Аннотация.

Рассматривается проблема построения нечетких когнитивных карт. Ставится задача преодоления неполноты и противоречивости мнений у привлекаемых к разработке экспертов относительно состава концептов когнитивной карты и их взаимовлияния. Для решения предлагается применить модели и методы онтологического анализа данных. Данные экспертизы структурируются в форме соответствия «упорядоченные пары концептов – влияния»: учитываются концепты, указанные хотя бы одним экспертом, и для каждого эксперта фиксируется его мнение о влиянии первого концепта на второй. Мнение выражается путем выбора элемента из конечного множества лингвистических констант, отражающих реалии коллективной экспертизы. Взвешивание и интеграция мнений экспертов с помощью методов многозначной векторной логики позволяет сформировать нестрогое соответствие «упорядоченные пары концептов – влияния». Предлагается методика преобразования этого нестрогого соответствия в непротиворечивое нечеткое. Здесь основная роль отводится разработанному в рамках онтологического анализа данных методу рационального порогового сечения нестрогого соответствия, который способен учесть ограничения существования различных видов влияния для каждой пары концептов карты. Окончательно, агрегированные веса влияний дефаззифицируются известным методом центра тяжести.

Ключевые слова:

нечеткая когнитивная карта, коллективная экспертиза, онтологический анализ данных, ограничения существования свойств.

Стр. 79-86.

DOI: 10.14357/20790279190410

 Полная версия статьи в формате pdf.

Литература

1. Axelrod R. Structure of Decision: The Cognitive Maps of Political Elites. Princeton University Press, 1976. 395 p.
2. Kosko B. Fuzzy cognitive maps // International Journal of Man-Machine Studies. 1986. 24(1). P. 65-75.
3. Papageorgiou E., Salmeron J. A Review of Fuzzy Cognitive Map Research at the Last Decade // IEEE Transactions on Fuzzy Systems, 2013. 21(1). P. 66-79.
4. Glykas M. Fuzzy Cognitive Maps: Advances in Theory, Methodologies, Tools and Applications (Introduction). 2010. Vol. 247. Springer-Verlag Berlin Heidelberg, 2010. P. IX-XV.
5. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети М.: Горячая линия–Телеком, 2007. 284 с.
6. Кузнецов О.П., Кулинич А.А., Марковский А.В. Анализ влияний при управлении слабоструктурированными ситуациями на основе когнитивных карт. В кн.: Н.А. Абрамова, К.С. Гинсберг, Д.А. Новиков (ред.) Человеческий фактор в управлении. М.: КомКнига, 2006. С. 313-344.
7. Aguilar J. A survey about fuzzy cognitive maps papers (Invited paper) // Int. J. Computational Cognition, 2005. 3(27). P. 27-33.
8. Groumpos P.P. Intelligence and Fuzzy Cognitive Maps: Scientific Issues, Challenges and Opportunities // Studies in Informatics and Control. 2018. 27(3). P. 247-264.
9. Кулинич А.А. Компьютерные системы моделирования когнитивных карт: подходы и методы // Проблемы управления, 2010. №3. С. 2-16.
10. Stach V., Kurgan L., Pedrycz W. Expert-Based and Computational Methods for Developing Fuzzy Cognitive Maps / In Glykas M. (Ed.): Fuzzy Cognitive Maps: Advances in Theory, Methodologies, Tools and Applications. Vol. 247. Springer-Verlag Berlin Heidelberg, 2010. P. 23-41.
11. Абрамова Н.А., Коврига С.В. Некоторые критерии достоверности моделей на основе когнитивных карт // Проблемы управления. 2008. №6. С. 23-33.
12. Schneider M., Shnaider E., Kandel A., Chew G. Automatic construction of FCMs // Fuzzy Sets System. 1998. Vol. 93(2). P. 161-172.
13. Stylios D.C., Groumpos P.P. Modeling Complex Systems Using Fuzzy Cognitive Maps // IEEE Transaction on Systems, Man and Cybernetics. Part A: Systems and Humans. 2004. 34. P. 155-162.
14. Коростелёв Д.А., Лагерев Д.Г., Подвесовский А.Г. Система поддержки принятия решений на основе нечетких когнитивных моделей «ИГЛА» // Труды XI нац. конф. по искусственному интеллекту с международным участием КИИ-2008 (28 сентября-03 октября, Дубна, Россия). Т. 3. М.: ЛЕНАНД, 2008. С. 329-336.
15. Vittikh V.A. Introduction to the Theory of Intersubjective Management // Group Decision and Negotiation. 2015. 24(1). P 67-95.
16. Смирнов С.В. Модели и методы формирования когнитивных карт при их коллективной разработке // Труды VI междунар. науч. конф. «Информационные технологии и системы ИТиС-2017» (1-5 марта 2017 г., Банное, Россия). Ред.: Ю.С. Попков, А.В. Мельников. - Челябинский гос. ун-т, 2017. С. 281-283.
17. Смирнов С.В. Многозначная и нечеткая логики в онтологическом анализе данных // Труды III междунар. науч. конф. «Информационные технологии и системы ИТиС-2014» (26 февраля - 2 марта 2014 г., Банное, Россия). Ред.: Ю.С. Попков, А.В. Мельников. Челябинский гос. ун-т, 2014. С. 90-91.
18. Коварцев А.Н., Смирнов В.С., Смирнов С.В. Интеллектуализация формирования контекста для вывода понятийной структуры предметной области // Труды IV междунар. науч. конф. «Информационные технологии и системы ИТиС-2015» (25 февраля - 1 марта 2015 г., Банное, Россия). Ред.: Ю.С. Попков, А.В. Мельников. Челябинский гос. унт, 2015. C. 82-83.
19. Ofiсerov V.P., Smirnov S.V. Fuzzy formal concept analysis in the construction of ontologies // Онтология проектирования. 2017. Т. 7, №4(26). С. 487-495.
20. Ganter B., Wille R. Conceptual scaling. / In: F. Roberts (Ed.): Applications of Combinatorics and Graph Theory to the Biological and Social Sciences. N.Y.: Springer-Verlag, 1989. P. 139-167.
21. Самойлов Д.Е., Семенова В.А., Смирнов С.В. Фрактальность ограничений сосуществования свойств в задачах машинного обучения // Сборник трудов IV международной конференции и молодежной школы «Информационные технологии и нанотехнологии» ИТНТ-2018. Самара: Новая техника, 2018. С. 2512-2518.
22. Lammari N., Metais E. Building and maintaining ontologies: a set of algorithms // Data & Knowledge Engineering. 2004. Vol. 48(2). P. 155-176.
23. Smirnov S.V. Biconstituent phenomenon of information and cognitive data analysis // Procedia Engineering. 2017. Vol. 201. P. 773-778.
24. Аршинский Л.В. Векторные логики: основания, концепции, модели. Иркутский гос. ун-т, 2007. 228 с.
25. Силов В.Б. Принятие стратегических решений в нечеткой обстановке. М.: ИНПРО-РЕС, 1995. 228 с.