных системы MATLAB. Эта система имеет дружественный интерфейс, реализует множество стандартных и специальных математических операций, снабжена мощными графическими средствами и обладает собственным языком программирования.
Математической основой комплексного оценивания состояния сложных систем служит подход иммунокомпьютинга с использованием сингулярного разложения произвольных матриц.
Методические указания предназначены для студентов очной, заочной и дистантной форм подготовки для выполнения лабораторных работ по дисциплине «Интеллектуальные информационные системы».
ОГЛАВЛЕНИЕ
1. МАТРИЧНЫЕ ВЫЧИСЛЕНИЯ НА ОСНОВЕ УНИВЕРСАЛЬНОЙ СИСТЕМЫ MATLAB.. 7
1.2.1. Функции описания матриц.. 8
1.2.3. Матричные характеристики.. 8
1.2.4. Команды линейной алгебры.. 8
1.2.5. Команды факторизации.. 9
1.2.6. Команды вычисления спектра. 9
1.3. Интегрирование MATLAB и Excel 10
1.3.1. Конфигурирование Excel 10
1.3.2. Обмен данными между MATLAB и Excel 11
1.5. Лабораторная работа № 1. 19
1.5.1. Порядок выполнения работы.. 19
1.5.3. Контрольные вопросы.. 19
2. ВЫЧИСЛИТЕЛЬНАЯ ПРОЦЕДУРА СИНГУЛЯРНОГО РАЗЛОЖЕНИЯ МАТРИЦ.. 20
2.1. Математический аппарат. 20
2.2. Лабораторная работа № 2. 22
2.2.1. Порядок выполнения работы.. 22
2.2.2. Пример выполнения лабораторной работы №2. 22
2.2.3. Порядок оформления отчета. 26
2.2.4. Контрольные вопросы.. 26
3. ВЫЧИСЛИТЕЛЬНАЯ ПРОЦЕДУРА ОБУЧЕНИЯ С ЭКСПЕРТОМ... 26
3.1. Математический аппарат. 26
3.2. Лабораторная работа № 3. 29
3.2.1. Порядок выполнения работы.. 29
3.2.2. Порядок оформления отчета. 29
3.2.3. Пример выполнения лабораторной работы №3. 29
3.2.4. Контрольные вопросы.. 31
4. ВЫЧИСЛИТЕЛЬНАЯ ПРОЦЕДУРА ОБУЧЕНИЯ С ЭКСПЕРТОМ... 32
4.1. Математическая формализация задачи. 32
4.5. Лабораторная работа № 4. 36
4.5.1. Порядок выполнения работы.. 36
4.5.2. Порядок оформления отчета. 37
4.5.3. Пример выполнения лабораторной работы №4. 37
4.5.4. Контрольные вопросы.. 39
5. ФОРМИРОВАНИЕ ИНДЕКСОВ РИСКА.. 40
5.1. Описание задачи формирования индексов. 40
5.2. Базовый алгоритм вычисления индекса. 40
5.3. Одномерный линейный случай. 45
5.4. Лабораторная работа № 5. 45
5.4.1. Порядок выполнения работы.. 48
5.4.2. Порядок оформления отчета. 48
5.4.3. Контрольные вопросы.. 48
6.3. Лабораторная работа № 6. 51
6.3.1. Порядок выполнения работы.. 52
6.3.2. Порядок оформления отчета. 52
6.3.3. Контрольные вопросы.. 52
7. ПРОВЕДЕНИЕ ЭКСПЕРТИЗЫ НАУЧНО-ТЕХНИЧЕСКИХ ПРОЕКТОВ.. 52
7.2. Лабораторная работа № 7. 55
7.2.1. Порядок выполнения работы.. 55
7.2.2. Порядок оформления отчета. 55
7.2.3. Контрольные вопросы.. 56
8. КОМПЛЕКСНАЯ ЭКСПЕРТИЗА ВНУТРИВУЗОВСКИХ СИСТЕМ УПРАВЛЕНИЯ КАЧЕСТВОМ ОБРАЗОВАНИЯ 56
8.2. Лабораторная работа № 8. 58
8.2.1. Порядок выполнения работы.. 58
8.2.2. Порядок оформления отчета. 60
8.2.3. Контрольные вопросы.. 60
9. АЛГОРИТМ ФОРМИРОВАНИЯ ЭЛЕКТРОННОЙ ЦИФРОВОЙ ПОДПИСИ.. 60
9.2. Лабораторная работа № 10. 64
9.2.1. Порядок выполнения работы.. 64
9.2.2. Порядок оформления отчета. 65
9.2.3. Контрольные вопросы.. 65
Новая вычислительная процедура, называемая искусственные иммунные системы (ИИС), основанная на принципах иммунной системы, обладает способностью обучаться новой информации, запоминать ранее полученную информацию и осуществлять распознавание образов и анализ данных на основе принципов биомолекулярного узнавания в высоко распределенной манере. Эти системы предлагают мощные и робастные возможности обработки больших массивов информации для решения сложных задач. Строгий математический базис ИИС основан на биологическом прототипе иммунной сети и понятиях формального протеина и формальной иммунной сети (ФИС).
Эти математические модели были названы формальной иммунной системой или иммунокомпьютингом на основе свойств сингулярного разложения произвольных матриц.
Иммунокомпьютинг (ИК) позволяет с большой эффективностью решать следующие задачи: обучения с экспертом, самообучения (обучения без эксперта), группировки и классификации, представления результатов вычислений в пространстве образов.
Структурная схема ИК для решения вышеперечисленных задач представлена на рис. 1.
Как видно из структурной схемы, на основе исходной информации формируется база данных. База данных содержит фактографические данные об исследуемой системе.
База знаний содержит сведения, которые отражают закономерности, существующие в рассматриваемой предметной области, позволяют выводить новые знания и прогнозировать потенциально возможные состояния исследуемой области; сведения о структуре и содержании базы данных; сведения по языку общения; метазнания, определяющие способы представления и переработки знаний. В базу знаний помещаются как общедоступные данные, так и знания эксперта в данной предметной области, вычислительные алгоритмы реализации процедур иммунокомпьютинга, результаты группировки и автоматической классификации, а также интерпретация результатов вычислений.
Основные вычислительные процедуры: обучение с экспертом и самообучение (обучение без эксперта), автоматической классификации, основаны на свойствах сингулярного разложения произвольных матриц и математическом аппарате иммунокомпьютинга.
Ниже представлены описания взаимосвязанного комплекса из 11 лабораторных работ, первые 5 лабораторных работ выполняются всеми студентами, из последующих 5 лабораторных работ студенты по желанию выбирают одну, которая является прикладной и завершающей.