Данилик, В. М.Литвин, В. В.Рибчак, З. Л.Danylyk, V. M.Lytvyn, VasylRybchak, Z. L.2024-04-012024-04-012023-02-282023-02-28Данилик В. М. Методи та засоби визначення об'єктів радіотехнічної розвідки з використанням технологій машинного навчання та онтологічного підходу / В. М. Данилик, В. В. Литвин, З. Л. Рибчак // Український журнал інформаційних технологій. — Львів : Видавництво Львівської політехніки, 2023. — Том 5. — № 1. — С. 92–98.2707-1898https://ena.lpnu.ua/handle/ntb/61562Досліджено методи та засоби визначення об’єктів радіотехнічної розвідки з використанням технологій машинного навчання та онтологічного підходу. Для визначення об’єктів радіотехнічної розвідки використано наївний байесівський класифікатор. Наївний Байесівський класифікатор є алгоритмом машинного навчання, який використовується для класифікації об’єктів на підставі ймовірностей. Встановлено, що наївний Байесівський класифікатор використовується для визначення класів, до яких належать об’єкти радіотехнічної розвідки. Класифікатор використовує історичні дані про властивості об’єктів, щоб визначити ймовірності належності кожного об’єкта до певного класу. Наприклад, на підставі властивостей діапазону робочих частот, тривалості імпульсу, періоду повторення імпульсів та кількості джерел радіовипромінювань можна визначити ймовірність того, що об’єкт належить до певного класу засобів радіотехнічної розвідки. Для задання класів, до яких належать об’єкти радіотехнічної розвідки використано онтологічний підхід. Онтологічний підхід використовують для задання класів об’єктів радіотехнічної розвідки з метою створення ясної та однозначної моделі предметної області. Це дає змогу структурувати знання про об’єкти, їх властивості та взаємозв’язки, що спрощує подальший аналіз даних і дає змогу більш точно класифікувати нові об’єкти. Удосконалено процес класифікації об’єктів у військовій галузі, а саме засобів радіотехнічної розвідки шляхом поєднання методів k-найближчих сусідів, наївного байєсівського класифікатора та онтологічного підходу, що, на відміну від наявних методів, перед застосуванням класифікатора здійснюється кластеризація об’єктів із метою врахування діапазонів, у межах яких визначені ознаки об’єктів. Аналіз вхідних ознак показав, що основними ознаками для визначення засобів радіотехнічної розвідки є: “діапазон робочих частот”; “тривалість імпульсу”; “період повторення імпульсів”; “кількість джерел радіовипромінювань”. Розроблено інформаційну систему класифікації засобів радіотехнічної розвідки, центральною компонентою якої є онтологія засобів радіотехнічної розвідки. Проведено імітаційне моделювання роботи розроблених методів та алгоритмів. Обґрунтовано вибір програмних засобів для реалізації розроблених методів із метою подальшого впровадження на різних платформах. Для реалізації функціонального наповнення системи використано мову програмування JavaScript з використанням бібліотеки JQuery. Проведене моделювання показує задовільний результат розроблених методів та алгоритмів.The article is devoted to the study of methods and means of determining objects of radio technical intelligence using machine learning technologies and an ontological approach. A naіve Bayesian classifier was used to identify objects of radio technical intelligence. The Naive Bayes classifier is a machine learning algorithm used to classify objects based on probabilities. In this article, a naive Bayesian classifier is used to determine the classes to which objects of radio technical intelligence belong. The classifier uses historical data on object properties to determine the probability that each object belongs to a certain class. For example, based on the properties of the operating frequency range, pulse duration, pulse repetition period, and the number of sources of radio emissions, it is possible to determine the probability that the object belongs to a certain class of radio-technical intelligence. An ontological approach was used to specify the classes to which the objects of radio technical intelligence belong. The ontological approach is used to define classes of objects of radio technical intelligence in order to create a clear and unambiguous model of the subject area. This allows you to structure knowledge about objects, their properties, and relationships, which simplifies further data analysis and allows more accurate classification of new objects. The process of classifying objects in the military field, namely radio-technical intelligence, has been improved by combining the methods of k-nearest neighbors, the naive Bayesian classifier, and the ontological approach, which, unlike the existing methods, before applying the classifier, clustering of objects is carried out in order to take into account the ranges within which features of objects are defined. The analysis of input features showed that the main features for determining the means of radio technical intelligence are: “range of working frequencies”; “impulse duration”; “pulse repetition period”; “the number of sources of radio emissions”. An information system for the classification of radio-technical intelligence tools has been developed, the central component of which is the ontology of radio-technical intelligence tools. Simulation modeling of the work of the developed methods and algorithms was carried out. The choice of software tools for the implementation of the developed methods with the aim of further implementation on various platforms is substantiated. The JavaScript programming language using the JQuery library was used to implement the functional content of the system. The conducted simulation shows a satisfactory result of the developed methods and algorithms.92-98ukмашинне навчаннякласифікаціянаївний байесівський класифікаторонтологіяоб’єкти радіотехнічної розвідкиintelligent systemclassificationnatural language processinginformation structuringcommander of tactical unitsmilitary dataArticle© Національний університет “Львівська політехніка”, 20237doi.org/https://doi.org/10.23939/ujit2023.01.092Danylyk V. M. Methods and means of determining objects of radio intelligence using the ontological approach / V. M. Danylyk, Vasyl Lytvyn, Z. L. Rybchak // Ukrainian Journal of Information Technology. — Lviv : Lviv Politechnic Publishing House, 2023. — Vol 5. — No 1. — P. 92–98.