(57) 1. Способ распознавания сигнала о вторжении в пределы оптоволоконного периметра, выполняемый устройством распознавания сигнала о вторжении в пределы оптоволоконного периметра и включающий
предварительное получение соответственно множества групп сигналов о вторжении, относящихся к известным классам, из контролируемых сигналов системы контроля оптоволоконного периметра и соответствующих результатов классификации;
предварительную обработку соответственно множества групп сигналов о вторжении, относящихся к известным классам, для понижения уровня шума в упомянутом множестве групп сигналов о вторжении, относящихся к известным классам;
сегментацию соответственно множества групп сигналов о вторжении с пониженным уровнем шума, относящихся к известным классам, в результате чего получают множество групп дискретных сегментов сигналов о вторжении из множества групп сигналов о вторжении, относящихся к известным классам, и извлечение соответственно релевантных признаков для упомянутого множества групп дискретных сегментов сигналов о вторжении;
создание модели дерева решений, содержащей множество деревьев решений в соответствии с первым обучающим набором данных, сформированным с использованием множества групп релевантных признаков для множества групп дискретных сегментов сигналов о вторжении, при этом создание модели дерева решений включает
случайную выборку из первого обучающего набора данных с заменой, в результате чего получают множество вторых обучающих наборов данных, при этом каждый из вторых обучающих наборов данных имеет количество входных векторов, равное количеству входных векторов, содержащихся в первом обучающем наборе данных;
создание соответственно множества соответствующих деревьев решений с помощью алгоритма построения дерева решений в соответствии с множеством вторых обучающих наборов данных;
получение сигнала реального времени из контролируемого сигнала системы контроля оптоволоконного периметра;
предварительную обработку упомянутого сигнала реального времени для понижения уровня шума в сигнале реального времени;
определение, является ли сигнал с пониженным уровнем шума сигналом о вторжении;
когда сигнал реального времени с пониженным уровнем шума является сигналом о вторжении, сегментацию сигнала о вторжении с получением дискретных сегментов сигнала из сигнала о вторжении и извлечение соответственно релевантных признаков из сегментов сигнала;
классификацию сигнала о вторжении согласно правилу классификации, которое определено моделью дерева решений, и релевантным признакам, извлеченным из сегментов сигнала, при этом упомянутая классификация включает
последовательную классификацию сигнала о вторжении согласно правилу классификации, заданному каждым деревом решений из множества деревьев решений, и релевантному признаку, извлеченному из сегментов сигнала, в результате чего получают множество соответствующих результатов классификации;
помещение одинаковых результатов классификации из упомянутого множества результатов классификации в одну группу, в результате чего получают по меньшей мере одну группу результатов классификации, подсчет количества результатов классификации в каждой группе результатов классификации соответственно и выбор результатов классификации из группы, имеющей наибольшее количество результатов классификации, в качестве окончательного результата классификации сигнала о вторжении;
при этом одна группа релевантных признаков образует один входной вектор первого обучающего набора данных.
2. Способ по п.1, в котором упомянутое правило классификации, которое определено каждым деревом решений, включает правило классификации на каждом пути от корня дерева решений до листового узла дерева решений и каждое правило классификации включает составное выражение из первой части правила классификации, образованной состояниями атрибутов на каждом пути, и последней части правила классификации, образованной листовым узлом на данном пути.
3. Способ по п.1, в котором в процессе создания каждого из деревьев решений для каждого входного вектора из второго набора обучающих данных для каждого ветвления часть релевантных признаков или все релевантные признаки повторно случайным образом выбирают из всех релевантных признаков входного вектора.
4. Способ по п.1, в котором создание модели дерева решений включает создание дерева решений с использованием алгоритма построения дерева решений в соответствии с первым обучающим набором данных и постобрезку дерева решений, в результате чего получают модель дерева решений.
5. Способ по п.4, в котором создание модели дерева решений дополнительно включает многократное обучение модели дерева решений в соответствии с первым обучающим набором данных для получения наилучшей модели дерева решений.
6. Способ по п.1 или 4, в котором алгоритм построения дерева решений включает алгоритм CART с применением показателя Джини в качестве меры атрибутов ветвления.
7. Способ по п.1, в котором упомянутый релевантный признак включает часть или все из следующего: пиковое стандартное отклонение, дисперсию, асимметрию, эксцесс, количество экстремальных точек и частотные признаки, полученные пакетным вейвлетным разложением.
8. Устройство распознавания сигнала о вторжении в пределы оптоволоконного периметра согласно способу по п.1, включающее
модуль получения сигнала для получения сигнала реального времени из контролируемого сигнала в системе контроля оптоволоконного периметра;
модуль предварительной обработки сигнала для понижения уровня шума в сигнале реального времени и для определения, является ли сигнал реального времени с пониженным уровнем шума сигналом о вторжении;
модуль извлечения признаков для сегментации сигнала о вторжении с получением дискретных сегментов сигнала из сигнала о вторжении, когда сигнал реального времени с пониженным уровнем шума является сигналом о вторжении, и для извлечения соответственно релевантных признаков из сегментов сигнала;
модуль классификации по дереву решений для классификации сигнала о вторжении согласно правилу классификации, которое определено заранее созданной моделью дерева решений, содержащей множество деревьев решений, и релевантным признакам, извлеченным из сегментов сигнала, при этом упомянутая классификация включает последовательную классификацию сигнала о вторжении согласно правилу классификации, заданному каждым деревом решений из множества деревьев решений, и релевантному признаку, извлеченному из сегментов сигнала, в результате чего получают множество соответствующих результатов классификации; и помещение одинаковых результатов классификации из упомянутого множества результатов классификации в одну группу, в результате чего получают по меньшей мере одну группу результатов классификации, подсчет количества результатов классификации в каждой группе результатов классификации соответственно и выбор результатов классификации из группы, имеющей наибольшее количество результатов классификации, в качестве окончательного результата классификации сигнала о вторжении;
причем модуль получения сигнала также выполнен с возможностью предварительного получения множества групп сигналов о вторжении, относящихся к известным классам соответственно из контролируемых сигналов в системе контроля оптоволоконного периметра и соответствующих результатов классификации;
модуль предварительной обработки сигнала также выполнен с возможностью предварительной обработки соответственно множества групп сигналов о вторжении, относящихся к известным классам, для понижения уровня шума в упомянутом множестве групп сигналов о вторжении, относящихся к известным классам;
модуль извлечения признаков также выполнен с возможностью сегментации соответственно множества групп сигналов о вторжении с пониженным уровнем шума, относящихся к известным классам, в результате чего получают множество групп дискретных сегментов сигналов о вторжении из множества групп сигналов о вторжении, относящихся к известным классам, и для извлечения соответственно релевантных признаков для упомянутого множества групп дискретных сегментов сигналов о вторжении; и
модуль классификации по дереву решений также выполнен с возможностью создания модели дерева решений, содержащей множество деревьев решений, в соответствии с первым обучающим набором данных, сформированным с использованием множества групп релевантных признаков для множества групп дискретных сегментов сигналов о вторжении, при этом создание модели дерева решений включает случайную выборку из первого обучающего набора данных с заменой, в результате чего получают множество вторых обучающих наборов данных, при этом каждый из вторых обучающих наборов данных имеет количество входных векторов, равное количеству входных векторов, содержащихся в первом обучающем наборе данных; и создание соответственно множества соответствующих деревьев решений с помощью алгоритма построения дерева решений в соответствии с множеством вторых обучающих наборов данных;
при этом одна группа релевантных признаков образует один входной вектор первого обучающего набора данных.
9. Устройство по п.8, в котором упомянутое правило классификации, которое определено каждым деревом решения, включает правило классификации на каждом пути от корня дерева решений до листового узла дерева решений и каждое правило классификации включает составное выражение из первой части правила классификации, образованной состояниями атрибутов на каждом пути, и последней части правила классификации, образованной листовым узлом на данном пути.
10. Устройство по п.8, в котором в процессе создания каждого из деревьев решений для каждого входного вектора из второго набора обучающих данных для каждого ветвления часть релевантных признаков или все релевантные признаки повторно случайным образом выбирают из всех релевантных признаков входного вектора.
11. Устройство по п.8, в котором создание модели дерева решений включает создание дерева решений с использованием алгоритма построения дерева решений в соответствии с первым обучающим набором данных и постобрезку дерева решений, в результате чего получают модель дерева решений.
12. Устройство по п.11, в котором создание модели дерева решений дополнительно включает многократное обучение модели дерева решений в соответствии с первым обучающим набором данных для получения наилучшей модели дерева решений.
13. Устройство по п.8 или 11, в котором алгоритм построения дерева решений включает алгоритм CART с применением показателя Джини в качестве меры атрибутов ветвления.
14. Устройство по п.9, в котором упомянутый релевантный признак включает часть или все из следующего: пиковое стандартное отклонение, дисперсию, асимметрию, эксцесс, количество экстремальных точек и частотные признаки, полученные пакетным вейвлетным разложением.
15. Система сигнализации о вторжении в пределы оптоволоконного периметра, включающая
подсистему оптического канала для получения контролируемого сигнала оптоволоконного периметра;
устройство распознавания сигнала о вторжении в пределы оптоволоконного периметра по любому из пп.8-14 для распознавания сигнала о вторжении в контролируемом сигнале и для классификации сигнала о вторжении в контролируемом сигнале;
подсистему сигнализации для формирования соответствующего сигнала тревоги согласно классу сигнала о вторжении, выданному устройством распознавания.

---