Методы и модели принятия решений в подразделениях вневедомственной охраны при идентификации заявлений собственников тема диссертации и автореферата по ВАК РФ 05.13.10, кандидат наук Ермоленко Алексей Владимирович

  • Ермоленко Алексей Владимирович
  • кандидат науккандидат наук
  • 2019, ФГКОУ ВО «Академия управления Министерства внутренних дел Российской Федерации»
  • Специальность ВАК РФ05.13.10
  • Количество страниц 212
Ермоленко Алексей Владимирович. Методы и модели принятия решений в подразделениях вневедомственной охраны при идентификации заявлений собственников: дис. кандидат наук: 05.13.10 - Управление в социальных и экономических системах. ФГКОУ ВО «Академия управления Министерства внутренних дел Российской Федерации». 2019. 212 с.

Оглавление диссертации кандидат наук Ермоленко Алексей Владимирович

Введение

1. Вневедомственная охрана как система организации

1.1. Цели, задачи и функции социальной системы

1.2. Моделирование системы управления подразделениями вневедомственной охраны тактического звена

1.3. Проблемные ситуации при принятии решений в подразделениях вневедомственной охраны, причины и следствия

Выводы по главе

2. Разработка методов принятия решения при идентификации автора рукописного текста

2.1. Анализ методов обработки рукописных заявлений

2.2 Разработка архитектуры СППР. Идентификатор на нечётких

множествах. Оценка информативности признаковой базы

2.3. Моделирование блока принятия решений на нейронных сетях

Выводы по главе

3. Разработка прототипа системы поддержки принятия решений при идентификации рукописных документов

3.1. Формализация общих характеристик признаковой базы. Кластеризация, виртуализация, фильтрация

3.2. Формализация тонких характеристик. Построение графов, матрицы и списков смежности

3.3. Программная реализация. Сценарная модель принятия решений. Оценка эффективности прототипа СППР

Выводы по главе

Заключение

Список сокращений и условных обозначений

Список литературы

Приложение 1. Дополнительные таблицы и иллюстрации

Приложение 2. Структурные схемы блоков ПР и формализации

характеристик признаковой базы

Приложение 3. Скрин-шоты основных модулей

Приложение^Настроечные параметры и результаты тестирования

Приложение 5. Графики входных функций принадлежности. Диаграммы нечеткого вывода по Мамдани

Рекомендованный список диссертаций по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методы и модели принятия решений в подразделениях вневедомственной охраны при идентификации заявлений собственников»

Введение

Управление подразделениями вневедомственной охраны связано с обработкой больших объёмов информации, принятие ошибочных решений по которым негативно отражается на эффективности оперативно-служебной деятельности. Лицо принимающее решение (ЛПР) выполняет управленческие функции в условиях ограниченности человеческих и технических ресурсов и правовой неопределённости. Электронные методы обработки информации и управления на основе нейронных сетей и нечётких множеств способны оказать поддержку ЛПР, не являющемуся профессионалом в узкой экспертной области. Поддержка принятия решений средствами искусственного интеллекта позволяет не только снизить уровень присутствия субъективных факторов, но и оптимизировать временные и ресурсные затраты на принятие решения. Исследование модели управления социальной системы организации методами системного анализа позволяет выявить сферы, внедрение технической поддержки принятия решения в которых, повысит эффективность функционирования всей системы.

Одной из сфер применения компьютерных технологий является установление подлинности рукописного документа. В практической деятельности экс-пертно-криминалистических подразделений МВД России решаются задачи по высококвалифицированному установлению автора почерка. Известны различные комплексы автоматизации ручной работы эксперта-криминалиста. Однако работа существующих комплексов ориентирована на эксплуатацию узкими специалистами и не предназначена для скоростной обработки больших объёмов данных. Комплексы оценки подлинности рукописных документов для больших социальных систем, которые не только автоматизируют труд почерковеда, но и идентифицируют автора, развиты слабо. Достоинства мягких вычислений и нейронных сетей для принятия решения по формализованным параметрам используются не в полном объёме.

Проблемами принятия решений в условиях многокритериальности и неопределённости занимались различные отечественные и зарубежные учёные: Бурков В.Н., Вапник В., Горошко И.В., Заде JL, Кини P.JL, Минаев В.А., Морген-штерн О., Новиков Д.А., Парсегов С.Э., Подиновский В.В., Поспелов Д.А., Пупков К.А., Райфа Г., Соложенцев Е.Д., Фон Нейман Дж., Черешкин Д.С., Щепкин A.B.и др.

Нейросетевым технологиям и интеллектуализации процессов принятия решения посвящены работы Бройдена К., Голбдфарба Д., Комарцовой Л.Г., Кор-ляковой М.О., Кохонена Т., Мамдани Э., Поспелова Г.С., Розенблатта Ф., Флетче-ра Р., Хайкина С., Хопфилда Дж., Цукамото М., Шанно Д.

Вопросы идентификации графических примитивов и цифровой обработке изображений посвящены рассматривались Барлетом П., Дудом Р., Кастлманом К., Пытьевой Ю.П., Хартом П., Хрящевой В.В., Шоу-Тейлором Дж.

Труды вышеперечисленных специалистов являются научной и методологической основой диссертации. Однако их универсальность зачастую не позволяет учесть специфику конкретной предметной области и тем самым существенно сужает границы применимости тех подходов, которые в них предлагаются. Кроме того, в изученных работах не достаточно внимание уделялось вопросам анализа тех возможностей, которые предоставляют современные информационные технологии в процессах принятия решений задач идентификации.

Диссертационная работа направлена на разработку моделей и методов, способных повысить эффективность деятельности подразделений вневедомственной охраны, посредством совершенствования процессов принятия решения при обработке рукописных документов. В диссертации исследуются задачи и функции системы государственной охраны имущества, организация процесса управления подразделениями, предлагаются новые методы совершенствования деятельности посредством разработки и реализации интеллектуальной системы поддержки принимаемых решений. Подробно рассматриваются возможности современных систем мягких вычислений. Разработаны математические методики выделения характеристик почерка. Предложенные методики детерминации характеристик,

моделей и способов принятия решений доведены до логического шения и представлены в видепрограммного прототипа системы поддержки принятия решений (СППР). Даны предложения по повышению эффективности управления в подразделениях при работе с собственниками ив вопросах снижения экономических издержек вследствие фальсификаций рукописных документов внутрихозяйственной деятельности.

В своей работе автор ориентировался на дальнейшее развитие положений, прописанных федеральными законами и программами, а также приказов федерального органа исполнительной власти в области внутренних дел и недавно образованной Федеральной службы войск национальной гвардии Российской Федерации. В частности, исследовательская и практическая части работы проведены в соответствии с "Приоритетными направлениями развития науки, технологий и техники" (в редакции от 16.12.2015) [7], а также "Концепцией развития вневедомственной охраны ... до 2025 г.", утверждённой ГУВО ВНГ России в 2018 г. [12].

Полученные научные и практические результаты могут повысить эффективность применение на практике в территориальных подразделениях вневедомственной охраны следующих нормативно-правовых актов:

^ Закона РФ "О войсках национальной гвардии Российской Федерации" от 03.07.2016 [4];Указа Президента РФ "О федеральной службе войск национальной гвардии Российской Федерации" от 30.09.2016 [5];

Приказа МВД России от 16.07.2012 №689 "Об утверждении Инструкции по организации деятельности подразделений вневедомственной охраны территориальных органов Министерства внутренних дел Российской Федерации по обеспечению охраны объектов, квартир и мест хранения имущества граждан с помощью технических средств охраны" [15]в области повышения надёжности охраны объектов всех форм собственности по договорам и недопущению противоправных посягательств на имущество граждан [20];

Приказа ФСВНГ РФ от 01 декабря 2017 г. N 512 "Об утверждении Руководства по автотехническому обеспечению войск национальной гвардии Российской Федерации" в области усиления контроля подлинности заполнения путе-

вых листов и иных рукописных документов, оформляемых при тации ведомственных средств автомобильной или иной специальной техники, а также списанию горюче-смазочных материалов [18];

Закона РФ "О персональных данных" - № 152 ФЗ от 27.07.2006 в области регулирования взаимоотношений, возникающих при обработке персональных данных, которую производят подразделения вневедомственной охраны при обработке и внесении а автоматизированные базы данных собственников объектов и доверенных лиц[7];

Научно-технические результаты диссертационного исследования обеспечивают возможность дальнейшей реализации Программы МВД России, направленной на развитие сервисов информационно-аналитической системы обеспечения деятельности (ИСОД)МВД России путём интеграции информационных систем поддержки принятия решений при обработке рукописных документов граждан, в том числе реляционных баз данных образцов рукописного текста.

Вышеперечисленные аспекты послужили основой для выбора темы исследования, которая является новой и актуальной.

Диссертационная работа направлена на разработку моделей и методов совершенствования процессов принятия решения в задачах идентификации и способствующих повышению качества услуг защиты имущества собственников, оказываемых подразделениями вневедомственной охраной по договорам. В диссертации исследуются задачи и функции системы государственной охраны имущества, организация процесса управления подразделениями, предлагаются новые методы совершенствования деятельности посредством разработки и реализации интеллектуальной системы поддержки принимаемых решений. Подробно рассматриваются возможности современных систем мягких вычислений. Разработаны математические методики выделения характеристик почерка. Предложенные методики детерминации характеристик, моделей и способов принятия решений доведены до логического завершения и представлены в виде программного прототипа системы поддержки принятия решений (СППР). Даны предложения по повышению эффективности управления в подразделениях при работе с собственни-

ками ив вопросах снижения экономических издержек вследствие фальсификаций рукописных документов внутрихозяйственной деятельности.

Цель исследования заключается в повышении эффективности управления в подразделениях вневедомственной охраны по обеспечению качества услуг защиты имущества.

Объектом исследования является процесс принятия решений в подразделениях вневедомственной охраны при идентификации рукописных заявлений собственников.

Предметом исследования являются методы, модели, алгоритмы поддержи принятия решения при идентификации заявлений собственников в подразделениях вневедомственной охраны.

К задачам диссертационного исследования отнесем:

1. Провести анализ современных тенденций развития такого вида преступлений как кражи и сценариев возможных опасных состояний объектов вневедомственной охраны.

2. Предложить подход к формализации процесса управления в подразделениях вневедомственной охраны как социальной системы-организации и сформулированы ее общие и частные целевые задачи.

3. Определить проблемные звенья и факторы, влияющие на эффективность управления в подразделениях вневедомственной охраны, и выявлены характерные особенности обработки информации в процессах принятия решений при проверке аутентичности документов.

4. Реализовать синтез модели принятия решений при идентификации рукописных документов на основе нечёткой логики и нейронных сетей.

5. Предложить методы обработки информации для формирования признаковой базы принятия решения при идентификации рукописных документов.

6. Разработать программный прототип системы поддержки принимаемых решений и скорректировать методику принятия решения при идентификации рукописных документов вневедомственной охраны с его использованием.

В целях решения обозначенных выше задач использованы ные модели и методы исследования, такие как:

^ методы системного анализа и математического моделирования, элементы математической статистики;

^ методы теории нечётких множеств и анализа информативности входных характеристик;

^ методы теории нейронных сетей;

^ методы и средства программирования;

^ методы контурного анализа неструктурированных изображений.

Соответствие диссертации паспорту специальности. Работа соответствует паспорту специальности 05.13.10 - управление в социальных и экономических системах по пунктам:

- п. 6 - разработка и совершенствование методов получения и обработки информации для задач управления социальными и экономическими системами;

- п. 10 - разработка методов и алгоритмов интеллектуальной поддержки принятия управленческих решений в экономических и социальных системах;

- п. 12 - разработка новых информационных технологий в решении задач управления и принятия решений в социальных и экономических системах.

Постановка научной задачи (задач): разработать методы и модели принятия решений при идентификации заявлений собственников в целях повышения эффективности управления подразделением вневедомственной охраны

Научная новизна исследования. В диссертации получены следующие основные результаты, характеризующиеся научной новизной:

1. Формализованная модель управления в подразделениях вневедомственной охраны, позволившая обосновать актуальность решения задачи идентификации как средства совершенствования управления в подразделениях вневедомственной охраны.

2. Модель принятия решения для задачи идентификации в подразделениях вневедомственной охраны, отличающаяся от известных ранее применением синтеза нечёткого вывода по Мамдани и сети обратного распространения ошибки с

квазиньютоновским алгоритмом обучения. Модель разработана с учетом специфики деятельности подразделений вневедомственной охраны.

3. Методы обработки информации для формирования информационной базы принятия решений, использующие процедуры построения графа, анализа матрицы и списка смежности и отличающиеся от существующих полнотой характеристик. Исследованная модифицированным критерием Шеннона информативность формализованной признаковой базы характеристик, выделяемых разработанными способами обработки информации.

4. Программный прототип системы поддержки принятия решений, достоинством которой является возможность реализовывать механизмы принятия решения для идентификации образа рукописного заявления посредством кластеризации, виртуализации, двойной фильтрации и анализа интенсивностей пикселей при сканировании виртуальной линейкой в пределах 5-коридора аппроксимированной строки.

Теоретическую значимость работы представляют результаты анализа системы управления в подразделениях вневедомственной охраны как социальной системы-организации и предложенные подходы к совершенствованию процессов принятия решений. Разработаны модели решения задачи идентификации, в основу которых положены методы нечеткой логики и нейросетевого программирования. Модификацией критерия Шеннона исследована информативности входной признаковой базы. Предложена модель внутреннего устройства нейронной сети, синтезированная с апостериорным решателем на основе нечёткой логики.

Практическая значимость исследования определяется тем, что впервые реализован программный прототип СППР по идентификации автора почерка с учётом специфики принятия решений в подразделениях вневедомственной охраны. Программное обеспечение разработанной СППР защищено свидетельством Роспатента №2007612599 от 19 июня 2007 г.

К возможностям разработанной СППР следует отнести:

- снижение роли человеческого фактора при принятии решений в условиях неопределённости за счёт использования современных информационных

технологий обработки изображения и экспертной поддержки средствами искусственного интеллекта;

- возможность автоматизированной идентификации рукописного документа достоверно и в кратчайший срок, доступной неподготовленному ЛПР вневедомственной охраны на серийных ЭВМ;

- возможность накопления практически безразмерной базы почерков посредством интеграции в информационно-телекоммуникационную сеть (ИТКС) Росгвардии. Накопленные сведения о формализованных характеристиках более 5 млн. представителей собственников объектов, с учётом частого обновления охраняемых объектов, могут оказать существенную помощь в выполнении экспертно-криминалистических функций и представлять гносеологический интерес для почерковедческих исследований.

Полученные в ходе исследования модели и методы поддержки принятия решений могут быть использованы:

1. Для недопущения имущественных покушений на охраняемые объекты вследствие фальсификации заявления собственника или внесения изменений в сведения о работе охранно-пожарной сигнализации и иные конфиденциальные документы.

2. Для сокращения экономических издержек подразделений при списании горюче-смазочных материалов по рукописным путевым листам водителей, а также боеприпасов на основании заполняемых вручную ведомостей проведения учебных стрельб.

3. Психологами, сотрудниками кадровых аппаратов и командирами строевых подразделений для контроля аутентичности зачётных листов по служебной, боевой и морально-психологической подготовке.

Предложенные в диссертации методы обработки информации рукописного образа текста, алгоритмы поддержки принятия решений и разработанное программное обеспечение (ПО) по идентификации автора рукописного документа нашли применение в процессах управления:

- договорно-правовых, инженерно-технических и кадровых подразделений отдела вневедомственной охраны (ОВО) по г. Калуге - филиала ФГКУ «УВО ВНГ Российской Федерации по Калужской области».

- финансовых и материально-хозяйственных служб ФГУП «Охрана» Росгвардии по Калужской области.

- в работе экспертов лаборатории судебно-психологических исследований Калужского государственного университета им. К.Э. Циолковского;

- в научно-исследовательской и учебной работе кафедры систем автоматического управления Калужского филиала Московского государственного технического университета им. Н.Э. Баумана;

- в учебном процессе Калужского филиала Российской академии народного хозяйства и государственной службы при Президенте РФ.

Личный вклад автора состоит в построении нечётко-нейросетевой модели поддержки принятия решения применительно к задачам управления в системе вневедомственной охраны и разработке новых программно-математических методов детерминации уникальных характеристик почерка.

Положения, выносимые на защиту.

1 .Предложенная формализация модели управления в подразделениях вневедомственной охраны позволяет обосновать необходимость решения задачи идентификации заявлений собственников как важного инструмента, направленного на повышение качества услуг защиты их имущества.

2. Разработанная модель принятия решения для задачи идентификации в подразделениях вневедомственной охраны на основе синтеза нейросети обратного распространения ошибки с квазиньютоновским алгоритмом обучения и нечёткой модели с выводом по Мамдани, обеспечивает лучшее для вневедомственной охраны быстродействие по сравнению с существующими подходами.

3. Методы обработки информации, основанные на кластеризации, виртуализации и формализации характеристик, построении графа, матрицы и списков смежности, позволяют стабильно функционировать нечётко-нейросетевому блоку принятия решений.

4. Компьютерный прототип системы поддержки принятия шений для задач идентификации рукописных документов в подразделениях ведомственной охраны обеспечивает повышение имущественной защищённости собственников и совершенствование внутрихозяйственной деятельности подразделений.

Достоверность результатов исследования обеспечена методологической обоснованностью исходных положений, аргументацией и апробацией результатов на различных этапах исследования, соответствием проводимых экспериментов целям и задачам исследования, количественным и качественным анализом полученных экспериментальных данных, которые подтверждают теоретические положения исследований.

Апробация работы. Основные результаты диссертационного исследования были представлены на следующих научных конференциях, сессиях и выставках:

1. III Международная научно-практическая конференция "Актуальные вопросы судебно-психологической экспертизы и комплексной экспертизы с участием психолога. Перспективы научного и прикладного исследования почерка", Калужский государственный университет 15-18 мая 2019 г.

2. 2-я международная НПК «Нечёткие системы и мягкие вычисления. Промышленныепримененияр1^уТесЬпо1о§1е8т1пёш1гу (РТ1-2018)», Ульяновский государственный технический университет 23-25 октября 2018 г.

3. 1-я всероссийская НПК «Нечёткие системы и мягкие вычисления. Промышленныепримененияр1^уТесЬпо1о§1е8т1пёш1гу (РТ1-2017)», Ульяновский государственный технический университет 14-15 ноября 2017 г.

4. IV Всероссийский семинар "Актуальные вопросы управления в социально-экономических системах", АУ МВД России, 30.03.2017 г.;

5. 6-я научно-практическая конференция «Российские технологии антитеррористической защищенности, охраны и обороны особо важных и потенциально опасных объектов», г. Калуга, 8-9 февраля 2017 г.;

6. Научно-практическая конференция «Наукоемкие технологии в прибо-ро- и машиностроении и развитие инновационной деятельности в ВУЗе» Секция

№4 Классические и современные методы теории автоматического управления; автоматизация и управление технологическими процессами и производствами; г. Калуга, 16-19 апреля 2016 г.

7. XIII Всероссийская научно-техническая конференция "Нейроинфор-матика-2011" г. Москва 24-28.01.2011;

8. Научная сессия НИЯУ МИФИ-2010 Нейроинформатика-2010 XII Всероссийская научно-техническая конференция 25-29.01.2010 г. Москва;

9. Научная сессия МИФИ-2009. V-я Международная научно-практическая конференция. «Интегрированные модели и мягкие вычисления в искусственном интеллекте» К 20-летию Ассоциации искусственного интеллекта (28-30 мая 2009 г., Коломна);

10. Третья Всероссийская научная конференция "Нечеткие системы и мягкие вычисления" НСМВ-2009 Волгоград, 21-24 сентября 2009 г;

11. Третья международная конференция «Системный анализ и информационные технологии» 14-18 сентября 2009 г. Звенигород, Россия, пансионат «Звенигородский» РАН

12. Выставка научно-технического творчества молодёжи НТТМ-2007 (Всероссийский выставочный центр, г. Москва). Работа награждена Диплом организаторов выставки.

Публикации. Результаты исследования представлены в 22 публикациях, в том числе: 8 работ в изданиях, рекомендованных ВАК (из них 1 в международной базе zbMath), 1в англоязычном издании индексируемом SCOPUS. 7 работ (из них 3 ВАК, 1 SCOPUS) опубликованы без соавторов. Получено свидетельство Роспатента о государственной регистрации программы для ЭВМ от 19 июня 2007 г.

Структура диссертации соответствует логике, содержанию и результатам исследования. Работа состоит из введения, 3 глав, заключения, списка литературы, приложения, содержит 58 рисунков, 92 формулы и 9 таблиц. Объём работы составляет 161 страницу основного текста, 38 страниц приложений, которые включают в себя 7 таблиц, 38 рисунков.

1. Вневедомственная охрана как система организации

1.1. Цели, задачи и функции социальной системы

Вневедомственная охрана представляет собой сложную социальную систему организации. Деятельность субъектов управления по недопущению краж с охраняемых объектов и руководству внутренней служебно-хозяйственной деятельностью многокритериальна и трудно формализуема. Повысить эффективность управленческой деятельности могут современные методы поддержки принятия решений. Поиск точки приложения информационных систем оптимизации возможен путём раскрытия структуры и основ деятельности социальной системы. Базой исследования служит комплексный анализ функционирования подразделений при работе с внешними контрагентами и собственными сотрудниками, с учётом имеющихся ресурсов и ограничений. В работе даётся описание современной модели управления филиалами вневедомственной охраны районного уровня и выделяются её проблемные звенья.

Рассматриваемые методы формализации соответствуют принципам общесистемного подхода, отражают сущность исследуемых объектов и процессов, учитывают закономерности социальных объектов познания. Приведем ряд определений теории систем и системного анализа, которые будут использованы для дальнейшего исследования и исключения неоднозначности понятийных категорий. Ключевым определением теории систем является непосредственно формулировка системы. В определении Л. Берталанфи [64] система представляется как совокупность взаимодействующих элементов, образующих некоторую целостность, как комплекс компонентов, находящихся в определенных отношениях друг с другом и со средой.

Социальная система определяется у большинства авторов[26,33,63] как сложно организованный и упорядоченный социальный объект или процесс, в которых существование, функционирование и развитие составляющих элементов

отличается относительным постоянством, устойчивостью и целостностью до тех пор, пока не нарушаются их основные внешние и внутренние связи. В общем случае под социальной системой будем понимать систему, элементами которой являются люди, группы и социальные общности со всем многообразием их взаимодействия, отношений и связей. Подобное определение социальной системы представляется более близким к пониманию системных процессов во внутренней и внешней среде вневедомственной охраны.

В качестве несомненных атрибутов отметим сложность социальной системы, определяемую сложностью отношений, связей и поведения её элементов [34]; активность - способность элементов к самостоятельному выбору определенных действий[40]; динамичность, обусловленную изменением состояния социальной системы во времени под действием внешних и внутренних сил[34]; открытость - способность обмениваться со средой массой, энергией и информацией [69]. Любая сложная социальная система организации имеет совокупность, иерархию целей разного уровня. Сохранение целостности и системных свойств системы обуславливается способностью органов и ЛПР обеспечить учет и согласованность разнонаправленных целей, интересов, предпочтений и потребностей элементов системы для достижения стратегических целей реализации качественной защиты имущественных прав граждан на неприкосновенность имущества, находящегося под охраной Росгвардии.

Цели субъектов управления подразделений вневедомственной охраны отражают многогранную систему их интересов и служат проявлением диалектики связей личного и общественного. Динамичность развития и открытость действий вневедомственной охраны как социальной системы организации коррелируются с социально-экономическими формациями и периодами развития, изменением хозяйственных отношений, форм и методов функционирования правоохранительной системы. В работе исследован исторический и пространственный анализ факторов, сформировавших современную форму организации системы вневедомственной охраны полиции (ВОП) в России.

Похожие диссертационные работы по специальности «Управление в социальных и экономических системах», 05.13.10 шифр ВАК

Список литературы диссертационного исследования кандидат наук Ермоленко Алексей Владимирович, 2019 год

Список литературы

Нормативные правовые акты

1. Гражданский Кодекс Российской Федерации. Часть первая: Федеральный закон от 30.11.1994 № 51-ФЗ // Собр. законодательства РФ. 1994. № 32.

2. Федеральный закон от 7 февраля 2011№ З-ФЗ «О полиции»: //Парламент, газ. - 2011.

3. Федеральный закон от 30 сентября 2013 N 254-ФЗ «Об исполнении федерального бюджета за 2012 год» // Собр. законодательства РФ. 2013. N 40 (часть I, II) ст. 5024.

4. Федеральный закон от 03 июля 2016 №ФЗ-226 "О войсках национальной гвардии".

5. Федеральный закон от 27 июля 2006 №ФЗ-152 «О персональных данных» в редакции №ф3-223 от 29 июля 2017.

6. Указ Президента РФ №157 от 05 апреля 2016 "Вопросы Федеральной службы войск национальной гвардии Российской Федерации".

7. Указ Президента РФ от 7 июля 2011 N 899 "Об утверждении приоритетных направлений развития науки, технологий и техники в Российской Федерации и перечня критических технологий Российской Федерации" (с изменениями и дополнениями от 16 декабря 2015 г.).

8. Постановление Совета Министров СССР №4633-1835 от 29 октября 1952 «Об использовании в промышленности, строительстве и других отраслях народного хозяйства работников, высвобождающихся из охраны, и мерах по улучшению дела организации охраны хозяйственных объектов министерств и ведомств».

9. Постановление Совета Министров РСФСР от 18 мая 1962№ 670 «О мерах по внедрению технических средств охраны на объектах, охраняемых ведомственной военизированной и сторожевой охраной и вневедомственной сторожевой охраной».

10. Постановление Правительства РФ от 14 августа 1992 № 589

"Об утверждении Положения о вневедомственной охране при органах внутренних дел Российской Федерации".

11. Постановление ЦИК СНЕС РСФСР от 06 февраля 1924 «О ведомственной милиции».

12. Приказ ФСВНГ России от 07 марта 2018 №72 "Об утверждении Концепции развития вневедомственной охраны ВНГ РФ на период 2018-2021 годов и далее до 2025 года».

13. Приказ МВД России от 29 июня 2012 №650«Типовое организационно-штатное построение подразделений вневедомственной охраны МВД России».

14. Приказ МВД России от 31 августа 2007 №772 «Об утверждении Порядка обеспечения Министерством внутренних дел Российской Федерации охраны имущества физических и юридических лиц по договорам».

15. Приказ МВД России от 16 июля 2012 №689 "Об утверждении Инструкции по организации деятельности подразделений вневедомственной охраны территориальных органов Министерства внутренних дел Российской Федерации по обеспечению охраны объектов, квартир и мест хранения имущества граждан с помощью технических средств охраны".

16. Приказ МВД России от 12 сентября 2013 г. N 707 "Об утверждении Инструкции об организации рассмотрения обращений граждан в системе Министерства внутренних дел Российской Федерации».

17. Приказ МВД России от 31 декабря 2013 г. N1040 "Вопросы оценки деятельности территориальных органов Министерства внутренних дел Российской Федерации".

18. Приказ ФСВНГ РФ от 01 декабря 2017 г. №512 «Об утверждении Руководства по автотехническому обеспечению войск национальной гвардии Российской Федерации».

19. Приказ МВД России №900 от 21 сентября 2015 "Об утверждении наставления по организации деятельности строевых подразделений вневедомственной охраны полиции".

20. Указание МВД России от 20 октября 2001 г. № 1/18884 «О недостатках в организации договорной работы по охране объектов».

21. Указание ЦОРДВО МВД России от 06 мая 2005 г. № 36/1-1353 «О нарушениях при заключении договоров».

22. Методические рекомендации от 23 сентября 2005 г. №36/2141 «О порядке заключения хозяйственных договоров и контроле за осуществлением хозяйственно-договорной деятельности в УВО (ОВО) при МВД, ГУВД, УВД субъектов Российской Федерации».

23. Рекомендации МВД России от 23 октября 2013 Р 78.36.031 -2013 "О порядке обследования объектов, квартир и МХИГ, принимаемых под централизованную охрану".

24. Рекомендации МВД России от 11 декабря 2013 Р 78.36.032 -2013 "Инженерно-техническая укреплённость и оснащение техническими средствами охраны объектов, квартир и МХИГ, принимаемых под централизованную охрану подразделениями вневедомственной охраны".

Книги и монографии

25. Андреев A.JI. Автоматизированные телевизионные системы наблюдения. Часть II. Арифметико -логические основы и алгоритмы. Учебное пособие. / А.Л. Андреев. - СПб.: ГУИТМО, 2005. - 88 с.

26. Андрейчиков A.B. Анализ, синтез, планирование решений в экономике. /A.B. Андрейчиков, О.Н. Андрейчикова. М.: Финансы и статистика, 2000. - 368 с.

27. Апальков И.В. Удаление шума из изображений на основе нелинейных алгоритмов с использованием ранговой статистики. / И.В. Апальков, В.В. Хрящев. - Ярославский государственный университет, 2007. - 4 с.

28. Байгарова Н.С. Некоторые подходы к организации содержательного поиска изображений и видеоинформации. / Н.С. Байгарова, Ю.А. Бухштаб, H.H. Евтеева, Д.А. Корягин. М.: Институт прикладной математики им. Келдыша РАН, 2002. - 24 с.

29. Бондаренко A.B. Исследование подходов к построению систем автоматического считывания символьной информации. / A.B. Бондаренко, В.А. Галак-

тионов, В.И. Горемычкин, A.B. Ермаков, С.Ю. Желтов. - М.: ИПМ им. М.В. Келдыша РАН, 2003. - 217с.

30. Борисов А.Н. Принятие решений на основе нечетких моделей. Примеры использования. / А.Н. Борисов, O.A. Крумберг, И.П. Фёдоров. Рига: ЗИНАТНЕ, 1990. - 184 с.

31. Брукинг А. Экспертные системы. Принципы работы и примеры. / А. Брукинг. Пер. с англ. Под ред. Р.Форсайта. — М.: Радио и связь, 1987. - 224 с.

32. Бурков В. Н. Теория графов в управлении организационными системами. / В. Н. Бурков, А. Ю. Заложнев, Д.А.Новиков. М.: Синтег, 2001. — 124 с.

33. Бурков. В.Н. Введение в теорию управления организационными системами: Учебник . / В.Н. Бурков, H.A. Коргин, Д.А. Новиков; под ред. Д. А. Новикова. — М.: Книжный дом «ЛИБРОКОМ», 2009—264 с.

34. Бурков В.Н. Теория активных систем: состояние и перспективы. / В.Н. Бурков, Д.А. Новиков. М.: Синтег, 1999. - 128 с.

35. Бутаков А.Л. Обработка изображений на ЭВМ. / А.Л. Бутаков, В.И. Островский, И.Л. Фадеев - М.: Радио и связь, 1987. -307 с.

36. Вапник В. Н. Восстановление зависимостей по эмпирическим данным. / В.Н. Вапник М.: Наука, 1979. - 448 с.

37. Вапник В.Н. Теория распознавания образов. /В.Н. Вапник, А.Я. Черво-ненкис. М.: Наука, 1974. - 416 с.

38. Введение в контурный анализ: приложения к обработке изображений и сигналов /под ред. Я.А.Фурмана. - М.: ФизматЛит, 2003 - 592 с.

39. Вилкас Э.Й. Решения: теория, информация, моделирование. / Э.Й. Вил-кас, Е.З. Майминас. М., 1991. - 328 с.

40. Винер Н. Кибернетика, или Управление в животном и машине. 2-е изд. / Н. Винер. М.: Наука, 1983. - 344 с.

41. Волынский А.Ф. Технико-криминалистическое обеспечение раскрытия и расследования преступлений. / А.Ф. Волынский - М.: Изд-во НИИ МВД, 1994. -461 с.

42. Грешилов A.A. Математические методы принятия решений.

2-е изд., испр. и доп. / A.A. Грешилов - М.: Изд-во МГТУ им. Н.Э. Баумана, 2014. - 647 с.

43. Горбань A.C. Инвариантные характеристики в задачах обнаружения симметрии изображений. / A.C. Горбань, А.Н. Каркищенко. М.: МИФИ, 2007 г.

44. Горошко И.В. Математическое моделирование в управлении органами внутренних дел. / И.В. Горошко - М.: Акад. управ. МВД России, 2000. - 145 с.

45. Гофман В.Э. Delphi 5. / В.Э. Гофман, А.Д. Хомоненко - СПб.: БХВ, 2000. - 800 с.

46. Гурвиц А. Теория функций. / А. Гурвиц, Р. Курант. М.: Наука, 1968. -

648 с.

47. Дуда Р. Распознавание образов и анализ сцен. / Р. Дуда, П. Харт. - М.: Мир, 1986.-218 с.

48. Евланов Л.Г. Теория и практика принятия решений. / Л.Г. Евланов. - М.: АНХ СССР, 1984. - 176 с.

49. Евланов Л.Г. Основы теории принятия решений. /Л.Г. Евланова. - М.: АНХ СССР, 1979. -212 с.

50. Майдыков А.Ф. Стиль и методы деятельности начальника ГРОВД и их совершенствование. / А.Ф. Майдыков. - М.: Академия МВД СССР, 1989. - 45 с.

51. Енгалычёв В.Ф. Психология расследования. Учебно-методическое пособие для студентов факультетов психологии. / В.Ф. Енгалычёв. - Калуга: КГПУ им. К.Э. Циолковского, 2004. - 52 с.

52. Заде Л. Понятие лингвистической переменной и его применение к принятию приближённых решений. / Л. Заде. - М.: Мир, 1976. - 167 с.

53. Зуев-Инсаров Д.М. Почерк и личность. / Д.М. Зуев-Инсаров. - М.: Наука, 1934.-205 с.

54. Кини Р. Принятие решений при многих критериях: предпочтения и замещения: Пер. с англ. /Р.Л. Кини, Г. Райфа. - М.: Радио и связь, 1981 - 560 с.

55. Комарцова Л.Г. Нейрокомпьютеры: Учеб. пособие для вузов.

- 2-е изд., перераб. и доп. / Л.Г. Комарцова, А.В. Максимов - М.: Изд-во МГТУ им. Н.Э. Баумана, 2004 - 397с.

56. Кохонен Т. Самоорганизующиеся карты. / Т. Кохонен. Перевод 3-го издания В.Н.Агеева. - М.: Бином. Лаборатория знаний. 2008.

57. Криминалистика. /Под ред. В.А. Образцова. - М.: Наука, 1999. - 380 с.

58. Ланцман P.M. Кибернетика и криминалистическая экспертиза почерка. / P.M. Ланцман. - М.: Наука, 1968. - 95 с.

59. Лукин С.Б. Оптико-электронные системы: Конспект лекций. / С.Б. Лукин - СПб, ИТМО ИФФ, 2004. - 161 с.

60. Методы классической и современной теории автоматического управления: Учебник в пяти тт.; 2-е издание изд., перераб. и доп. Т. 5.: Методы современной теории автоматического управления / Под ред. К.А. Пупкова, Н.Д. Егупова. -М.: Издательство МГТУ им. Н.Э. Баумана, 2004. - 744 с.

61. Научная сессия МИФИ 2006. VII Всероссийская научно-техническая конференция «Нейроинформатика-2006»: Лекции по нейроинформатике. - М.: МИФИ, 2006. - 244 с.

62. Неймарк Ю.И. Динамические системы и управляемые процессы. / Ю.И. Неймарк - М.: Эдиториал УРСС, 2010. - 336 с.

63. Петровский А.Б. Теория и методы принятия решений. / А.Б. Петровский - Таганрог: Изд-во ЮФУ, 2013. - 165 с.

64. Петровский А.Б. Системы поддержки принятия решений. /А.Б. Петровский, М.Ю. Стерин, В.К. Моргоев. -М.: ВНИИСИ, 1987. -42 с.

65. Пытьев Ю.П. Задачи морфологического анализа изображений. / Ю.П. Пытьев // Сборник «Математические методы анализа природных ресурсов Земли из Космоса». - М.: Наука. 1984.

66. Пытьев Ю.П. Методы математического моделирования измерительно-вычислительных систем / Ю.П. Пытьев - М.:ФИЗМАТЛИТ, 2002. - 384 с.

66а. Соложенцев Е.Д. Сценарное-логико-вероятностное управление риском в бизнесе и технике. / Е.Д. Соложенцев - СПб.: Издательский дом «Бизнес-пресса», 2004 - 432 с.

67. Теория выбора и принятия решений / И.М.Макаров, Т.М.Виноградская, А.А.Рубчинский, В.Б.Соколов.- М.: Наука, 1982. - 330 с.

68. Флейшман Б.С. Элементы теории потенциальной эффективности сложных систем. / Б.С. Флейшман. М.: Советское радио, 1971. - 114 с.

69. Фон Нейман Дж., Моргенштерн О. Теория игр и экономическое поведение. / Дж. Фон Нейман, О. Моргенштерн. пер. с англ. - М.: Наука, 1970. - 707 с.

70. Хайкин С. Нейронные сети: полный курс, 2-е изд. / С. Хайкин пер. с анг. - М.:000 «И.Д.Вильямс», 2006. - 1104 с.

71. Хуанг Т.С. Быстрые алгоритмы в цифровой обработке изображений. / Т.С. Хуанг - М.: Радио и связь, 1984. - 224 с.

72. Щеголев И.В. Серия «Сам себе психолог». 16 типов личности 16 типов почерка. /И.В. Щеголев. - СПб.: Питер, 2006. ^ 144 с.

73. Bartlett P. Generalization performance of support vector machines and other pattern classifiers. /Р. Bartlett, J. Shawe-Taylor // Advances in Kernel Methods._ MIT Press, Cambridge, USA, 1998.

74. Castleman K.R. Digital linage Processing. / K.R. Castleman. Prentice-Hall: Englewood Cliffs, 1979. - 407 p.

75. Deans. The Radon Transform and Some of Its Applications. /Deans, R. Stanley. New York: John Wiley & Sons, 1983. - 294 p.

76. Gray. Calculus two: linear and nonlinear functions. / Gray, F. Lawrence; Fla-nigan, J. Francis, Kazdan, Jerry L. & Frank, David. H Berlin: Springer-Verlag, 1990 -375 p.

77. Vapnik V.N. Statistical Learning Theory. / V.N. Vapnik NY: John Wiley, 1998. -736 p.

78. Vapnik V. The Nature of Statistical Learning Theory. / V. Vapnik .— Springer-Verlag — New York, 1995 - 333 p.

Диссертации

79. Вин Тхей. Система статистического анализа и нейросетевого распознавания текстурных изображений: дис. ... канд. тех. наук.: 05.13.11 /Вин Тхей. - М., 2007. - 154 с.

80. Дудин Г.Е. Административно-правовая охрана собственности подразделениями вневедомственной охраны при органах внутренних дел МВД РФ: ав-тореф. дис. ... канд. юрид. наук.: 12.00.14 / Г.Е. Дудин. - М., 2002. - 24 с.

81. Карташов H.H. Организационно-правовые основы становления и развития вневедомственной охраны в системе органов внутренних дел (1952— 1985): дис. канд. юрид. наук. / H.H. Карташов. - М., 1988.

82. Куприянова A.A. Теоретические основы и методика судебно-почерковедческих исследований: автореф. дис. ... док. тех. наук.: 12.00.09 / A.A. Куприянова. М., 1992. - 58 с.

83. Микаилов С.М. Организационно-правовые основы деятельности вневедомственной охраны при органах внутренних дел Российской Федерации по обеспечению имущественной безопасности юридических и физических лиц: дис. ... канд. юрид. наук.: 12.00.11 /С.М. Микаиов -М., 2011,- 322 с.

84.Юрьева Н.Е. Поддержка принятия решения при построении психологического портрета личности на основе нейросетевого распознавания почерка: дис. ... канд. тех. наук.: 05.13.01 / Н.Е. Юрьева. -М., 2013 г. - 171 с.

Статьи

85. Виноградов А.Н.. Выделение и распознавание локальных объектов на аэрокосмических снимках. / А.Н. Виноградов, Ф.В. Калугин, М.Д. Недев, C.B. Погодин, A.A. Талалаев, И.П. Тищенко, В.П. Фраленко, В.М. Хачумов // Авиакосмическое приборостроение. - 2007. - № 9. 39-45 с.

86. Ермоленко A.B. Поддержка принятия решений при нейросетевой идентификации автора почерка. / A.B. Ермоленко, В.А. Ермоленко // Известия Тульского Государственного университета. Технические науки. ВАК №664- 2016. - С. 90-100.

87.Ермоленко A.B. Поиск параметров нормали плоской грани решения задачи ориентации в трёхмерной среде. / A.B. Ермоленко, М.О. Корлякова, Е.А. Кокарева, A.A. Козличенков. // Научно-технический журнал вестия» института инженерной физики. ВАК №632 от 01.12.15 г. - 2011 - № 1(19). -С. 31-35.

88.Ермоленко A.B. Нечётко-нейросетевая модель поддержки принятия решений при идентификации автора рукописных документов в подразделениях Рос-гвардии. / A.B. Ермоленко // Нечёткие системы и мягкие вычисления Fuzzy Technologies in the Industry (FTI-2017): Первая Всероссийская научно-практическая конференция (Россия, г. Ульяновск, 14-15 ноября 2017 г.): Сборник научных трудов. - Ульяновск: УлГТУ, 2017 - С. 213-221.

89. Ермоленко A.B. Алгоритм поиска примитивов на фотографиях с применением нейронных сетей /A.B. Ермоленко // Нейроинформатика-2010: сб. науч. трудов XII Всероссийской НТК. - 2010. -М.: НИЯУ МИФИ. -Ч. 2. - С. 174-184.

90. Ермоленко A.B. Применение виртуальных моделей объектов для обучения нейросетей. / A.B. Ермоленко , М.О. Корлякова // 12-я Нац. конф. по искусственному интеллекту с международным участием КИИ-2010. Тверь, Россия, 2010. -М.: Физматлит, 2010,- Т. 2. -С. 107-115.

91. Ермоленко A.B. Автоматизация работы технических служб отделов вневедомственной охраны при отделах внутренних дел. /A.B. Ермоленко, С.И. Николаенко. // Прогрессивные технологии, конструкции и системы в приборо- и машиностроении: Материалы региональной НТК студентов, аспирантов и молодых учёных 20-22 апреля 2005 г. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2005 - т. 1 -С. 285-287.

92. Жуковин В.Е. Нечеткие многокритериальные задачи принятия решений. / В.Е. Жуковин // Изв. АН СССР. Техн. Кибернетика. - 1986. -№2 -С. 159-165

93. Запрягаев С.А. Программная оболочка для поиска примитивов на изображении. /С.А. Запрягаев, А.И. Сорокин // Вестник ВГУ, Серия Системный анализ и информационные технологии. №2, 2008. - С. 37-47.

94. Казанович Я.Б. Сегментация изображений с помощью мических нейронных сетей. / Я.Б. Казанович// Научная сессия МИФИ-2008. X Всероссийская НТК «Нейроинформатика-2008»: Лекции по нейроинформатике. 4.2. - М.: МИФИ, 2008. - С. 37-97.

95. Кузьмищев В. Неделя Емели. От кого защищают ЧОПы. / В. Кузьмищев // «Новое время», № 27 от 10 июля 2005. - С.34-35.

96. Кульба В.В. Автоматизированные информационно-управляющие системы социально-экономических и организационных структур. / В.В. Кульба, С.А. Косяченко, В.Н.Лебедев // Пробл. управл., 2009, - № 3.1. - С. 73-86

97. Лукин А. Введение в цифровую обработку сигналов (Математические основы). / А. Лукин - М.: МГУ, Лаборатория компьютерной графики и мультимедиа, 2002.

98. Сойфер В.А. Компьютерная обработка изображений. Часть 2. Методы и алгоритмы. / В.А. Сойфер - Соросовский образовательный журнал №3, 1996.

99. Andrews Н.С. Image Processing by Digital Computer. / H.C. Andrews, A.G. Tescher, R.P. Kruger//® IEEE Spectrum, 1972. - vol. 9. - no. 7. - P. 20-32.

100. Jun Xie,. Mubarak Shah Shape matching and modeling using skeletal context / Jun Xie, Pheng-Ann Heng // Pattern Recognition, 2008. - Vol.41, - Is. 5. - P. 14291862,1756-1767.

101.Piatt J. C. Fast training support vector machines using sequential minimal optimization Advances in Kernel Methods / J. C. Piatt Ed. by B. Scholkopf, С. C. Burges, J. Smola. // MIT Press, 1999. - P. 185-208.

Ссылки на электронные ресурсы

102.Иванов Д.В. и др. Алгоритмические основы растровой графики, [электронный ресурс] / Д.В. Иванов // Интернет университет информационных технологий. - Режим доступа: http://www.intuit.ru/goto/course/rastrgraph.

103.Информационно-аналитический обзор справочно-аналитические материалы к проведению круглого стола по проекту ФЗ «О полиции» серия: оборона и безопасность (6 сентября 2010 г.). [электронный ресурс] // Комитет Государствен-

ной Думы по безопасности, 2010. - М. - Режим доступа: http: //iam. duma. gov. ru/node/8/4729/16976.

104.Поцепаев P.B. Эффективный алгоритм предобработки изображений для структурных методов распознавания рукописных символов, [электронный ресурс] / Р.В. Поцепаев, И.Б. Петров // Электронный журнал «Исследовано в России», -Режим доступа: http://zhurnal.ape.relarn.ru/articles/2003/019.pdf, 2003.

105.Цифровая обработка сигналов. Тема 17. Обработка изображений, [электронный ресурс] // Персональный сайт профессора Давыдова A.B. - Режим доступа: prodav.narod.ru

Юб.Щербань. В. Осторожно! Во дворе злая и дурная собака. Частная охрана в России: состояние и перспективы «Частный корреспондент» от 13 мая 2011. [электронный ресурс] / В. Щербань. - Режим доступа: http://www.chaskor.m/article/ostorozhno_vo_dvore_zlaya_i_durnaya_sobaka_23348.

Приложение 1. Дополнительные таблицы и иллюстрации

Таблица 1.1. Организация государственной полицейской охраны на территории бывшего СССР (по состоянию на 2015 г.)

Страна Наименование службы полицейской охраны Виды деятельности

Россия УВО УМВД (с 2016 ВНГ) по субъектам Российской Федерации Пультовая охраны техническими средствами, постовая охрана высших органов власти, охрана важных грузов при транспортировке

Украина Полиция охраны при национальной полиции Украины Пультовая охрана, физическая постовая охрана, сопровождение транспортировки всех видов грузов, личная охрана, монтаж, обслуживание ОПС, СОТ, СКУД

Белоруссия Департамент охраны Министерства внутренних дел Милицейская и сторожевая охрана; техническое обслуживание ОПС; охрана дипломатических представительств; сертификация средств охранно-пожарной сигнализации и боевой подготовки частных охранных предприятий

Узбекистан Республиканское объединение "Охрана" при МВД Республики Узбекистан, и территориальные УО МВД РУ Пультовая и физическая охрана объектов, в том числе высших органов власти

Казахстан Специализированная Охрана акиматов и судов, специаль-

служба охраны МВД Республики Казахстан ных объектов медицинского снабжения, архивов, музеев, складов объектов промышленности, в т.ч.ТЭЦ, ГРЭС, мостов

Эстония Под давлением Европейского экономического союза в 1998 г. приватизирована и продана частной фирме «Га1скВаШс8»

Латвия Служба полицейской охраны успешно функционировала до 2009 г. Под давлением Европейского экономического союза полностью упразднена

Таблица 1.2. Типовое штатное построение подразделения договорно-правовой работы в филиале вневедомственной охраны

Отдел (отделение, группа, направление) договорно-правовой работы

Наименование должности, профессии Категория должности Количество должностей (единиц) при общей штатной численности филиала

до 50 50150 151299 300499 5001000 1001 и более

Начальник отдела (отделения) Старший начальствующий состав 0-1 0-1 0-1 0-1

Заместитель начальника отдела Старший начальствующий состав 0-1 0-1 0-1

Старший юрисконсульт Средний начальствующий состав 0-1 1-2 2-4 2-4

Юрисконсульт Средний начальствующий состав 0-1 1-2 1-4 2-4 4-8 4-8

Юрисконсульт II Категории I Категории ведущий Специалист

Общая численность подразделения 0-1 1-2 1-6 3-8 6-14 6-14

Примеры краж с охраняемых объектов с весомым значением наличия и идентификации рукописных документов

Ситуация Л1/. "О последствиях письменного отказа от защитных конструкций мест вероятного проникновения на охраняемый объект."

30 ноября 2015 года была совершена кража сотовых телефонов и планшетов из охраняемого ОБО по г. Калуге торгово-развлекателъного центра "21й век. Магазин КомпъютерМаркет" у индивидуального предпринимателя Елгаева Е.А. На пульт охраны поступили два сообщения с разницей в 30 сек. о срабатывании Его и 2-го рубежей охраны. По изъятой видеозаписи установлено, что преступник совершил кражу за 38 секунд на общую сумму 500 тысяч рублей. Наряд ЕЗ ОБО по г. Калуге прибыл через 2 мин 30 сек.Задержатъ преступника по горячим следам не смог. В договоре на охрану имелась собственноручно написанная расписка индивидуального предпринимателяЕлгаева Е.А. в том, что он отказывается от установки внутренних оконных решеток (в нарушение Р78.36.032-2013).,Вследствие наличия расписки финансовых претензий к подразделению охраны предъявлено не было.

Ситуация 82. "О необходимости письменного подтверждения отказа собственника от некоторых охранныхизвещателей."

20 августа 2016 г. произошла кража имущества из охраняемой ОБО квартиры гражданина П., по адресу г. Калуга ул. Тульская д. 136. Двое преступ-

никое проникли в элитную квартиру, расположенную на 5-м этаже 9-ти этажного жилого дома с использованием альпинистского снаряжения с крыши через окно одной из комнат. Преступники были осведомлены о том, что в квартире имеется штатное видеонаблюдение, а также о местах установки камер видеонаблюдения. При этом преступники знали, что охранная сигнализация блокирует ИК-извещателем "Астра-5А" только первый внутренний холл квартиры и, СМК-извещателем, вход в квартиру. Истину картины преступления в ходе предварительного следствия удалось восстановить с дополнительной камеры 1Р-видеонаблюдения, передававшей запись в облачный удалённый сервер. Стоимость похищенного превысила 1 млн. рублей, что в со ст. 158. ч.4 УК РФ является особо крупным ущербом. Ответственности вневедомственной охраны и возмещений из средств федерального бюджета не наступило в связи с наличием собственноручно написанного собственником квартиры на стадии заключения договора отказа от блокировки комнат квартиры извещателями ИК либо АК/СМК.

Ситуация ^ "О попытке собственников после кражи отказаться от собственноручно написанных документов."

В 2007-м году произошла кража меховых изделий на сумму около 5 млн. рублей из охраняемого ОБО магазина "П.", расположенного по адресу г. Калуга ул. Рылеева д. 38. Витринные окна магазина не имели решёток. АК-извещатели 'Астра-С" не смогли спасти от скоротечной кражи "на рывок". Собственник заявил ущерб и настаивал на компенсации.Это могло привести к значительным тратам средств федерального бюджета. Акт обследования, подписанный представителем магазина, собственник проигнорировал, представив в суде доводы, что подписывал все акты сам, а чья эта подпись не знает. Представленные акты обследования за предыдущие периоды охраны, подтвердили, что почерк в актах одинаковый на протяжении всего срока действия договора, и хотя не является почерком первого лица организации, но принадлежит ответственному за данное направление работы сотруднику. Доводы охраны были поддержаны су-

дом, вследствие чего иск по возмещению ущерба из средств ного бюджета остался без удовлетворения.

Ситуация "О негативном влиянии человеческого фактора и совершении преступлений подчинёнными сотрудниками"

В августе 2016 года произошла кража из охраняемого продуктового магазина, расположенного в городе Киров Калужской области. Кража была совершена без взлома и срабатывания охранной сигнализации. Видеонаблюдение не зафиксировало преступление. В ходе служебной проверки руководством УВО было установлено, что кражу совершил электромонтёр ФГУП "Охрана", который заранее внёс изменения в схему работы шлейфов охранной сигнализации, изменил конфигураъщю приёмно-контролъного прибора "Струна-5-С8М" и, узнав заранее код доступа, стёр записи видеонаблюдения. В результате служебной проверки электромонтёр вернул похищенные денежные средства в размере 250 тысяч рубле., Уголовное дело было прекращено в суде за примирением сторон.

золото валюта носители чер. мет спирт всего краж

инф.

Е1 2015-й год В 2016-й год

Рис. 1. Изменение квалификации преступных устремлений

100% 100% 100% 100%

из квартир из гаражей из сейфов из коттеджей

У 2015-й год У 2016-й год

Рис. 2. Динамика изменения мест совершения краж

Рис. 1.1. Двумерное преобразование Радона сцентрированной окружности

о

а) б) в)

Рис. 1.2. Преобразование Радона для фильтрации и поиска синусоиды округлых

букв

а) Исходное изображение, б) исходное изображение после проведения преобразования Радона и фильтрации в) детерминированная синусоида

Количество точек полностью совпавших с найденной синусоидой составляет 52% от горизонтального размера изображения. Как видно из приведенного рисунка это практически все реальные точки размытой исходной синусоиды. Таким образом, найденная синусоида представима в виде аппроксимированной функции (1.1.):

/ = 0,24 • sin ((0,94 • х +1,32 • к) - 0,3667 ) (1.1.)

а) Ь) с) ф

Рис. 1.3. Прямое и обратное преобразование Радона а) - исходное изображение;Ь) - преобразование Радона;с) - отфильтрованное инверсное преобразование Радона;с1) - обратное преобразование.

-100*

Рис. 1.4. Преобразования, порождаемые точками, лежащими на пересечении эллипса с большой полуосью (вверху) и с малой полуосью (внизу)

№ эксперимента № образцов тестовой выборки № образцов обучающей выборки

1 1...10 11...49

2 11...20 1... 10 и 21. ..49

3 21...30 1...20 и 31...49

4 31...40 1...30 и 41. ..49

5 41...49 1...39

? . .-г,- -

¿Л

Т-

!■■■■■■■ шнншн -^-С/СР¿Я^/^2- " *

Рис. 1.5. Пример выполнения дополнительной фильтрации и кусочно-линейной аппроксимации

I *

.Ссмшш^***- - ****

/ _- Л

Лт— -/с?-

СМ —гЬ/-"

, ИИ _

Значения апроксимирующин кривым:

Строка № 1 Ь= 0,0337 с= 103,2535 Угол= -1,328

Строка N 2 Ь= 0,0406 с= 199,2762 Угол= -2,3246

Строка № 3 Ь= 0,0351 с= 269,1441 Угол= ■2,013

Строка М- 4 Ь= 0,0257 с= 342,9703 Угол= -1,4746

Строка № 5 Ь= 0,0178 с= 409,6871 Угол= -1,021

Строка И- 6 Ь= 0,0262 с= 487,6005 Угол= -1,503

Строка И- 7 Ь= 0,0186 с= 561,4324 Угол= ■1,0635

Строка № 8 Ь= 0,0139 с= 636,8455 Угол= -0,7341

Строка М- 9 Ь= 0,0074 с= 702,453 Угол=- 0,4255

Строка № 10 Ь = -0 0062 с = 776,2775 Угол = -0,3545

Строка И-1> Ь -0,005 с= 846,502 Угол=- 0,2836

Минимальный угол: -2,3246 Максимальный угол: -0,2836 Средний угол: -1,0143 Разброс углов: -2,041

ШШШх,

ъ^ыз**^3**^- _ -- „/-'I / ^^

Значения апроксимирующих кривым:

Строка М: 1 Ь= Строка № 2 Ь= Строка И- 3 Ь= Строка № 4 Ь= Строка № 5 Ь= Строка И1 6 Ь= Строка И1 7 Ь= Строка И2 8 Ь= Строка № 9 Ь= Строка И110 Строка № 11 Строка № 12 Строка № 13 Строка № 14

0,011Б 0,0175 0,0326 0,0405 0,033 0,055 0,0365 0,0548 0,0669 ■0,0479 0,0479 0,0649 0,0597 0,0378

с= 138,2102 Угол=-0,6647

о= 274,9645 Угол=-1,0037

о= 487,3775 Угол=-1,8654

о= 674,4625 Угол= -2,3174 о= 846,1006 Угол= -2,1757

с= 1062,6462 Угол= -3,1496 с= 1233,0234 У гол=-2,0816 0= 1474,7246 У гол=-3,1352 0= 1660,3615 У гол=-3,8255 о= 1840,1022 У гол=-2,7403

о= 2013,5062 Угол= 0= 2226,4535 Угол= 0= 2415,8221 Угол=

2,7404 3,7134 3,4169

Линия аппроксимации 1-го порядка

Линия, построенная

методом наименьших квадратов

с= 2605,7968 Угол= -2,1621 -3,8255 Максимальный угол: -0,6647

Минимальный угол: Средний угол: -2,1876 Разброс углов: -3,1608

Рис. 1.6. Построение опорной траектории строки методом наименьших квадратов и кусочно-линейной аппроксимацией

Реальный кластер

Виртуальный кластер

Реальнцй столбец Краевой столбец

Рис. 1.7. Некорректная высота кластеров на краевых столбцах, до дополнительной фильтрации кластеров

ГлА

St

\иг*п А-ЛШШ^г*,

ж - - i I

Аосолютная средняя высота шрифта 42 _

Не0р1ализованнэя-£педняя высота 1в процентах от высоты изображения 1 I Г|51162790[.9767% Абсолютная среанйя высота пробела 78

Относительное среднее межстрочное расстояние

(показывает во сколько межстрочное расстояние больше высоты шрифта): 85714285714286

Рис. 1.8. Идентификация вертикальных характеристик почерка

x[ij],y[ij]

x[i+lj+l],y[i+lj+l]

Рис. 1.9. Нахождение длины пробела с учётом наклона букв

.^и^Вдр^^-^ге,—[ав—е*яз

//к*

Пробелы, полученные в результате работы алгоритма

Траектория строки, аппроксимированная линиями первого порядка Рис. 1.10. Пример определения ширины пробела

^ Л/*'^/ ^ .. '

л у..---- - ^ " ;

Л-,.у' •"* ^^ Шг«»""

Ьл^'М&Ш • ••'- -..-.Мб.-,:

Выделенное слово

Рис. 1.11. Пример выделения слова и определения угла наклона букв

е траектории по форме границ в окрестности узловой

Искажение области пересечения траекторий

Рис. 1.12. Достоинства и недостатки скелетизации как метода

восстановления траектории написания контура

Рис. 1.13. Демпфирование избыточности информации при кодировании трапециями: а, б) удаление трапеций, в) уменьшение высоты трапеций

Случай а) : Трапеции пересекаются. Линии, образующие контуры трапеций не являются частями одной обгцей прямой. В этом случае предлагаем удалить одну из трапеций. Условием удаления определим соотношение площадей. Наименьшую по площади трапецию удалим, а при равных площадях решение примем случайным образом. В случае б и в случай а осложнён тем, что пересекаюгцие трапеции имеют обгцую часть боковой линии. При этом происходит уменьшение высоты одной из трапеций до размеров, при которых они будут иметь обгцую область. Условием уменьшения высоты, как и в случае а, будем считать разное соотношение площадей. Уменьшение высоты произойдёт при этом у той трапегщи, которая имеет наименьшую площадь (см. случай б). Если уменьшение высоты трапеции приводит к тому, что высота трапеции становится близкой к нулю, то данную трапецию удаляем.

/О Û Д *

а) б) в)

Рис. 1.14. Характерные структуры рукописных символов (штрих - а, петли - б-в, 3-х и 4-х лучевые соединения - г-е)

Кдаапи аат аапп

Шасиип „ оаап.

Cija SUP/ snm CHSZ

/

Отсутствующий кластер, попавший на пробел

ЯЭаапп аапп аащр,

плааапш

ППР (Ш

Величина кластера буквы меньше знака препинания

11!>112

№ тг

Ш

пост

Высота заглавной буквы больше 2х букв соседних строк

hi

h?

Рис. 1.15. Ошибки идентификации, вызванные ошибками статистических сведений о высоте кластеров и букв

Приложение 2. Структурные схемы блоков ПР и формализации характеристик признаковой базы

(Начало)

¡,]=0; а_тах=И ; (аКа_тах=45);а=0

ап_тах=0;8рп_тах=0;а1р11а=0;]=0

/ (а\ 1- \

ху = гоиМ{к- у)[ ] тс(Л

V )

Гап шах] 1 180

1 Л J ГТ

Л г

^ ^дтах ^

(Останов)

Рис. 2.1. Алгоритмическая схема модели детерминации угла наклона букв

Рис. 2.2. Структурная схема алгоритма кластеризации

Рис. 2.3. Структурная схема алгоритма фильтрации и аппроксимации

Рис. 2.4. Структурная схема алгоритма определения траектории написания строки методом наименьших квадратов

Рис. 2.5. Определение среднего межстрочного интервала

Рис. 2.6. Структурная схема алгоритма определения ширины пробела

Рис. 2.7. Структурная схема обхода контура символа

Рис. 2.8. Структурная схема заполнения матрицы смежности

Рис. 2.9. Структурная схема для выделения петель

Начало

Представление фрагмента текста в виде списка смежности.

+ ~

Составление вспомогательного списка

1 г

Фильтрация

лишних соеди-

г

Конец

Рис. 2.10. Структурная схема детерминации соединений из 3 лучей

Приложение 3. Скрин-шоты основных модулей

начало 354 конец 400 столбец: 3 таксон :7 порог 109 начало 440 конец 548 столбец:3 таксон :8 порог 31 начало G07 конец 637 столбец: 3 таксон :9 порог 53 начало 657 конец 709 столбец: 3 таксон :10 порог 31 начало 748 конец 778 столбец: 3 таксон :11 порог 27 начало 815 конец 841 Столбец N1: ЗКоличество таксонов: столбец: 4 таксон :1 порог 72 начало 16 конец 87 столбец: 4 таксон :2 порог 36 начало 107 конец 142 столбец: 4 таксон :3 порог 32 начало 197 конец 228 столбец: 4 таксон :4 порог 29 начало 279 конец 307 столбец: 4 таксон :5 порог 27 начало 369 конец 395 столбец: 4 таксон :6 порог 52 начало 417 конец 468

столбец: 4 таксон :7 порог 71 <

10 к -1 si 504 s2

Ччйп Иябрашеже Опрэгрггге

л

Угопнаикнасгрс» | Полагать рмзпьтагы мхя^

ijj Время ПЬГО.ГПСПИ

г

[SU

Besüiffo •мхюетопйцов (1...Е4 |5-

Пог.азеть рчедпгвти

П»«игь резыгьтзты

Ии-инапнзвиия изрЬрч»»-ич

[ПЛ. | | .i Cflramen« ; : . | g 1 • ^..■m.dnL-Kfcr, | ь

Рис. 3.1.Фильтрация и кластеризация текста

■Ц ф 0 56

>

.(" Результаты определения кластера без учёта крайним столбцов

jnjjcl

3 рем н окотчагмя:

3 ремн выполнения:

^1ш-има.пьная высота

Максимальная вьсота

ПО

Средняя ВЫСОТО

ilfiiii.ee числэ строе:

Среднее числи строк.:

Столбэц М1!

Строка № 0 высотой ЕЕ.

Строка № 1 ВЫСОТОЙ S1

Строка № 2 ВЫСОТОЙ 11

Строка № 2 ВЫСОТОЙ 48

Строка № 4 ВЫСОТОЙ 35

Строка № 5 ВЫСОТОЙ 7

Строка № Е высотой 32

Строка № 7 ВЫСОТОЙ 53

Строка № 8 ВЫСОТОЙ 28

Строка № Э ВЫСОТОЙ 30

Строка № 10 ВЫСОТОЙ 26

Строка № 11 БЬЮРТСЙ 110

Строка № 12 ВЫСОТОЙ 1

Столбец И'2

Строка № 0 ВЫСОТОЙ 58

Строка № 1 высотой 54

Строка № 2 высотой 55

Строка № 3 ВЫСОТОЙ Ё

Строка № 4 ВЫСОТОЙ 32

Строка N° 5 ВЫСОТОЙ 47

Строка № G ВЫСОТОЙ 1СЗ

Строка Ы- 7 ВЫСОТОЙ 31

Строка № 8 ВЫСОТОЙ 52

Строка № Б ВЫСОТОЙ 31

Строка № 1D ВЫСОТОЙ 27

zi

Столбец Ns: 1 Количества строк.: 13 Суммарная высота: 510 Средняя высота: 39 Мишмальная высота 1 Максимальная вьсота: 110

Столбец N£: 2 Количество стрж: 12 CijvtviapHaq высота: 505 Средняя высота: 42 Минимальная высота 1 Максимальная вьсота: 103

Столбеи N£: 3 Количества строк.: 12 CjjvtviapHaa высота- БОС Средняя высота: 42 Минимальная высота 1 Максимальная вьсота: 01

Мегпо2

11

Рис. 3.2. Вывод статистических данных о кластерах

' Получаемые результаты

Нефильтрованные необъединённые пробелы. Фильтрованные объединённые пробелы

Минимальное пороговое значение пробела

НеФильтровнные объединённые пробелы

0 465 96 при Фильтрации составляет min= 0,009

1 466 96 0 2 465 467 86 86

2 467 96 0 80 «=710 780 у=84 80 1 80 710 780 64 80

3 710 84 1 43 >;=1173 1216 у=47 43 2 3 926 928 71 70

4 711 84 2 63 «=1501 1564 Мб 48 3 0 987 Э87 65 65

5 712 84 3 32 «=2049 2081 у=41 40 4 0 991 991 65 65

G 713 84 4 46 «=653 6ЭЭ у=1 76175 5 0 994 994 64 64

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.