Определения характеристик систем методами анализа и извлечения знаний

В проблематике разработки ПП и семейств систем СПС сложилось достаточно много формальных методов определения характеристиксистем, а также методов при разработке продукта, начиная с требований к продукту и заканчивая его изготовлением, а также методов реинженерии и извлечения знаний из систем для построения моделей внешних и внутренних характеристик ПП^[1].

Одной из важных проблем является представление и извлечение знаний из систем и используемых данных. Знания представляются в конкретной форме и хранятся в базах знаний. Языком представления знаний являются языки описания логических моделей и система предикатов первого порядка. К типичным моделям представления знаний относятся: логическая модель, продукционная модель, модель, основанная на фреймах, и модель семантической сети. Они будут описаны ниже^[2].

К методам анализа и извлечения знаний относятся: кластерный и факторный анализ, логлинейный анализ, каноническая корреляция, пошаговая линейная и нелинейная регрессия, анализ временных рядов и деревьев классификации.

В отличие от традиционной проверки гипотез разведывательный анализ данных применяется для нахождения связей между переменными в ситуациях, когда отсутствует (или недостаточно) априорное представление о природе этих связей. При таком анализе учитывается и сравнивается большое число переменных, а для поиска закономерностей используются разнообразные средства. К инструментам поиска и извлечения знаний относятся Oracle Data Mining Suite, Scenario, WizWhy и др.

В русле развития логических подходов и создания псевдофизических логик — специальных логик для описания восприятия человеком процессов, протекающих в реальном мире, рассмотрена работа Д. А. Поспелова «Представление знаний. Опыт системного анализа» (опубликована в 1985 г. в ежегоднике «Системные исследования»). Псевдофизические логики включают пространственные логики, логики действий и норм, причинно-следственные логики. Они обладают рядом отличительных особенностей: логика отношений; логика на нечетких шкалах; аксиомы утверждений, вытекающие из восприятия мира человеком; связи, существующие между отдельными логиками. В результате были разработана прикладная семиотика, рассматривающая вопросы применения знаков и знаковых систем в системах представления, обработки и использования знаний при решении различных практических задач^[3].

• [1] См.: Колесник А. Л. Модели и методы разработки семества вариантных программныхсистем: автореф. дис… канд. техн. наук. Киев, 2013; Лаврищева Е. М., Коваль Г. И Теоретические аспекты управления вариабельностью в семействах программмных систем // ВестникКНУ им. Тараса Шевченко. Серия физ.-матем. наук. 2011. № 1. С. 45—57.
• [2] См.: Дюк В. A. Data Mining — интеллектуальный анализ данных; Елмаиова Н.

  Введение

  в Data Mining. КомпьютерПресс, 2003; URL: https://sites.google.com/site/upravlenieznaniami/tehnologii-upravlenia-znaniami/data-mining#TOC-Classification; http://www.statistica.ru.

• [3] См.: Сахаров А. А. Принципы проектирования и использования многомерных баз данных (на примере Oracle Express Server) // СУБД. 1996. № 3; CoddE. CoddS. B" Salley С. T. Providing OLAP (On-line Analytical Processing) to User-Analysts: An IT Mandate. Codd &Date, Inc., 1993.