XII Международная студенческая научная конференция Студенческий научный форум - 2020

В начале этапа проектирования была разработана структурная схема системы, которая показана на рисунке 1. Из рисунка видно, что все компоненты делятся на два вида – ядро программы и база знаний. Для выполнения основных функций используется ядро программы, для пополнения и редактирования вопросов и ответов используется база знаний.

Рисунок 1 – Структура экспертной системы

Компонент взаимодействия с пользователем (Интерфейс с пользователем) отвечает за обмен информацией между пользователем и экспертной системой путем выбора нужного метода сегментации для видео или изображения, а затем их характеристик.

Модуль сборки исходных фактов состоит из вопросов, задаваемых пользователю, чтобы тот выбрал нужные характеристики видео или изображения. Исходные факты видео или изображения – это, собственно, и есть данные, выбранные пользователем.

Модуль «Вопросы и ответы» предоставляет возможность редактировать, изменять и пополнять данные.

Модуль просмотра результатов обеспечивает пользователя заключением, в котором указаны все методы, удовлетворяющие заданным характеристикам.

Модуль вывода предназначен для получения новых фактов на основе сопоставления исходных данных из рабочей памяти и знаний из базы знаний, реализует алгоритм принятия решения, заключения.

Рабочая память хранит выбранные пользователем промежуточные характеристики для формирования заключения.

Для реализации информационной системы реляционного типа необходимо построить дерево решений (машину вывода), отражающее знания и опыт эксперта в решении задачи в данной предметной области.

Знания эксперта в предметной области формулируются в виде гипотез.

Примерный список фактов для выбора метода сегментации:

1. Если Вы сегментируете изображение, и изображение черно-белое, то Вам подойдут методы сегментации по водоразделам.

2. Если Вы сегментируете цветное изображение и Вам известно количество классов объектов в изображении, то Вам подойдут методы классификации в пространстве признаков.

3. Если Вы сегментируете цветное изображение с неизвестным количеством классов объектов, которые не пересекаются и Вам важна скорость обработки, то Вам подойдут методы, основанные на применении бинаризации и на поиске регионов.

4. Если Вы сегментируете цветное изображение с неизвестным количеством классов объектов, которые не пересекаются и Вам не важна скорость обработки, но важна простота реализации метода, то Вам подойдут методы теории графов.

5. Если вы сегментируете цветное изображение с неизвестным количеством классов объектов, которые не пересекаются, и для вас не важна ни высокая скорость обработки изображения, ни простота реализации, ни возможность изменения порога классификации, то Вам подойдет любой структурный метод.

Следующим шагом является построение дерева решений.

Дерево решений – графический метод, позволяющий увязать точки принятия решения, возможные стратегии Аi, их последствия Ei,j с возможными факторами, условиями внешней среды. Построение дерева решений начинается с более раннего решения, затем изображаются возможные действия и последствия каждого действия (событие), затем снова принимается решение (выбор направления действия) и далее до тех пор, пока все логические последствия результатов не будут исчерпаны.

Дерево решений строится с помощью пяти элементов:

1) момент принятия решения;

2) точка возникновения события;

3) связь между решениями и событиями;

5) ожидаемое значение (последствия) – количественное выражение каждой альтернативы, расположенное в конце ветви. [5]

Каждая вершина дерева помечена либо уточняющим вопросом экспертной системы к пользователю, либо ответом ЭС на задачу (решение ЭС).

Поиск решения экспертной системой означает "передвижение" по ветвям дерева решений. Такое "передвижение" состоит из последовательности однотипных шагов, на каждом из которых пользователь должен решить, по какой ветви он пойдет из очередной вершины. [3]

Для удобства все вершины были пронумерованы, начиная с нуля.

Если вершина помечена вопросом экспертной системы, то из нее выходят две ветви (в случае многоальтернативного выбора количество ветвей соответствует числу возможных выборов). Каждое событие соответствует одному из альтернативных ответов пользователя. Вершина, соответствующая ответу ЭС на поставленную задачу (решение ЭС), не имеет выходящих ветвей.

Простейшее решение представляет собой выбор из двух вариантов. На рисунке 2 представлено дерево решений, отражающее Знания ЭС.

Рисунок 2 – Дерево решений

Количественное выражение каждой альтернативы, расположенное в конце ветви представлено в виде процента. Процент выступает, как рекомендация при выборе одного из методов сегментации.

Для реализации машины вывода и получения искомого заключения применяется таблица переходов.

Следуя реляционному подходу, необходимо описать реализованное дерево решений таблицей "Управление переходами состояний": каждая ветвь имеет идентификатор – номер её начала и номер её конца. Кроме двух столбцов, соответствующих началу и концу ветви, добавляется еще два столбца: «Конец поиска» и «Ответ пользователя».

Столбец «Конец поиска» будет указывать на продолжение поиска (0) или его окончание (1). Часть таблицы "Управление переходами состояний" представлена таблицей 1.

Таблица 1. Управление переходами состояний

Начальное состояние	Конечное состояние	Конец поиска	Ответ пользователя
0	1	0	Сегментируется изображение
0	2	0	Сегментируются видеоданные
1	3	1	Изображение черно-белое
1	4	0	Изображение цветное
4	5	1	Известно количество классов объектов в изображении
4	6	0	Неизвестно количество классов объектов в изображении
6	8	0	Объекты на изображении пересекаются
8	10	0	Не нужно объединять в один класс близкие по характеристикам области
8	9	1	Нужно объединять в один класс близкие по характеристикам области
10	11	1	Важна скорость обработки
10	12	0	Не важна скорость обработки
12	13	1	Важна простота реализации
12	14	0	Не важна простота реализации
14	15	1	Важна возможность изменения порога классификации
14	16	1	Не важна возможность изменения порога классификации
6	7	0	Объекты на изображении не пересекаются
7	17	1	При выборе метода важна высокая скорость обработки
7	18	0	При выборе метода не важна высокая скорость обработки
18	19	1	При выборе метода важна простота реализации
18	20	0	При выборе метода не важна простота реализации
20	21	1	При выборе метода важна возможность изменения порога классификации
20	22	1	При выборе метода не важна возможность изменения порога классификации

Таблица 1 «Управление переходами состояний» используется для реализации работы Машины вывода (Решатель). Она управляет «движением» системы от одного состояния к другому по дереву решений или выдает решение экспертной системы и останавливается, если встречает «1» в столбце «Конец поиска».

В этом случае система выдает пользователю окончательное решение (конец ветви) и объясняет, как было получено принятое решение.

В результате получена готовая структура системы и её реляционная модель, которая используется для программной реализации интеллектуальной системы.

Список литературы

Ансамблевые методы сегментации и распознавания [Электронный ресурс]/Российский фонд фундаментальных исследований//Режим доступа: https://www.rfbr.ru/rffi/ru/project_search/o_46718 (дата обращения: 1.12.2019).

Выделение и описание областей [Электронный ресурс]/Свободная энциклопедия Wikipedia//Режим доступа: http://wiki.technical vision.ru/ index.php (дата обращения: 1.12.2019).

Дерево решений [Электронный ресурс]/Свободная энциклопедия Wikipedia//Режим доступа: https://ru.wikipedia.org/wiki/ (дата обращения: 3.12.2019).

Дерево решений [Электронный ресурс]/Многофункциональный сайт//Режим доступа: https://studme.org/31896/menedzhment/derevo_resheniy/ (дата обращения: 3.12.2019).

Дерево решений и метод дерева решений построения [Электронный ресурс]/Многофункциональный сайт//Режим доступа: https://function-x.ru/ graphs4_modeling_decision_tree_game_tree.html/ (дата обращения: 3.12.2019).

Код для цитирования: Скопировать