Проверяемый текст
Демидова, Лилия Анатольевна. Развитие методов теории нечётких множеств и генетических алгоритмов для задач поддержки принятия решений в условиях неопределённости (Диссертация 2009)
[стр. 232]

быть принципиально невозможным), так и необходимостью многократной реализации классических алгоритмов кластеризации с целью выбора соответствующих оптимальных параметров, обеспечивающих принятие адекватных решений.
Анализ приведенных результатов дает основание полагать, что представляемая диссертационная работа представляет собой решение важной научно-технической проблемы разработки эффективных методов кластеризации технического состояния зданий и сооружений в условиях неопределенности, ориентированных на устранение недостатков существующих аналогов и обеспечивающих высокую обоснованность и адекватность принимаемых решений.
В дальнейшем полученные в диссертационной работе результаты —методы кластеризации объектов в условиях неопределенности —могут быть использованы при решении широкого спектра прикладных задач, связанных с кластеризацией объектов различной природы.
231
[стр. 31]

тов, содержащего кластеры существенно разной плотности или существенно разного объема, с минимальными-временными затратами.
7.
Разработаны показатели качества кластеризации, позволяющие получить адекватные результаты кластеризации множества объектов, содержащего кластеры гиперсферической или гиперэллнпсоидной формы, с использованием методов кластеризации па основе интервальных нечетких множеств второго типа.
Теоретическая значимость работы ^заключается в обобщении теории и развитии методов, моделей и алгоритмов поддержки принятия решений в условиях неопределенности с использованием бионических принципов решения прикладных задач.
Практическая ценность работы.
Практическая ценность работы состоит в том, что разработанные методы, модели и алгоритмы поддержки принятия решений позволяют: обеспечить высокую обоснованность и адекватность принятия решения в условиях неопределенности и неточности исходной информации, в том числе при несовпадающих (противоречивых) оценках экспертов; обоснованно использовать формализацию опыта экспертов, который зачастую является единственной наиболее достоверной информацией при решении многих задач поддержки принятия решений; минимизировать временные и финансовые затраты, связанные как с необходимостью сбора и учета точных и полных исходных данных (что может быть принципиально невозможным), так и с разработкой сложных классических математических моделей или необходимостью многократной реализации классических методов, моделей и алгоритмов с целью выбора соответствующих оптимальных параметров, обеспечивающих принятие адекватных решений.
Достоверность научных положений, теоретических выводов и практических результатов диссертационной работы подтверждается: 31

[стр.,461]

задача классификации способов несанкционированного отбора электроэнергии при наличии графического и/или аналитического представления данных обучающей выборки; задача оценки недвижимости как задача оценки потенциального качества изменяемых многомерных объектов при малых объёмах априорной информации; задача технического контроля состояния зданий и сооружении как задача кластеризации при нечётком определения состояний многомерных объектов.
Неопределенность в данных задачах связана с невозможностью полного сбора и учёта информации о влияющих воздействиях, с неточностью выполняемых измерений, а так же с неопределенностью, неполнотой и нечеткостью знаний экспертов в конкретной предметной области, то есть с проявлением субъективного человеческого фактора.
10.Исследования разработанных методов, моделей и алгоритмов показали: повышение обоснованности и адекватности принятия решения в условиях неопределенности и неточности исходной информации, в том.
числе при несовпадающих (противоречивых) оценках экспертов; повышение качества формализации опыта экспертов, который зачастую является единственной наиболее достоверной информацией при решении многих задач поддержки принятия решений: снижение временных и финансовых.затрат, связанных как с необходимостью сбора и учета точных и полных исходных данных (что может быть принципиально невозможным), так и с разработкой сложных классических математических моделей или необходимостью многократной реализации классических методов, моделей и алгоритмов с целью выбора соответствующих оптимальных параметров, обеспечивающих принятие адекватных решений.
462

[Back]