Детализация моделей, основанных на нечетких когнитивных картах путем кластеризации и повышения вложенности для сложных концепций

Анализ сложных информационных моделей, построенных на основе любых собранных данных, является непростой задачей. В последние годы появляются и предлагаются новые методологии, направленные на решения различных проблем в данной сфере деятельности, однако все еще имеется потребность в новых, эффективных, удобных для анализа методах предоставления данных и информационного моделирования. В данной работе предлагается метод создания вложенной структуры, основанной на нечетких когнитивных картах. В данном методе каждая концепция может быть представлена в виде другой нечеткой когнитивной карты, за счет кластеризации, что обеспечивает более подробное и точное представление сложных данных и увеличивает удобность и эффективность анализа такой информационной модели. Затем эта вложенная структура оптимизируется путем применения алгоритмов эволюционного обучения. Благодаря применению процесса динамической оптимизации вся вложенная структура, основанная на нечетких когнитивных картах, перестраивается с целью получения важных взаимосвязей между элементами карты на каждом уровне вложенности, а также определения весовых коэффициентов этих взаимосвязей на основе доступных временных рядов. Этот процесс позволяет обнаруживать скрытые взаимосвязи между важными элементами карты. В статье предлагается применение такого вложенного подхода, на примере нечеткой когнитивной карты влияния различных социальных факторов на становление бездомным.