Разработка донозологического мониторинга и комплексной оценки для управления адаптивным состоянием субъекта в условиях экстремальной ситуации тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Мун, Ярослав Олегович

• Мун, Ярослав Олегович
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Мун, Ярослав Олегович

ВВЕДЕНИЕ

1. АНАЛИЗ МЕТОДОВ ОЦЕНКИ ПСИХОЛОГИЧЕСКОГО СОСТОЯНИЯ И ПОВЕДЕНИЯ СУБЪЕКТА В ЭКСТРЕМАЛЬНОЙ СИТУАЦИИ, НАПРАВЛЕНИЯ ПО СОВЕРШЕНСТВОВАНИЮ СРЕДСТВ ОЦЕНКИ СТЕПЕНИ ПСИХИЧЕСКОЙ АДАПТАЦИИ

1.1 Современные методы оценки психического состояния субъекта в условиях экстремальной ситуации

1.2 Достоинства и недостатки существующих методов оценки степени психической адаптации субъекта в экстремальной ситуации

1.3 Пути совершенствования процесса оценки степени психической адаптации субъекта в экстремальной ситуации

1.4. Цель и задачи исследования

2. РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОЦЕНКИ СТЕПЕНИ ПСИХИЧЕСКОЙ АДАПТАЦИИ СУБЪЕКТА В ЧРЕЗВЫЧАЙНЫХ СИТУАЦИЯХ НА ОСНОВЕ ВЫЯВЛЕНИЯ СКРЫТЫХ ЗАКОНОМЕРНОСТЕЙ В СТАТИСТИЧЕСКИХ ДАННЫХ

2.1. Разработка структуры автоматизированной системы оценки степени психической адаптации субъекта в чрезвычайных ситуациях

2.2 Определение информативных признаков, характеризующих субъект с психофизиологической точки зрения и ориентированных на описание адаптивного состояния индивида

2.3 Выявление скрытых закономерностей в статистических данных о психофизиологическом состоянии субъектов, поступающих на службу, связанную с экстремальными условиями, на основе методов деревьев решений и нейронных сетей

2.4. Выводы второй главы

3. РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ РЕШАЮЩИХ ДИАГНОСТИЧЕСКИХ ПРАВИЛ НА ОСНОВЕ РЕЗУЛЬТАТОВ СТАТИСТИЧЕСКОГО АНАЛИЗА

3.1 Автоматизация построения диагностических правил оценки уровня психической адаптации

3.2 Разработка логической модели автоматизированной системы оценки степени психической адаптации субъекта в экстремальной ситуации

3.3 Использование автоматизированной системы поддержки принятия решений в деятельности регионального центра психофизиологической диагностики

3.4. Выводы третьей главы

4. РАЗРАБОТКА И РЕАЛИЗАЦИЯ АМТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПОДДЕРЖКИ ВРАЧА-ДИАГНОСТА ОСНОВЕ РЕАЛИЗАЦИИ ЛОГИЧЕСКИХ МОДЕЛЕЙ

4.1 Разработка программно-информационного обеспечения автоматизированной системы поддержки принятия решения врачом-психологом

4.2 Использование автоматизированной системы поддержки принятия решений в деятельности регионального центра психофизиологической диагностики

4.3. Оценка эффективности применения разработанной автоматизированной системы на практике профотбора

4.4. Выводы четвертой главы 131 ЗАКЛЮЧЕНИЕ 132 СПИСОК ЛИТЕРАТУРЫ 134 ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Разработка донозологического мониторинга и комплексной оценки для управления адаптивным состоянием субъекта в условиях экстремальной ситуации»

Актуальность темы. Министерство здравоохранения Российской Федерации, Российская Академия медицинских наук уделяют большое внимание вопросам разработки новых технологий донозологической диагностики отклонений с целью укрепления здоровья и профилактики заболеваний. Однако, в силу ряда причин, среди которых недостаточный уровень методического и технического обеспечения, отсутствие квалифицированных кадров и системы их подготовки модель оказания превентивной медицинской помощи (оздоровления) до настоящего времени не реализована. Несмотря на кажущееся изобилие самых различных способов оценки функционального состояния человека и оздоровительных технологий, консенсуса ученых по унифицированным методикам донозологической диагностики и коррекции функциональных нарушений пока не достигнуто.

Очевидно, что методы донозологической диагностики должны отвечать определенным медицинским, социальным и экономическим требованиям -должны быть научно-обоснованными и апробированными, экспрессивными, неинвазивными, относительно дешевыми и рассчитанными на массовое применение.

Специфика деятельности сотрудников органов внутренних дел (ОВД), МЧС особенно при выполнении ими служебно-боевых задач в особых условиях, определяет наличие факторов риска развития патологических состояний.

С целью обеспечения их высокой профессиональной надежности и профессионального долголетия, основой которых является уровень здоровья, выявляют донозологические (психические, соматические) состояния, осуществляя тем самым актуальные для отечественного здравоохранения превентивные функции по охране здоровья.

Адаптационные возможности организма (способность к уравновешиванию с окружающей средой) являются одним из фундаментальных свойств живой системы. Здоровье как определенный уровень адаптационных возможностей организма (адаптоспособность или адаптационный потенциал) включает в себя и понятие шмеостаза, который следует рассматривать в качестве конечного результата деятельности многочисленных функциональных систем, как целевую функцию многоуровневого иерархического управления в организме.

В 2001-2002 годах разработан и принят стратегический «План развития здравоохранения Российской Федерации», в котором предусмотрен переход медицины от системы, ориентированной на лечение заболевания, к системе охраны здоровья граждан, основанной на приоритете здорового образа жизни и направленной на профилактику болезней.

Актуальность развития данного направления обусловлена тем, что в последнее десятилетие в структуре заболеваемости и смертности населения России прогрессируют социально зависимые и профессионально обусловленные дефекты здоровья (несчастные случаи, отравлениями травмы, дизадаптивные синдромы, социально - экологическое утомление и переутомление, стрессогенные заболевания). С каждым годом в; структуре заболеваемости увеличивается общая доля невротических и психических расстройств.

Работа выполняется в соответствии с межвузовской комплексной научно-технической программой 12.11 «Перспективные информационные технологии в высшей школе» в рамках одного из основных направлений ГОУ ВПО «Воронежский государственный технический университет» «Проблемно-ориентированные системы управления».

Цель работы. Разработка методов и средств комплексной диагностики и управления адаптивным состоянием в условиях экстремальной ситуации, обеспечивающих повышение качества диагностики и упрощения процесса психологического исследования в целом при профессиональном отборе кандидатов на службу в структуры МЧС и других ведомств, чья деятельность связана с экстремальными факторами.

Для достижения поставленной цели необходимо решить следующие задачи:

- разработать структуру автоматизированной системы оценки степени психической адаптации субъекта в чрезвычайных ситуациях, отвечающей требованиям современных экспертных систем;

- выбрать комплекс признаков, описывающих состояние человека на психологическом уровне, обеспечивающих автоматизированную диагностику и управление его адаптивным состоянием;

- выбрать методы выявления скрытых закономерностей в статистических данных о результатах обследования субъектов, проходящих профотбор на службу связанную с экстремальными факторами;

- разработать структуру логической модели процесса диагностики субъекта при оценке степени психической адаптации в условиях экстремальной ситуации;

- предложить метод использования полученных решающих правил диагностики функциональных состояний субъекта по комплексу показателей, характеризующих психологическую и физиологическую сферы его профессиональной деятельности;

- разработать программное обеспечение, соответствующее предлагаемой методики психологического исследования личности, основанное на реализации логической модели диагноза.

Методы исследований. Для решения поставленных задач использовались методы системного анализа, теории управления, моделирования, основные понятия теории систем, добычи данных, экспертного оценивания и принятия решений, методы теории искусственного интеллекта, систем автоматизированного моделирования, построения экспертных систем, а так же методы оптимизации. При разработке программно-информационных средств применялись методы объектно-ориентированного программирования, создания интеллектуальных информационных систем.

Научная новизна. В диссертации получены следующие основные результаты, характеризующиеся научной новизной: структура автоматизированной системы оценки степени психической адаптации субъекта в чрезвычайных ситуациях, адаптированная к решению задач психодиагностики; для эффективного наполнения базы знаний и формирования диагностических правил данная система ориентирована на использование ряда методов распознавания образов и добычи данных; признаковое пространство, характеризующее психофизиологическое состояние субъекта, отличающееся возможностью использования нормализованных величин различных психодиагностических тестов; математические модели оценки степени психической адаптации, ориентированные на диагностику психофизиологического состояния субъекта, отличающиеся использованием методов деревьев» решений и нейронных сетей; логические модели, ориентированные на оценку степени психологической адаптации субъекта в условиях экстремальной ситуации, и позволяющие проводить автоматизированную процедуру диагностики; решающее правило, предназначенное для оценки состояния субъекта в условиях противоречивой информации, полученной от группы диагностических алгоритмов, характеризующееся использованием информации об априорных вероятностях диагностических классов и условных вероятностях ошибок алгоритмов.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, дается ее краткая характеристика, показываются основные пути решения сформированных проблем.

В первой главе рассматриваются современные методы оценки психического состояния субъекта в условиях экстремальной ситуации; рассматривается модель процесса психологической адаптации при оценке ее степени, соответствующей определенному состоянию субъекта; приведены особенности проведения стандартных психодиагностических обследований в процессе определения степени психической адаптации субъекта. Рассмотрены перспективы развития методов психодиагностики по определению психического состояния субъекта, среди которых можно выделить вопросы извлечения и представления различных типов знаний специалистов, интеллектуализации интерфейса и блока объяснения, гибридных и динамических систем. На основании проведенного анализа определяются цель и задачи исследования.

Во второй главе рассмотрены особенности разработки структуры автоматизированной системы оценки степени психической адаптации субъекта в чрезвычайных ситуациях на основе методов распознавания и добычи данных. На основе полученных результатов производится формирование базы знаний интеллектуальной диагностической системы, предназначенной для определения состояния субъекта. Решается задача минимизации признакового пространства на основе экспертной оценки значимости базовых признаков. Приводится способ построения модели оценки степени психической адаптации субъекта в условиях экстремальной ситуации на основе методов деревьев решений и нейронных сетей.

В третьей главе рассмотрены методы построения диагностических правил оценки уровня психической адаптации. Разработана логическая модель функционирования автоматизированной системы определения степени психической адаптации субъекта. Проведена оценка качества распознающей системы, предназначенной для классификации в соответствии с набором нескольких решающих правил при помощи процедуры «голосования». На основе экспертного заключения проводится формирование множества альтернативных методов диагностики, определение набора показателей и критериев эффективности этих методов.

В четвертой главе разработано программно-информационное обеспечение СППР «Эксперт-психолог», предназначенное для анализа психофизиологических данных с помощью различных статистических и интеллектуальных методов, таких как деревья решений, нейронные сети, формирования и выдачи обоснованных заключений при диагностике субъекта и оценке его состояния в условиях экстремальной ситуации. Предложена методика построения решающих правил диагностики в интеллектуальной системе «Эксперт-психолог», сформирована база знаний системы поддержки принятия решений врача-психолога, ориентированной на диагностику состояния субъекта в условиях экстремальной ситуации.

В заключении рассмотрены основные результаты работы.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Мун, Ярослав Олегович

4.4 Выводы четвертой главы

1. Автоматизированная диагностика и выбор психопрофилактической реабилитационной работы возможны с использованием разработанного программно-аппаратного комплекса, позволяющего осуществлять, диагностику на основе анализа значимости признаков и формирования!' I моделей диагностики на основе методов деревьев решений и логических алгоритмов. 1 I

2. Разработанная автоматизированная система поддержки принятия решения при определении степени психической адаптации врачом-психологом кандидатов на службу внедрена в практическую деятельность Центра психофизиологической диагностики и используется для психологической диагностики и экспертизы кандидатов на службу в органы внутренних дел, Главного управления МЧС России по Воронежской области, а также в целях проведения плановых и целевых мониторингов i личного)' I состава подразделений ОВД и МЧС. Это помогает своевременному выявлению факторов, свидетельствующих о выраженной эмоциональной I напряженности, способствует не только правильному экспертному решению, но и своевременному проведению психокоррекционных и реабилитационных мероприятий с сотрудниками, со стажерами. Полученные результаты используются для разработки коррекционно-развивающих программ, направленных на оптимизацию адаптации сотрудников к служебной деятельности.

3. Оценка эффективности универсального автоматизированного' I экспертно-диагностического комплекса средств профессиональной психодиагностики, основанная на анализе показателей заболеваемости психическими расстройствами, восстановлении психоэмоционального состояния и функциональных резервов, а также ранней увольняемости и по отрицательным мотивам, показала ее социальную целесообразность.

132

ЗАКЛЮЧЕНИЕ

1. Разработана структура автоматизированной системы оценки степени психической адаптации субъекта в чрезвычайных ситуациях, адаптированная I к решению задач психодиагностики. Для эффективного наполнения базы знаний и формирования диагностических правил данная система ориентирована на использование ряда методов распознавания образов и добычи данных.

2. Сформировано признаковое пространство, характеризующее психофизиологическое состояние субъекта, отличающееся возможностью использования нормализованных величин различных психодиагностических | тестов. ,

3.Построены математические модели оценки степени психической адаптации, ориентированные на диагностику психофизиологического1 состояния субъекта, отличающиеся использованием методов деревьев решений и нейронных сетей.

4. Разработаны логические модели, ориентированные на оценку степени психологической адаптации субъекта в условиях экстремальной ситуации, и позволяющие проводить автоматизированную процедуру диагностики. ,

5. Предложено решающее правило, предназначенное для оценки состояния субъекта в условиях противоречивой информации, полученной от группы диагностических алгоритмов, характеризующееся использованием1 информации об априорных вероятностях диагностических классов и условных вероятностях ошибок алгоритмов.

6. Проведена проверка оценки качества распознающей системы, предназначенной для классификации в соответствии с набором нескольких решающих правил при помощи процедуры «голосования».

7.Автоматизированная диагностика и выбор психопрофилактической; реабилитационной работы возможны с использованием разработанного программно-аппаратного комплекса, позволяющего осуществлять диагностику на основе анализа значимости признаков и формирования моделей диагностики на основе методов деревьев решений и логических алгоритмов <

8.Разработанная автоматизированная система поддержки принятия1 ( решения при определении степени психической адаптации врачом- li психологом кандидатов на службу внедрена в практическую деятельность |

Центра психофизиологической диагностики и используется для, психологической диагностики и экспертизы кандидатов на службу в органы внутренних дел, Главного управления МЧС России по Воронежской области, а также в целях проведения плановых и целевых мониторингов личного состава подразделений ОВД и МЧС. Это помогает своевременному выявлению факторов, свидетельствующих о выраженной эмоциональной напряженности, способствует не только правильному экспертному решению, 1 но и своевременному проведению психокоррекционных и реабилитационных' 11 мероприятий с сотрудниками, со стажерами. Полученные результаты '

I I используются для разработки коррекционно-развивающих программ,, направленных на оптимизацию адаптации сотрудников к служебной деятельности.

9. Оценка эффективности универсального автоматизированного экспертно-диагностического комплекса средств профессиональной психодиагностики, основанная на анализе показателей заболеваемости психическими расстройствами, восстановлении психоэмоционального' Ч • состояния и функциональных резервов, а также ранней увольняемости и noi li отрицательным мотивам, показала ее социальную целесообразность. ,

134

Список литературы диссертационного исследования кандидат технических наук Мун, Ярослав Олегович, 2008 год

1. Александровский Ю.А. Пограничные психические расстройства., Ростов- на-Дону, 1997.

2. Александровский Ю.А. Состояния психической дезадаптации и их компенсация. М., 1976. 272 с.

3. Асанов А.А., Ларичев О.И., Нарыжный Е.В., Страхов С.И. Экспертная система для диагностики лекарственных отравлений // Седьмая нац. конф. по искусств, интеллекту с междунар. уч. (КИИ'2000): Тр.конф. Т.2. М.: Изд-во Физ-мат. лит. 2000. С.708-716.

4. Баевский P.M., Берсенева А.П., Палеев Н.Р. Оценка1Iадаптационного потенциала системы кровообращения при массовых профилактических обследованиях населения // Усовершенствование организации медицинской помощи населению.- М., 1987, Вып. 10. С. 1-19.

5. Барабаш Ю.Л. Коллективные статистические решения при распознавании. М.: Радио и связь, 1983. 224 с.

6. Бериков В.Б. Априорные оценки качества распознавания при ограниченном объеме обучающей выборки. ЖВМиМФ, 2003, том 43 ,№ 9, С. 1448 -1456.

7. Бериков В.Б. Об устойчивости алгоритмов распознавания вдискретной постановке // Искусственный интеллект. 2000. Т. 2. С. 5-8.

8. Березин Ф.Б. Психическая и психофизиологическая адаптация человека. Л., 1988. С. 5,251-252.

9. Браверман Э.М., Мучник И.Б. Структурные методы обработкиэмпирических данных. М.: Наука. 1983, С.

10. Бураковский В.И., Бокерия JI.A., Газизова Д.Ш., Лищук В.А. и др. Компьютерная технология интенсивного лечения: контроль, анализ, диагностика, лечение, обучение. М.: НЦ ССХ РАМН. 1995.

11. Бурлачук Л.Ф. Личность как созвездие 16 факторов. //! Психологическая газета, 2000, № 12. С. 12-13.

12. Валькман Ю.Р. Графическая метафора основа когнитивной графики // Нац. конф. с междунар. участием «Искусственный интеллект-94» (КИИ-94). T.I. Рыбинск. 1994. С. 195-199.

13. Вапник В. Н., Червоненкис А. Я. Теория распознавания образов. М.: Наука. 1974, С.

14. Варфоломеев В.И., Воробьев С.Н. Принятие управленческих решений: Учеб. пособие для вузов, М.: КУДИЦ-ОБРАЗ, 2001. 288 с.

15. Васильев В.И. Распознающие системы (справочник). К.: Наукова' думка. 1983. 422 с.

16. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969. 576 с.

17. Викторов В.А. О развитии медико-технической науки // "Вестник РАМН" N5, 2001 г., С. 3-7.

18. Вялова Е.П., Квашнина Г.А., Мун Я.О. Межличностные отношения в конфликтных ситуациях // Обеспечение экологической безопасности в чрезвычайных ситуациях: материалы 2-й Междунар. науч.-практ. конф. Воронеж, 2006. 4.1. С. 79-83

19. Вялова Е.П., Квашнина Г.А., Мун Я.О., Психологические/ особенности процесса управления конфликтами. // Обеспечение экологической безопасности в чрезвычайных ситуациях: материалы 2-й Междунар. науч.-практ. конф. Воронеж, 2006. 4.1. С. 106-115.

20. Гельфанд И.М., Розенфельд Б.И., Шифрин М.А, Очерки о совместной работе математиков и врачей. М.: Наука. 1989.

21. Глушков В.М. Введение в АСУ. Киев: Техника, 1974. 554 с.

22. Гречко ВО., Долгополов И.Н., Ковнеристов А.Г. и др. Представление знаний в системе массового медицинского диагностирования // VI Междунар. конф. «Знания-Диалог-Решение» (KDS-97): Сб. науч. тр. Т.2. Ялта. 1997. С.478-485. '

23. Дюк В.А. Компьютерная психодиагностика. СПб: «Братство», 1994.364 с.

24. Дюк В.А. Обработка данных на ПК в примерах. СПб: "Питер", 1997. 240 с.

25. Дюк В.А., Самойленко А.П. Data Mining: учебный курс СПб: «Питер», 2001. 368 с.

26. Журавлев Ю.И. Об алгебраическом подходе для решения задач распознавания или классификации. Проблемы кибернетики. М.: Наука, 1978.; Вып. 33. С. 5-68.

27. Ивашко В.Г., Финн В.К. Экспертные системы и некоторыепроблемы их интеллектуализации // Семантика и информатика. М.:; ВИНИТИ. 1986. №27.

28. Квашнина Г.А., Муковоз Т.В., Мун Я.О. Прогнозирование успешности адаптации «Группы риска» на этапе профотбора // Системы жизнеобеспечения и управления- в чрезвычайных ситуациях: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2005. 4.2. С. 21-23.

29. Квашнина Г.А., Мун Я.О. Психологические аспекты поведения!1 пострадавших в очаге чрезвычайной ситуации // Системы жизнеобеспечения и управления в чрезвычайных ситуациях: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2006. 4.2. С. 34-37.

30. Квашнина Г.А., Мун Я.О. Система поддержки принятия решений врачом-психологом при оценке степени психологической адаптации лиц, работающих в экстремальной ситуации / Вестник Воронежского государственного технического университета. 2005. Т.1. №7 С.82-85.

31. Квашнина Г.А., Мун Я.О., Федянин В.И. Формирование обобщенного портрета лица, работающего в экстремальной ситуации, наIоснове интеграции диагностических шкал / Вестник Воронежского государственного технического университета 2007. Т.З. №2. С. 36-41.

32. Клар Г. Тест Люшера. Психология цвета. Перевод с нем. М., 1975.

33. Кобринский Б.А. К вопросу о формальном отражении образного мышления и интуиции специалиста в слабо структурированной предметной области //Новости искусственного интеллекта. 1998. №3. С.64-76.

34. Кобринский Б.А. К проблеме машинного распознавания наследственных болезней // Специализированная помощь ' детям с наследственной патологией: Сб. тр. Моск. НИИ пед. и дет. хир. Вып.16. М.: 1981. С.147-153.

35. Кобринский Б.А. Нечеткая логика в анализе образных представлений в медицинских системах искусственного интеллекта // Междунар. конф. по мягким вычислениям и измерениям: Сб. докл. Т.1. СПб.: 1998. С.233-235.

36. Кобринский Б.А. Рассуждения и аргументация в диагностическом процессе // 3-я Междунар. конф. «Информационные ресурсы. Интеграция. Технологии»: Матер, конф.: Вторая часть. М.: 1997. С.4-6.

37. Кобринский Б.А. Рефлексия и нечеткие представления в медицинских системах искусственного интеллекта // Рефлексивное управление. Тез. междунар. симпоз. М.: Изд-во «Ин-т психологии РАН». 2000. С. 85-86.

38. Кобринский Б.А., Таперова JI.H., Фельдман А.Е., Веприцкая О.В. К вопросу о коммуникабельности медицинских экспертных систем /

39. Эволюционная информатика и моделирование: Сб. науч. тр. по матер, междунар. конф. М.: ГосИФТП. 1994. С.100-116.

40. Кобринский Б.А., Фельдман А.Е. Анализ и учет ассоциативных знаний в медицинских экспертных системах // Новости искусственного интеллекта. 1995. № 3. С.90-96.

41. Краткий отборочный тест: Методические рекомендации. М.: МЦ при ГУК МВД России, 1997. 32 с.

42. Кузнецов О.П. Образное мышление и быстрые процессы // Новости искусственного интеллекта. 1998. №2. С.117-130.

43. Ларичев О.И. Теория и методы принятия решений, а также Хроника событий в Волшебных Странах: Учебник. М.: Логос. 2000.

44. Ларичев О.И., Мошкович Е.М. Качественные методы принятия решений. Вербальный анализ решений. М.: Наука. 1996. 208 с. '

45. Лбов Г.С, Старцева Н.Г. Логические решающие функции и вопросы статистической устойчивости решений // Новосибирск: Изд-во Инта математики. 1999.

46. Левит В.Е., Переверзев-Орлов B.C. Структура и поле данных при распознавании образов. М.: Наука. 1984.

47. Лукашевич И.П., Мачинская Р.И., Фишман М.Н. Структурная организация медицинской информации «ЭЭГ-ЭКСПЕРТ» // Математические методы в технике и технологиях (ММТТ-2000): Сб. тр. 13-й Междунар. науч. конф. Т.4. Секции 5, 7. СПб.: 2000. С.154-157.

48. Лукашевич И.П., Сыркин А.Л. Проблема получения и передачи медицинских знаний // Компьютерная хроника. 1994. №8-9. С.39-43. '

49. Макаров И.М. Теория выбора и принятия решений. М.: Наука, 1987. 350 с.

50. Марьянник Б.В. Метод виртуальных статистик и его применение в, партнерских системах для компьютерной диагностики // Компьютерная хроника. 1996. №5. С.65-74.

51. Материалы Решения Коллегии Министерства здравоохранения Российской Федерации Протокол № 12 от 25.06.02

52. Методические указания «Факторы группы риска и профессиональная пригодность кандидатов, поступающих на службу в органы внутренних дел», М., 1999.28 с. ,

53. Методы оценки функциональных резервов организма человека / Г.А. Квашнина, Я.О. Мун, В.М. Усков, В.И. Федянин // Системы ( жизнеобеспечения и управления в чрезвычайных ситуациях: межвуз. сб: науч. тр. Воронеж: ВГТУ, 2006. 4.2. С. 4-8

54. Мирошник Е.В., Веселков А.Ф. Оценка уровня адаптации сотрудника в профессиональной среде // Кадровый вестник, №8, 2003., С. 5658.

55. Мулен Э. Кооперативное принятие решений: аксиомы и модели. М: Мир, 1991.464 с.

56. Мун Я.О., Склярова Т.П. Психологическая адаптация субъекта в экстремальной ситуации // Интеллектуализация управления в социальных и< экономических системах: труды Всерос. конф. Воронеж, 2005. С. 187-188. i

57. Мягких Н.И, Шутко Г.В. Основные методы профессионального психологического отбора в органах внутренних дел Российской Федерации, Пермь, 2003. 258 с.

58. Осипов Г.С., Назаренко Г., Малаховский Д., Комаров С. SIMER: система для исследования понятийной структуры предметной области / Сб. тр. первого междунар. семинара: Проблемы и применение искусственного интеллекта. София: Техника. 1987.

59. Осипов Г.С. Инструментарий для экспертных систем. Технология SIMER+MIR // Программные продукты и системы. 1990. №3. С. 23-32.

60. Осипов Г.С. Информационные технологии, основанные на знаниях //Новости искусственного интеллекта. 1993. №1. С. 1-41.

61. Осипов Г.С. Построение моделей предметных областей. 4.1. Неоднородные семантические сети // Известия АН СССР. Техн. кибернетика. 1990. №5. С. 32-45.

62. Отраслевой стандарт "Протоколы ведения больных. Общие положения" № 91500.09.0001-1999.I

63. Переверзев-Орлов B.C. Советчик специалиста. Опыт разработки партнерской системы. М.: Наука. 1990.

64. План развития здравоохранения Российской Федерации принят в марте 2001 года на заседании расширенной коллегии Минздрава России.

65. Поспелов Д.А. Метафора, образ и символ в познании мира // Новости искусственного интеллекта. 1998. №1.

66. Поспелов Д.А. Прикладная семиотика и искусственный интеллект // Программные продукты и системы. 1996. №3. С. 10-13.

67. Поспелов Д.А. Ситуационное управление: Теория и практика. М : Наука, 1988.288 с.

68. Поспелов Д.А., Литвинцева Л.В. Как совместить левое и правое? // Новости искусственного интеллекта. 1996. №2. С. 66-71.

69. Р. Дуда, П. Харт Распознавание образов и анализ сцен. М.: Мир. 1976,511 с.142 , ,111

70. Растригин JI.A., Эренштейн P.X. Коллектив алгоритмов для,| ,1.'обобщения алгоритмов решения задач. Известия АН СССР. Техническая 1 кибернетики, 1978, №2, С. 116-119. , f '

71. Ригельман Р. Как избежать врачебных ошибок. КнигаIпрактикующего врача. М.: Практика. 1994. '

72. Сборник научных и практических работ. Новые лечебно-диагностические технологии в медицине. Старый Оскол, 2002. 220 с.

73. Сборник научных трудов под ред. Кочеткова А.Г. Аспекты адаптации. Н.Новгород, 2001. 200 с.

74. Склярова Т.П. Роль профессионального психологического отбора в,| , !, профилактике дезадаптации среди личного состава ОВД. / Материалы '' j> I

75. Всеросс. науч.-практ. конф. «Состояние и актуальные проблемь1 1 ( профессионального психологического отбора в органах внутренних дел'I

76. Российской Федерации», М., 2003. С. 48-49.

77. Склярова Т.П., Струк Ю.В. Моделирование и алгоритмизация '' !iпроцессов диагностики и прогнозирования состоянии дезадаптации в 1 экспертной практике профотбора кандидатов на службу в системах МВД и' МЧС / Вестник ВГТУ, Т.2, №4, 2006. С. 20-23. • !

78. Собчик Л.Н. Стандартизированный многофакторный метод! , исследования личности СМИЛ / Л.Н. Собчик. СПб.: Речь, 2000. 219 с. 1 '' !

79. Тарасов В.Б. Моделирование психических образов: как совместить дискретное и непрерывное? // Новости искусственного интеллекта. 1998. №3. С. 86-100.

80. Уотерман Д. Построение экспертных систем. М.: Мир, 1987. 240 с.

81. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1987.230 с.

82. Файнзильберг JI.C. Байесова схема принятия коллективных решений в условиях противоречий // Проблемы управления и информатики. 2002. №3. С. 112-122.

83. Финн В.К. Интеллектуальные системы: проблемы их развития и социальные последствия // Будущее искусственного интеллекта. М.: Наука. 1991. С. 157-177.

84. Финн В.К. Об интеллектуальных системах автоматизированной поддержки научных исследований // НТИ. Сер.2. 1996. №5-6. С. 1-2.

85. Финн В.К. Правдоподобные выводы и правдоподобные рассуждения // Итоги науки и техники. Теория вероятностей. Математическая статистика. Теоретическая кибернетика. М.: ВИНИТИ. 1988. Т.28. С. 3-84.

86. Фоминых И.Б. Интеграция логических и образных методов! отражения информации в системах // Новости искусственного интеллекта. 1998. №3. С. 76-85.

87. Фуремс Е.М., Гнеденко JI.C. STEPCLASS система извлечения экспертных знаний и проведения экспертизы для решения диагностических задач // НТИ. Сер. 2. 1996. № 9. С. 16-20.

88. Хай F.A. Как избежать потерь смысла на пути от содержательного; знания к автоматизированной экспертной системе // Вопросы применения' экспертных систем. Минск: 1988. С. 53-61.

89. Черняховская М.Ю. Представление знаний в экспертных системах!! медицинской диагностики. Владивосток: Институт автоматики и процессов управления ДВНЦ АН СССР. 1983.

90. Чирков А.В. Когнитивная графика. Истоки и развитие // Науч. сессия МИФИ-2000: Сб. науч. тр. Т.З. М.: 2000. С. 77-78.

91. Шаров С.А. О математических моделях когнитивных механизмов!! //В сб. «Обработка текста и когнитивные технологии» / Под ред. В.Д. Соловьева. Пущино. 1999. С. 222-232.

92. Энциклопедия кибернетики. Киев: Главная редакция УСЭ, 1974. Т.1. 640 с.

93. Юрьевиц А.Ж., Аверьянов B.C., Виноградов О.В. Адаптация к профессиональной деятельности. // Физиология трудовой деятельности. Под ред. В.И. Медведева. СПб., 1993. С. 209-283.

94. Янковская А.Е. Тестовые распознающие медицинские экспертные системы с элементами когнитивной графики // Компьютерная хроника. 1994.:! № 8-9. С. 61-83.

95. Янковская А.Е., Гедике А.И. Построение прикладных интеллектуальных систем на базе системы ЭКСАПРАС // Тез. докл. III конф. по ИИ. Т. 2. Тверь: НИИ "Центрпрограммсистем" 1992. С. 82-85.

96. Azar F.S. Multiattribute Decision-Making: Use of three scoring methods to compare the perfomance of imaging techniques for breast cancer ' detection. // Technical Report MS-BE-00-01, MS-CIS-00-10. Dept. of BioEngineering. U. of Penn. 2000. P. 1-24.i:

97. Bagui SC., Pal N.R. A multistage generalization of the rank nearest 1ineighbor classification rule// Pattern Recognition Letters, 1995. V. 16.- No. 6.- P. 601-614.

98. Berikov, V.B. A priori estimates of recognition quality for discrete features. Pattern Recognition and Image Analysis, Vol. 12, N 3, 235-242/2002.

99. Berikov, V.B. An approach to the evaluation of the performance of a. discrete classifier. Pattern Recognition Letters. Vol. 23 (1-3), 227-233. 2002.I

100. Bozinovski S., Jankovski L., Naumova M: MEXYS: an expert system!ffor psychiatric diagnosis based on the MMPI // Proc. MELECON'85. ;I

101. Mediterranen Electrotechn. Conf., Madrid, Oct.1985. Vol.1. Amsterdam. 1985. P.' ' 243-246.

102. Breiman; L., Friedman, J., Olshen, R. and Stone, С Classification and Regression Trees. Wadsworth International, California. 1984.

103. Bronzino J.D. The Biomedical Engineering Handbook. Second Edition, IEEE Press, 2000.

104. Chandrasekaran В., Mittal S., Smith J.W. MDX and related medicaljdecision-making systems // Proc. IJCAI-81. 1981. P. 1055.i

105. Chandrasekaran В., Mittal S., Smith J.W. RADEX towards a computer-based radiology consultant // Pattern Recognition in Practice / E.S.Gelsema and L.N.Kanal (eds.). North-Holland Publ. Co. 1980. P.463-477.

106. Chang L.Ch., Tou J.T. Medics a medical knowledge system // IEEE Trans. Syst., Man and Cybern. 1984. Vol.14. N.5. P. 746-750.

107. Chatfield C. Model Selection, Data Mining and Model Uncertainty. // Proceedings of the 18th International Workshop on Statistical Modelling. 2003, Leuven. Belgium. P. 79-84

108. Cho S.B.,Kim J.H. Multiple network fusion using fuzzy logic// IEEE Transactions on Neural Networks. 1995. V. 6. No. 2. P. 497-501.

109. Cohen P., Day D., Delisio J. et al. Management of uncertainty intVimedicine // 6 Annu. Int. Phoenix Conf. Comput. and Common, Scottsdale, Ariz., Conf. Proc. Washington. 1987. P. 501-506.

110. Davis R., Buchanan B.G., Shortliffe E.H. Production rules asirepresentation for a knowledge-based consultation program // Artif. Intell. 1977. V0I.8.N.I.P. 15-45.

111. Fieschi M., Joubert M., Fieschi D. et al. SPHINX: A production rules expert system for medical consultations // MEDINFO'83: Proc. 4th World Conf. Med. Inf. Pt.l. Amsterdam. 1983. P. 503-506.

112. Fries J.F. Time-oriented patient records and a computer databank // J. Amer. Med. Ass. 1972. Vol.222. P. 1536-1542.

113. Ganascia J.C. Explanation facilities for diagnosis systems // Cybernetics and Syst. Res. Amsterdam e.a. 1984. Vol.2. P. 805-810.

114. Gercone N., McCalla G. Artificial intelligence. Underlying assumptions!1and basic objectives // J. Amer. Soc. for Inform. Science. 1984. Vol.35. N.5. P. 280-290.

115. Hashem S., Schmeiser B. Improving model accuracy using optimal linear combinations of trained neural networks// IEEE Transactions on Neural Networks, 1995. V.6. No. 3. P. 792-794.

116. Heiser J.F., Brooks R.E., Ballard G.P. Progress report: A computerized psychopharmacology advisor // Proc. Eleventh Colloquium Intern. Neuro-Psychopharmacol. Vienna, Austria. 1978.

117. Hertzberg-Todd M., Tremblay G.F., Lam Ch.F. Computer-assisted localization of nervous system injuries // Comput. and Biomed. Res. 1987. Vol.20. N.5. P. 489-496.

118. Ho Т.К., Hull J.J., Srihari S.N. Decision combination in multiple classifier systems//IEEE Transactions on Pattern Analysis and Machine Intelligence, 1994.- V.16.- No. 1, 1994, P. 66-75.

119. Jackson A.M. Prognosis of Intravesical Baccilus Calmette -Guerrin Therapy for Superficial Bladder Cancer by Immunological Urinary Measurements:r

120. Statistically Weighted Syndromes Analysis // Journal of Urology. 1998. vl59, pp. 1054-1063.

121. Kimura F., Shridhar M Handwritten numerical recognition based on multiple algorithms// Pattern Recognition, 1991.- V. 24.- No. 10.- P. 969-983.

122. Kinney E.L. Expert system detection of drug interactions: Results in consecutive inpatients // Comput. and Biomed. Res. 1986. Vol. 19. N.5. P.462-467.

123. Lesmo L., Marzuoli M., Molino G., Torasso P. An expert system forithe evaluation of liver functional assessment // J. Med. Syst. 1984. Vol.8. N.l-2. P. 87-101.

124. Masarie F.E., Miller R.A., Myers J.D. INTERNIST-I properties: Representing common sense and good medical practice in a computerized medical knowledge base // Comput. and Biomed. Res. 1985. Vol.18. N.5. P. 458-479.

125. Miller P.L., Blumenfruchi S.J., Black H.R. An expert system which critiques patient workup: modelling conflicting expertise // Comput. and Biomed. Res. 1984 Vol.17. N.6. P. 554-569.

126. Mulsant В., Servan-Schreiber D. Knowledge engineering: A daily activity on a hospital ward // Comput. and Biomed. Res. 1984. Vol. 17. P. 71-91.

127. On combining classifiers / J. Kittler, M. Hatef, R.P.W. Duin, J. Matas// IEEE Transactions on Pattern Analysis and Machine Intelligence. 1998. № 20. P., 226-239.

128. Politakis P., Weiss S.M. Using empirical analysis to refine expert system knowledge bases // Artif. Intell. 1984. Vol.22. N.l. P. 23-48.

129. Pranke J., Mandler E. A Comparison of Two Approaches for Combining the Votes of Cooperating Classiflers//Proceedings 11-th IAPR International Conference on Pattern Recognition, 1992. V. 2. P. 611-614.

130. Reggia J.A., Nau D.S., Wang P.Y. Diagnostic expert systems based on a set covering model // Intern. J. Man Machine Stud. 1983. Vol.19. P. 437-460.

131. Ryazanov V.V. Recognition Algorithms Based on Local Optimality Criteria // Pattern Recognition and Image Analysis: 1994. Vol.4. №.2. P. 98-109.

132. Schwan H.P. Biomedical Engineering. A 20th Century Interscience.I

133. Journal of International Federation for Medical & Biological Engineers. Vol. 37,i1999.

134. Senko O.V. The Method of Dependencies Description with the Help of Optimal Multistage Partitioning // Proceedings of the Conference С SIT, Yerevan, Armenia, 2001, pp. 167-169.

135. Senko O.V., Kuznetsova A.V., Echin A. The method of data analysis dased on partitioning. // Proceedings in Comput. Statistics. Short Commun. and Posters. COMPSTAT. 2000, P. 259-260.

136. Shortliffe E.H. Computer-based medical consultations: MYCIN.'i

137. Elsevier North Holland Inc. 1976.i

138. Szolovits P., Pauker S.G. Categorial and probabilistic reasoning in medical diagnosis // Artif. Intell. 1978. Vol.11. N.l-2. P. 115-144.

139. T. Niblett, I. Bratko. Learning decision rules in noisy domains. Expert Systems 86 Conf., Brighton, 15-18 Dec. 1986 In Developments in Expert Systems (ed. M. Bramer) Cambridge Univ. Press, 1986.

140. Thompson W.B., Johnson P.E., Moen J.B. Recognition-based diagnostic reasoning / Proc. 8th Int. Joint Conf. Artif. Intell. Karlsruhe, 1983. Vol.1. LosAltos, Calif. 1983. P. 236-238.I

141. Weiss S.M., Kulikowski C.A. Developing microprocessor based expert models for instrument interpretation // Proc. IJCAI-81. 1981. P. 853-855.

142. Woods K.S., Bowyer K., Kergelmeyer W.P. Combination of multiple classifiers using local accuracy estimates// Proc. of the IEEE Computer Vision and Pattern Recognition Conf. (CVPR'96), San Francisco, Ca, USA. 1996. P. 391-396.

143. Xiang Z., Srihari S.N., Shapiro S.C., Chulkow J.G. Analogical and propositional representations of structure in neurological diagnosis // Proc. of the First Conf. On Artif. Intell.Appl. IEEE Comput. Soc. 1984.

144. Xu L., Krzyzak A., Suen C.Y. Methods of combining multiple' classifiers and their applications to handwriting recognition// IEEE Trans. SMC,1992. V. 22. No. 3. P. 418-435.

145. Yu V.L., Buchanan B.G., Shortliffe E.H. et al. Evaluating the perfomance of the computer-based consultant // Comput. Biomed. 1979. V.9. N.l. P. 95-102.

146. Zadeh L.A. Discussion: Probability theory and fuzzy logic are complementary rather than competitive // Technometrics. 1995. Vol.37. N.3. P. 271-276.