Методы и автоматизированные системы динамической классификации сложных техногенных объектов

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1. СОВРЕМЕННОЕ СОСТОЯНИЕ НАУЧНЫХ ИССЛЕДОВАНИЙ В ОБЛАСТИ КЛАССИФИКАЦИИ СЛОЖНЫХ ТЕХНОГЕННЫХ ОБЪЕКТОВ
1.1. Общая характеристика постановки и методов решения традиционных задач классификации объектов
1.2. Особенности и типы задач динамической классификации сложных техногенных объектов
1.3. Анализ возможности применения известных методов для решения задач динамической классификации сложных техногенных объектов.
1.4. Особенности сложных техногенных объектов химической
промышленности как объектов классификации.
1.5. Применение автоматизированных классификаторов в структуре автоматизированных систем управления объектами химической промышленности
1.6. Постановка целей и задач диссертационной работы
2. ЭКСТРАПОЛЯЦИОННЫЙ МЕТОД И АЛГОРИТМЫ
ПОСТРОЕНИЯ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ
ПРОГНОЗИРОВАНИЯ КЛАССА СЛОЖНЫХ ТЕХНОГЕННЫХ ОБЪЕКТОВ С ИЗМЕНЯЮЩИМИСЯ ПРИЗНАКАМИ.
2.1. Экстраполяционный метод и алгоритмы построения трендовых моделей.
2.2. Обоснование критерия динамичности задачи классификации и оценка точности классификации объектов с изменяющимися признаками
2.3. Методика применения алгоритмов построения математических моделей для прогнозирования класса сложного техногенного объекта с изменяющимися признаками.
2.4. Выводы.
3. НЕПАРАМЕТРИЧЕСКИЙ МЕТОД И АЛГОРИТМ ДИНАМИЧЕСКОЙ КЛАССИФИКАЦИИ СЛОЖНЫХ ТЕХНОГЕННЫХ ОБЪЕКТОВ ПРИ НЕСТАЦИОННАРЫХ ХАРАКТЕРИСТИКАХ КЛАССОВ
3.1. Сущность непараметрического метода динамической классификации и комплексный алгоритм динамической классификации сложных техногенных объектов.
3.2. Нейросетевой алгоритм.
3.3. Локальный алгоритм
3.4. Критерии проверки динамичности задачи классификации при нестационарных характеристиках классов сложных техногенных объектов
3.5Ньшоды
4. РЕКУРРЕНТНЫЙ МЕТОД И АЛГОРИТМЫ ДИНАМИЧЕСКОЙ КЛАССИФИКАЦИИ С ИЗМЕНЯЮЩИМИСЯ ВО ВРЕМЕНИ РЕШАЮЩИМИ ПРАВИЛАМИ
4.1. Сущность рекуррентного метода динамической классификации сложных техногенных объектов.
4.2. Рекуррентный регрессионный алгоритм.
4.3. Нейросетевые алгоритмы динамической классификации.
4.4. Нейронечеткие алгоритмы динамической классификации.
4.5. Сравнительная характеристика разработанных рекуррентных алгоритмов.
4.6. Выводы
5. МЕТОД И АЛГОРИТМЫ ДИНАМИЧЕСКОЙ КЛАСТЕРИЗАЦИИ СЛОЖНЫХ ОБЪЕКТОВ НА ОСНОВЕ ПРОЦЕДУРЫ САМООРГАНИЗАЦИИ КЛАСТЕРОВ
5.1. Общая характеристика задачи и метода динамической кластеризации сложных техногенных объектов на основе процедуры самоорганизации кластеров
5.2. Нечеткологические алгоритмы динамической кластеризации сложных техногенных объектов.
5.3. Автоматизированный мониторинг структуры кластерного поля
5.4. Выводы
6. АРХИТЕКТУРА И ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ АВТОМАТИЗИРОВАННЫХ СИСТЕМ ДИНАМИЧЕСКОЙ КЛАССИФИКАЦИИ ОБЪЕКТОВ ХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ
6.1. Обощенная архитектура и режимы функционирования автоматизированных систем динамической классификации объектов химической промышленности.
6.2. Программное обеспечение автоматизированных систем динамической классификации объектов химической промышленности
6.3. Информационное обеспечение автоматизированных систем динамической классификации объектов химической промышленности.
6.4. Методика применения автоматизированных систем динамической классификации в составе АСУ объектами химической промышленности
6.5. Выводы.
7. ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ АВТОМАТИЗИРОВАННЫХ СИСТЕМ ДИНАМИЧЕСКОЙ КЛАССИФИКАЦИИ ОБЪЕКТОВ ХИМИЧЕСКОЙ ПРОМЫШЛЕННОСТИ НА ПРЕДПРИЯТИЯХ.
7.1. Результаты практического применения автоматизированной системы динамической классификации в составе АСУТП производства капролактама.
7.2. Результаты практического применения автоматизированной системы динамической классификации в составе АСУ техническим обслуживанием
и ремонтом оборудования производства слабой азотной кислоты.
7.3. Результаты практического применения автоматизированной системы динамической классификации в составе автоматизированной системы тестирования операторов химических производств
7.4. Выводы.
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА