Череповецкое высшее военное инженерное училище радиоэлектроники
Российская Федерация, 162600, Вологодская обл., г. Череповец, Советский пр., 126
Аннотация. В статье рассмотрены варианты формирования классификаторов нештатных кризисных ситуаций на основе комбинации фасетного и иерархического подходов к классификации добытой при мониторинге информации с применением методов факторного, дискриминантного и кластерного анализа.
Ключевые слова: нештатнаяситуация; мониторинг, кризис, классификация, информация, анализ, фасетный метод, иерархический метод, дескрипторный метод, дискриминантный, факторный и кластерный анализ.
| П |
роблема обеспечения военной безопасности Российской Федерации связана с объективной оценкой состояния различных военно-политических угроз и кризисных ситуаций (КС) [1; 7; 8]. Как известно военно-политические угрозы формируются в результате взаимодействия различных военно-политических сил отдельных государств, их коалиций, партий, националистических группировок, родовых кланов, религиозных течений, классов и т.д., располагающих военной силой и готовых применить ее в политических целях. При невозможности разрешении противоречий политического характера мирными средствами эти структуры используют военную силу, и прогнозируемая обстановка становится угрожающей [2; 3], т.е.возникает кризисная ситуация с возможным перерастанием её в военный (вооруженный) конфликт (ВК). Поэтому огромную роль [4; 6] играет изучение предпосылок возникновения КС и ВК и необходимость анализа ситуации конкретно взятого региона с целью недопущения ее обострения обусловливает изучение социально-экономических, политических, религиозных факторов, действующих норм права и государственного строя и т.д. Т.е. должен быть организован непрерывный мониторинг и качественная достоверная классификация добытой средствами мониторинга информации.
Полная совокупность апостериорной информации о развитии процессов, происходящих в районах КС (ВК), получаемая от системы радиомониторинга, подлежит обязательной классификации в ситуационном центре мониторинга КС и ВК (СЦМ) для последующего принятия решения о возможных вариантах (сценариях) прогнозирования процессов, происходящих в районе мониторинга.
В условиях постоянного роста объема разноплановой фактической и статистической информации, относящейся к кризисным явлениям и ситуациям, объективной необходимостью является требование совершенствования информационной работы со сведениями о прогнозируемых кризисных ситуациях, причем одним из основных направлений такой работы является создание классификатора кризисных ситуаций [6].
Целью данной статьи является рассмотрение наиболее перспективных подходов к классификации, добытой средствами радиомониторинга, информации о КС и ВК и созданию классификатора КС (ККС).
Создание ККС весьма актуально, т.к. это позволит систематизировать знания в области анализа КС и создать предпосылки для перехода на более высокий качественный уровень практического применения результатов теоретических исследований в области прогнозирования КС.
При данных условиях существует необходимость обобщения методологического и понятийного аппарата, а также разработки научно-методологических основ классификации кризисных ситуаций в зависимости от различных признаков.
Теория классификации быстро развивается, а классификация информации в аспекте прогнозирования КС и ВК тщательно изучается как западными военными теоретиками и практиками, так и отечественными специалистами [5; 7].
Для решения задачи формирования ККС предлагается:
1. Систематизировать существующий понятийный и методологический аппарат классификации КС.
2. Выбрать методы проведения анализа и классификации информации о КС.
3. Определить объекты классификации КС.
4. Определить основные признаки классификации КС.
5. Сформулировать ограничения и допущения, которые позволят решить поставленную задачу, не изменяя его физического и оперативного содержания.
На первом этапе исследований рассматриваются основные категории, касающиеся классификации КС в аспекте причин их возникновения.
Основная цель и главная полезная функция классификации – обеспечить однозначное установленное место для каждого из классифицированных объектов. Эта функция должна одинаково эффективно выполняться при двух основных видах использования классификации это размещении нового объекта в массиве, который классифицируется, и нахождении конкретного объекта в этом массиве.
Такое требование требует особой тщательности при выборе принципов и оснований логического распределения, которые должны однозначно пониматься как человеком, что наполняет классификатор новыми объектами, так и тем, кто разыскивает нужный объект в классифицированном массиве.
Развитие современного общества породило огромное разнообразие кризисных ситуаций.
Если КС представить как неопределенную сложную систему, то в соответствии с теорией сложных систем [3] кризис должен рассматриваться как сложное, комплексное явление, охватывающее систему. В качестве его важнейших признаков выступают: сфера проявления кризиса, масштабы кризиса, степень охвата объекта или процесса, длительность, факторы порождения, характер поражения системы, характер разрушения, характер действующих причин, последствия для общества и др.
Развитие современного общества и геостратегической реальности породило огромное разнообразие кризисных ситуаций и военных конфликтов, ориентировочная классификация которых может быть представлена следующим образом:
1. Сфера проявления кризиса: экономическая, экологическая, социальная, политическая, этническая, кризис культуры, идеологическая, духовная, моральная.
2. Масштабность кризиса и степень охвата сторон объекта или процесса по сложности и многоаспектности: глобальные, национальные, региональные, локальные, моноаспектные, полиаспектные, комплексные макрокризисные, микрокризисные.
3. Длительность существования: краткосрочные, среднесрочные, долгосрочные, сверхдолгосрочные.
4. Порождающие факторы: внутренние, внешние, смешанные, генетические, организационные, функциональные, структурные.
5. Действующие причины: циклические, случайные, взрывные, замирающие.
6. Возможные последствия: инновационные, разрушающие, консервирующие.
7. По характеру проявления и степени управляемости: предсказуемые (закономерные), неожиданные (случайные), явные, скрытые (латентные), управляемые и неуправляемые.
На следующем этапе формирования ККС выбирается метод классификации добытых, средствами радиомониторинга, данных.
Анализ работ [5; 7; 8] позволяет сделать вывод, что основными методами проведения классификации информации при создании ККС являются: иерархический метод классификации, фасетный метод классификации и дескрипторный метод классификации.
Иерархический метод предполагает последовательное разделение всего множества на подчиненные подмножества с постепенной конкретизацией объекта классификации (рис. 1). При этом основанием деления служит некоторый выбранный признак. Совокупность получившихся группировок при этом образует иерархическую структуру в виде ветвящего графа, узлами которого являются группировки. Выбор последовательности признаков при создании ККС зависит, прежде всего, от характера добытой средствами радиомониторинга информации.
Рисунок 1. Иерархический метод классификации информации
Основными преимуществами иерархического метода является большая информационная ёмкость, традиционность и привычность применения, возможность создания для объектов классификации мнемонических кодов, несущих смысловую нагрузку.
Значительным недостатком иерархической классификации является слабая гибкость структуры, обусловленная фиксированным основанием деления и заранее установленным порядком следования, не допускающим включение новых объектов и классификационных группировок. Таким образом, при изменении состава объектов классификации и характеристик с помощью классификационных задач, требуется коренная переработка всей классификационной схемы.
Фасетный метод подразумевает параллельное разделение множества объектов на независимые классификационные группировки (рис. 2). При этом не предполагается жёсткой классификационной структуры и заранее построенных конечных группировок. Классификационные группировки образуются путём комбинации значений, взятых из соответствующих фасетов. Последовательность расположения фасетов при образовании классификационной группировки задается фасетной формулой. Количество фасетных формул определяется возможными сочетаниями признаков.
Рисунок 2. Фасетный метод классификации информации
Основным преимуществом классификации с использованием фасетного метода является гибкость структуры её построения. Изменения в любом из фасетов не оказывают существенного влияния на все остальные. Большая гибкость обуславливает хорошую приспособляемость классификации к меняющемуся характеру решаемых задач, для которых она создается. При фасетной классификации появляется возможность агрегации объектов и осуществления информационного поиска по любому сочетанию фасетов.
В настоящее время для характеристики различных сложных процессов широко используются методы многомерного статистического анализа. В работе [7] для обобщения и классификации данных предлагается использовать методы многомерной статистики, такие как факторный анализ, дискриминантный анализ и кластерный анализ. Указанные методы позволяют определять скрытые, неявные закономерности, объективно существующие в изучаемых ситуациях, но не поддающихся непосредственному измерению.
Методом факторного анализа можно подтвердить существующую научную гипотезу или сформулировать некоторую новую гипотезу на основе большого объема наблюдений по выделенным существенным компонентам [5; 7]. В связи с тем, что КС относятся к плохо определяемым ситуациям, целесообразно использовать данный метод в решении задачи создания ККС.
Поскольку под фактором в [8] понимается математическая величина, получаемая на основе наблюдений, то методом факторного анализа наиболее успешно решаются следующие задачи классификации:
· отыскание скрытых, но объективно существующих закономерностей, которые определяются воздействием внутренних и внешних причин на изучаемый процесс;
· сжатие информации путем описания процессов при помощи общих факторов, число которых значительно меньше количества первоначально взятых признаков;
· выявление и изучение статистической связи признаков с факторами; лицо принимающее решение после выявления признаков, наиболее тесно связанных с данными факторами, может выработать научно обоснованное управляющее решение, способное повысить эффективность функционирования процесса;
· прогнозирование хода развития процесса на основе уравнения регрессии; уравнение регрессии, построенные при помощи результатов, полученных в факторном анализе, обладают значительными преимуществами перед классическим регрессионным анализом.
Основным преимуществом факторного анализа является то, что данный метод делает возможным выдвижение дифференцированных гипотез о структуре взаимосвязи переменных и факторов, не задаваясь этой структуры заранее и не имея о ней никаких сведений. Эта структура находится по результатам наблюдений.
Метод дискриминантного анализа является статистическим методом, позволяющим при классификации изучать различия между двумя и более группами объектов по нескольким переменным одновременно. Дискриминантный анализ помогает выявлять различия между группами и дает возможность классифицировать объекты по принципу максимального сходства.
Классификация объектов по осмысленным группам – кластеризация – является важной процедурой в области исследований различных ситуаций. «Кластерный анализ» – это общее название множества вычислительных процедур, используемых при создании классификатора. В результате работы с процедурами образуются «кластеры» или группы очень похожих объектов. Более точно, кластерный метод – это многомерная статистическая процедура, выполняющая сбор данных, содержащих информацию о выборке объектов, и затем упорядочивающая объекты в сравнительно однородные группы [7].
Кластерный анализ при создании ККС способен выполнить четыре основные задачи:
1) Разработку типологии или классификации.
2) Исследование полезных концептуальных схем группирования объектов.
3) Порождение гипотез на основе исследования данных.
4) Проверку гипотез или исследования для определения, действительно ли типы (группы), выделенные тем или иным способом, присутствуют в имеющихся данных.
Наиболее важным заключительным этапом при создании ККС, а также для обеспечения удобной закрытой и более эффективной обработки информации, является этап кодирования информации. Под кодированием понимается [8] присвоение кода классификационной группировке или объекту классификации. Кодирование предназначено для формализованного описания наименований различных аспектов данных.
Классификационная система кодирования ориентирована на проведение предварительной классификации объектов, либо на основе иерархической системы, либо на основе фасетной системы. Она включает в себя последовательный, параллельный, порядковый и серийно-порядковый методы кодирования.
При последовательном методе кодирования в кодовом обозначении знаки на каждой ступени деления зависят от результатов разбиения на предыдущих ступенях (рис. 3). В результате кодовое обозначение группировки дает информацию о последовательности признаков, характеризующих эту группировку.
Данный метод подходит иерархическому методу классификации и обеспечивает слаженность кодов, четкое выделение классификационного признака, автоматическое получение результатов нескольких степеней.
Рисунок 3. Кодирование информации по принципу «вид-класс-подкласс-тип»
При параллельном методе признаки классификации кодируются независимо друг от друга определенными разрядами или группой разрядов кодового обозначения.
Метод параллельного кодирования чаще всего используется при фасетной классификации, но иногда применяется также и в иерархической классификации. При этом либо соподчиненные признаки, обладая полной однородностью, располагаются параллельно во всех звеньях иерархической цепи, либо несоподчиненные параллельные признаки искусственно устанавливаются в определенной последовательности.
Порядковый метод кодирования состоит в том, что каждый из объектов множества кодируется с помощью текущего номера по порядку. Обеспечивает простоту добавления новых объектов и краткость кода, однако такой код не несёт никакой информации об объекте. Используется в случаях, когда не требуется сложного деления на множества.
В серийно-порядковом методе кодами служат числа натурального ряда с закрепленной отдельной серией этих чисел за объектами классификации с одинаковыми признаками. Чаще всего используется для идентификации объектов в сочетании с классификационным методом.
* * *
В данной статье рассмотрены наиболее перспективные подходы к классификации, добытой средствами радиомониторинга информации о КС. Основными методами классификации апостериорного множества добытой информации, полученной в ходе радиомониторинга, являются иерархический и фасетный метод. Классификация априорного множества информации о процессах КС, осуществляется при помощи факторного, дискриминантного и кластерного анализа.
Литература
1. Богатырев Э.Я., Макиев Ю.Д., Малышев В.П. Анализ методов военно-политического прогнозирования. Том 3, 2013, № 2(5). С. 25-31.
2. Ефремов А.В., Серебряков Ю.И., Ганиев А.Н., Жаворонков С.А. Подход к формализации кризисной ситуации при радиомониторинге. // М.: Успехи современной радиоэлектроники. «Радиотехника». 2017. № 9. С. 94-98.
3. Ефремов А.В., Серебряков Ю.И., Жаворонков С.А., и др. Элементы моделирования и прогнозирования особых ситуаций кризисных зон. // М.: Наукоемкие технологии. «Радиотехника». 2016. № 12. С.51-56.
4. Жилин П.А., Брюля Р., Собчак К. Государства НАТО и военные конфликты. М.: Наука, 1987. 312 с.
5. Иберла К. Факторный анализ / Пер. с нем. Ивановой В.М. М.: Статистика 1980. 398 с.
6. Карякин В.В. Современные кризисы и конфликты: особенности, сценарии развития и предотвращения. // М.: Оборона и безопасность. 2014, № 4(25) С. 136-151.
7. Подберезкин А.И., Боришполец К.П. Некоторые аспекты анализа военно-политической обстановки. М.: МГИМО-Университет, 2014 г. 874 с.
8. Серебряков Ю.И., Шишков А.И., Ганиев А.Н., Жаворонков С.А. Современная гибридная война – новая геостратегическая реальность. // Череповец: Научная мысль. ЧВВИУРЭ. 2017. №3(25). Т.1 С. 102-108
9. Факторный, дискриминантный и кластерный анализ / Ким Дж. О., Мьюллер Ч. У., Клекка У. Р. и др. // М.: Финансы и статистика, 1989. 215 с.
10. Философский словарь / Под ред. И. Т. Фролова. [4-е изд.]. М.: Политиздат, 1981. 445 с.
References
1. Bogatyrev E.Ya., Makiev Yu.D., Malyshev V.P. Analysis of methods of military-political forecasting. Volume 3, 2013, No. 2 (5). Pp. 25-31.
2. Efremov A.V., Serebryakov Yu.I., Ganiev A.N., Zhavoronkov S.A. Approach to the formalization of the crisis situation with radio monitoring. // M.: Advances in modern radio electronics. "Radio engineering". 2017. No. 9. P. 94-98.
3. Efremov A.V., Serebryakov Yu.I., Zhavoronkov S.A., etc. Elements of modeling and forecasting of special situations of crisis zones. // М.: High technology. "Radio engineering". 2016. No. 12. P.51-56.
4. Zhilin P.A., Bruhl R., Sobchak K. NATO states and military conflicts. Moscow: Nauka, 1987. 312 p.
5. Iberla K. Factor analysis. with him. Ivanova V.M. M.: Statistics 1980. 398 p.
6. Karyakin V.V. Modern crises and conflicts: features, scenarios for development and prevention. // Moscow: Defense and Security. 2014, No. 4 (25) pp. 136-151.
7. Podberezkin A.I., Borishpolets K.P. Some aspects of the analysis of the military-political situation. Moscow: MGIMO-University, 2014 874 p.
8. Serebryakov Yu.I., Shishkov A.I., Ganiev A.N., Zhavoronkov S.A. The modern hybrid war is a new geostrategic reality. // Cherepovets: Scientific thought. ChVVIURE. 2017. №3 (25). T.1 P. 102-108
9. Factor, discriminant and cluster analysis / Kim JO, Mueller Ch.W., Klekka U.R., etc. // Moscow: Finance and Statistics, 1989. 215 p.
10. Philosophical dictionary / Ed. I.T. Frolova. [4 th ed.]. Moscow: Politizdat, 1981. 445 p.