ИСТИНА

В последнее время всё чаще перед исследователями встают задачи распознавания образов (РО), не вписывающиеся в ставшую уже классической схему [1], предполагающей постановку задачи описанием пары «матрица информаций информационная матрица». К ним относятся, в частности, задачи, в которых на этапе постановки затруднительно дать точное описание классов, к которым необходимо отнести новый объект. Более того, именно как можно более точное определение такого, возможно не описанного заранее явно класса в терминах его свойств и отношений к другим классам и является решением задачи. В качестве примера можно указать задачи атрибуции произведений искусства [2], авторизации литературных тестов (см., например, http://www.textology.ru/web.htm), составление психолого-социального портрета человека по его речи в криминалистике, определение типа и функций данного набора элементов генетического кода в генетике, описания групп населения в социологических исследованиях и др. В таких задачах при формировании прецедентов для обучения, эксперт, как правило, описывает данный образ не только как однозначно «принадлежащий/не принадлежащий» такому-то классу, но и как «возможно принадлежащий» с той или иной степенью достоверности, указывая при этом логические зависимости между содержанием и объёмами понятий классов, зачастую вводя и описывая при этом новые классы, не описанные явно заранее. Указанные задачи предлагается называть задачами атрибуции (трактуя этот термин расширительно). Ясно, что задачи атрибуции являются, наряду с задачами классификации, прогнозирования и оценки, кластеризации, формирования признакового пространства (отбор и преобразование признаков) и пр., образуют особый новый класс задач РО. Построение теории и методов решения данного нетрадиционного типа задач РО задач атрибуции представляется актуальной проблемой. Возможному подходу к решению этой проблемы и посвящён представляемый доклад. Для решения задач атрибуции предлагается использовать методы модальной логики [3], необходимым образом расширенные и дополненные. Информационная матрица в таких задачах содержит элементарные несобственные и собственные (модальные значения 0, 1, , , ,  и т.д. ( возможность,  необходимость,  отрицание), снабжённые индексом , значения которого описывают степень выраженности предиката “aKj” данного объёкта a, где K1,, Ks, исходные классы, j=1,, s. Таким образом, объект описывается формулой в подходящей системе модальной логики, расширенной указанным образом. Затем, используя технику Крипке [4], строится семантическая модель, соответствующая данной формуле. В полученной иерархии возможных миров терминальные будут описывать возможные ситуации, в которых данная формула истинна и, следовательно, новые классы для идентификации объектов. При этом получаются и оценки достоверности принадлежности объёкта классу, соответствующие (субъективным) вероятностям реализации данной ситуации. Литература 1. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики. Сб. статей. М.: Наука, Вып. 33, 1978. С. 5-69. 2. Виппер Б.Р. К проблеме атрибуции / Виппер Б.Р. Статьи об искусстве. М.: Искусство, 1970. С. 539-560. 3. Фейс Р. Модальная логика. – М.: Наука, 1974. – 520 с. 4. Крипке С. Семантический анализ модальной логики. I. Нормальные модели исчисления высказований; II. Ненормальные модели исчисления высказований / [3]. – C. 254-323.