«Адаптивное управление сложными системами на основе теории распознавания образов»

В. С. Симанков, Е. В. Луценко

Глава 4: Выводы

1. Распознавание образов есть принятие решения о принадлежности объекта или его состояния к определенному классу. Если до распознавания существовала неопределенность в вопросе о том, к какому классу относится распознаваемый объект или его состояние, то в результате распознавания эта неопределенность уменьшается, в том числе может быть и до нуля. Понятие информации может быть определено следующим образом: «Информация есть количественная мера степени снятия неопределенности». Количество информации является мерой соответствия распознаваемого объекта (его состояния) обобщенному образу класса.
2. Количество информации имеет ряд вполне определенных свойств. Эти свойства позволяют ввести понятие «количество информации в индивидуальных событиях», которое является весьма перспективным для применения в системах распознавания образов и поддержки принятия решений.
3. Рассмотрены фундаментальные основания теории информации и подходы Хартли и Шеннона, а также различные варианты их обобщения. Показано, что подход Шеннона в принципе непосредственно применим для построения систем распознавания образов и принятия решений, ориентированных на использование для синтеза адаптивных АСУ СС. Соответствующая математическая модель относится к классу многокритериальных моделей принятия решений.

4. Однако подход Шеннона имеет два принципиальных ограничения, снижающих степень его адекватности для достижения цели исследования:

   • во-первых, он не позволяет количественно описать понятие «дезинформации»;

   • во-вторых, является параметрическим, т.е. базируется на предположении о гауссовском (нормальном) характере СОУ.

   Актуальной является задача поиска или разработки подхода, преодолевающего эти недостатки.

5. Приведен численный пример использования информационной меры Шеннона для решения задачи идентификации состояния ФВЭУ и выбора оптимального режима энергораспределения.