КОГНИТИВНАЯ ВИЗУАЛИЗАЦИЯ ЗНАНИЙ С ПОМОЩЬЮ ЛИЦ ЧЕРНОВА
Соболева А.Г.
Донецкий национальный технический университет
Тезисы доклада на конференции "Комп'ютерний моніторинг та інформаційні технології 2006", ДонНТУ, май 2006 г.
Введение
Когнитивное моделирование является мощным средством решения задач различных областей науки и техники, учитывающим аспекты, которые включают процессы восприятия, мышления, познания, объяснения и понимания. Когнитивное моделирование тесно связано с компьютерной графикой и визуализацией, потому что через графические визуальные образы человеку проще воспринимать и познавать мир.
Одна из задач когнитивного моделирования – визуализация тех знаний, для которых невозможно или трудно найти соответствующее текстовое описание и представление.
Работа с информацией, характеризующейся большим количеством параметров, является трудоемким процессом. Такую информацию трудно анализировать в совокупности. Можно анализировать ее по нескольким параметрам, но целостную картину поведения системы представить сложно. Одним из наиболее эффективных методов отображения многомерных векторов информации являются пиктографики – схематические изображения. Типичным примером такого отображения являются лица Чернова[1].
Задачи приведения данных к элементам пиктографика
Лица Чернова представляют собой схематичное изображение лиц, определенным чертам которых соответствуют относительные значения заданных характеристик. Таким образом, разным наборам данных будут соответствовать разные выражения лиц Чернова, позволяющие получить общее представление о состоянии системы и о степени отклонений от нормы отдельных ее характеристик. Например, слишком большие глаза могут указывать на отклонение от нормы соответствующей характеристики на фоне нормы остальных. Иногда этот способ графического представления позволяет выявить скрытые картины взаимосвязей между данными, которые не могут быть обнаружены другими методами.
Таким образом, возникает задача приведения данных к элементам пиктографика. Допустим, что имеется некоторая таблица данных A размерностью M*N. Где N количество характеристик данных и M – количество измерений этих характеристик. Также имеется вектор X элементов лиц Чернова, соответствующий характеристикам данных.
1. Задача о масштабировании элементов лица. Она позволяет решить проблему выполнения масштабирования соответствующих характеристик и элементов лица. Для этого необходимо, во-первых, посчитать среднее значения каждой характеристики матрицы (столбца), во-вторых, сопоставить вектор средних значений эталонным пропорциям лица Чернова. Для элементов лица имеются определенные пропорциональные ограничения (нос не может быть длиннее трети лица и т.п.). Эти ограничения также должны быть промасштабированы в соответствии с возможными максимальными значениями характеристик.
2. Задача о трудности представления детерминированных значений. Допустим, что не все параметры являются числовыми. Некоторые из них задаются конечным детерминированным множеством значений. В этом случае можно разбить элементы лица Чернова на группы:
· числовые (размер головы);
· логические (присутствие/отсутствие волос);
· с детерминированным набором значений (цвет глаз – зеленый, синий, черный).
Основная сложность заключается в приведении значений характеристик с детерминированным значением к интервальному виду. Можно прибегнуть к классическому методу и приводить детерминированные значения к числовым константам. В этом случае потребуется дополнительная обработка таких характеристик. Если же программа имеет только интервальный интерфейс, то вся ответственность за приведение детерминированных переменных к числовым интервалам ложится на пользователя. Можно усложнять программный код добавлением возможности выбора типа параметра. Но даже такую программу нельзя будет назвать ориентированной на простого пользователя.
3. Задача о представлении вероятностных значений. Классические лица Чернова не позволяют визуализировать характеристики, которые носят вероятностный характер, т.е. могут присутствовать или отсутствовать, принимать одно из детерминированных значений, меняться в заданном диапазоне. Для этого приходится вводить дополнительный класс анимированных элементов лица.
Лица Чернова и тетралогика
Предлагается принципиально новый подход представления лиц Чернова с помощью элементов тетралогики [2]. Такой подход порождает новый класс пиктографиков – анимированные лица Чернова. С помощью тетракодов можно представлять не только единичные (точечные) значения, но и различные ритмично упорядоченные множества значений; а также значения, которые, могут носить характер детерминированных неопределённостей.
Для каждой строки таблицы предлагается поставить в соответствие тетракод, который указывает, какие из характеристик носят вероятностный характер, а какие статический. Таким образом, равновероятное появление зеленых и синих глаз, равновероятное наличие или отсутствие волос, изображаемые анимацией лица Чернова, можно задать с помощью всего одного объекта высокой информативности.
Также с помощью тетракодов становится возможным задавать ритмичную взаимосвязь между отдельными характеристиками данных. Например, можно указывать последовательность характеристик, носящих вероятностный характер.
Выводы
Итак, предложенный вид пиктографиков – анимированные лица Чернова – позволяет повысить уровень когнитивности отображаемой информации и решить трудности, связанные с приведением данных к элементам пиктографика. Использование для этого тетралогики позволит значительно облегчить программный код, абстрагировать пользователя от внутреннего способа представления данных.
Литература