ОРГАНИЗАЦИОННАЯ МОДЕЛЬ МНОГОАГЕНТНОЙ СИСТЕМЫ ИЗВЛЕЧЕНИЯ ЗНАНИЙ ИЗ РАСПРЕДЕЛЕННЫХ ГЕТЕРОГЕННЫХ БАЗ ДАННЫХ СИСТЕМ АВТОМАТИЗИРОВАННОГО ПРОЕКТИРОВАНИЯ

Бондаренко Игорь Борисович, кандидат технических наук, доцент, кафедра проектирования и безопасности компьютерных систем, Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики (Россия, г. Санкт-Петербург, Кронверкский пр. 49), igorlitmo@rambler.ru
Иванов Алексей Игоревич, аспирант, Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики (Россия, г. Санкт-Петербург, Кронверкский пр. 49), 145732@niuitmo.ru

004.896

Актуальность и цели. Объектом исследования являются распределенные базы данных систем автоматизированного проектирования, имеющих различную структуру данных. Предметом исследования является процесс извлечения знаний из таких баз данных. Цель – разработка архитектуры подсистемы извлечения знаний из распределенных гетерогенных баз данных.
Материалы и методы. Распределенность источников данных, гетерогенность представленных в них данных и вычислительная сложность анализа данных большого объема обусловливают применение агентно-ориентированного подхода к достижению поставленной цели.
Результаты. Разработана организационная модель многоагентной системы извлечения знаний из распределенных гетерогенных баз данных. Описаны основные модели ролей агентов и их взаимодействие между собой.
Выводы. Основная часть архитектуры подсистемы извлечения знаний из распределенных гетерогенных источников определяется подсистемой подготовки набора данных и подсистемой интеллектуального анализа данных. Основные проблемы при разработке подсистем такого класса обусловлены различной структурой данных, представленных в локальных источниках, а также различной точностью, надежностью и полнотой данных.

Ключевые слова

база данных, интеллектуальный анализ данных, САПР, многоагентная система, извлечение знаний, слияние данных.

 Скачать статью в формате PDF

1. Maimon, O. Data Mining and Knowladge Discovery Handbook / O. Maimon, L. Rokach. – 2nd ed. // Springer, Science+Business Media, 2010. – 1285 p.
2. Han, J. Data Mining: Consepts and techniques / J. Han, M. Kamber. – 2nd ed. – Morgan Kaufmann, 2006. – 743 p.
3. Larose, D. T. Data mining methods and models / Daniel T. Larose. – Wiley-IEEE Press, 2006. – 344 p.
4. Городецкий, В. Многоагентная технология принятия решений в задачах объединения данных / В. Городецкий, О. Карсаев, В. Самойлов // Труды СПИИРАН. – 2003. – № 1. – C. 12–37.
5. Ку приянов, М. С. Интеллектуальный анализ распределенных данных на базе облачных вычислений / М. С. Куприянов. – СПб. : Изд-во СПБГЭТУ «ЛЭТИ», 2011. – 148 с.
6. Шевцов, А. Н. Агентно-ориентированные системы: основные модели : моногр. / А. Н. Шевцов. – Вологда : ВоГТУ, 2012. – 189 с.
7. Ющенко, С. П. Многоагентные системы информационной поддержки управленческих решений / С. П. Ющенко. – Ростов н/Д. : Изд-во СКНЦ ВШ, 2004. – 376 p.
8. Тарасов, В. Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика / В. Б. Тарасов. – М. : Эдиториал УРСС, 2002. – 352 с.
9. Wooldridge, M. The Gaia Methodology for Agent-Oriented Analysis and Design / M. Wooldridge, N. R. Jennings, D. Kinny // Journal of Autonomous Agents and Multi-Agent Systems. – 2000. – Vol. 3, № 3. – P. 285–312.
10. Usama Fayyad. From Data Mining to Knowledge Discovery in Databases / Usama Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth // AI Magazine. – 1996. – Vol. 17, № 3. – P. 37–54.