|
4) повышение содержательности и достоверности получаемых результатов в силу отказа от значительного количества необоснованных допущений, которые вынужденно принимаются для снятия неопределенности. Достижение указанных преимуществ в наиболее полной мере может быть обеспечено при использовании принципа максимума энтропии-[3, 29, 38]. При этом обеспечивается [11,37] (в отличие от распространенных подходов к снятию неопределенности информации принципы Гурвица, Лапласа, Сэвиджа [28,30]): -построение содержательные математических моделей для критериев оценки качества объектов именно с информационной точки зрения; -агрегирование характеристик объектов для проведениясравнительного анализа и прогнозирования их развития; представление информационных признаков объектов в виде устойчивых агре!Дтов, позволяющих строить эффективные алгоритмы их распознавания и наглядно визуализировать результаты. Применение принципа максимума энтропии также позволяет: восстанавливать недостающие (пропущенные) данные при обработке информации путем максимизации энтропии на совокупности известных данных; -моделировать с использованием энтропии интеллектуальные процессы принятия решений (на основе ее информационных свойств и устойчивости к неопределенности исходных данных); -использовать при построении обобщенных характеристик объектов и прагматических свойств разнородные данные без их предварительной нормировки. Последнее свойство представляется особенно ценным. Как правило, исходные данные в информационных системах имеют различную природу и несоизмеримы между собой, например, в БД страховых компаний цена автомобиля, его цвет, наличие гаража и т.п.. В такой ситуации 57 |
Из-за отсутствия или даже принципиальной невозможности получения представительной статистики законы распределения случайных величин параметров моделей определяются на основе допущения о справедливости предельных теорем теории вероятностей. Известно, что такое допущение может привести к существенному завышению (в 2...3 раза) рассчитываемых параметров только из-за различий принимаемых законов распределения случайных величин при равенстве их первых начальных моментов [32]. Субъективизм в использовании вероятностной меры, в конечном итоге, приводит к расхождению, порой довольно существенному, получаемых на моделях результатов и экспериментальных данных [14,38]. Изложенные выше недостатки вероятностных подходов делают актуальной проблему адекватной формализации моделей прагматических свойств объектов (под прагматическим свойством объекта будем понимать латентную, непосредственно не измеряемую величину, соответствующую целевой установке конкретной функциональной системы, уровень которых собственно и является информацией, необходимой для принятия решения. Принципиальными преимуществами предлагаемого подхода к решению задач поддержки принятия решения в условиях неопределенности являются: 1) сокращение объема исходных данных вследствие отказа от излишне детализированного представления условий жизнедеятельности объектов; 2) уменьшение субъективизма при выборе критериев оценки качества (эффективности), что обусловлено уменьшением числа рассматриваемых параметров ее развития; 3) относительная простота и наглядность интерпретации получаемых результатов вследствие отказа от вероятностного представления процессов, которые не имеют стохастической природы; 4) повышение содержательности и достоверности получаемых результатов в силу отказа от значительного количества необоснованных допущений, которые вынужденно принимаются для снятия неопределенности. 53 Достижение указанных преимуществ в наиболее полной мере может быть обеспечено при использовании принципа максимума энтропии [3, 29, 38]. При этом обеспечивается [11,37] (в отличие от распространенных подходов к снятию неопределенности информации принципы Гурвица, Лапласа, Сэвиджа [28,30]): построение содержательные математических моделей для критериев оценки качества объектов именно с информационной точки зрения; агрегирование характеристик объектов для проведения сравнительного анализа и прогнозирования их развития; представление информационных признаков объектов в виде устойчивых агрегатов, позволяющих строить эффективные алгоритмы их распознавания и наглядно визуализировать результаты. Применение принципа максимума энтропии также позволяет: восстанавливать недостающие (пропущенные) данные при обработке информации путем максимизации энтропии на совокупности известных данных; моделировать с использованием энтропии интеллектуальные процессы принятия решений (на основе ее информационных свойств и устойчивости к неопределенности исходных данных); использовать при построении обобщенных характеристик объектов и прагматических свойств разнородные данные без их предварительной нормировки. Последнее свойство представляется особенно ценным. Как правило, исходные данные в информационных системах имеют различную природу и несоизмеримы между собой, например, в БД страховых компаний цена автомобиля, его цвет, наличие гаража и т.п.. В такой ситуации существующие методы обработки многомерных данных (факторный, компонентный, кластерный, регрессионный, дискриминантный анализ, анализ соответствия) требуют перехода к безразмерным величинам, что нарушает их исходную структуру. Фактически выбор типа нормировки однозначно предопределяет 54 |