Если проанализировать все математические методы судебного почерковедения, то заметно преобладание методов вероятностно-тртатистического характера.

Меньшее распространение получили методы- измерительно-статистического характера¹, разработке и применению которых посвящены работы В. А. Пошкявичуса [24, 25, 26]. В них за признак почерка автором взяты формы мелких деталей письменных знаков, а также разработаны специальные таблицы, по которым ^определяется мера статистической близости сравниваемых ^почерков, предложены способы метризации. В определенной мере рамками рассматриваемого направления охватываются метод; графического усреднения письменных знаков, графический дисперсионный анализ, метод оптического интегрирования признаков почерка, основанные на начертательной статистике 112,33].

Третье направление по использованию математики в судебном ^почерковедении — кибернетическое. Первые попытки практического использования ЭВМ при производстве почерковедческих экспертиз предприняты математиками В. А. Якубовичем, Б. Н.

¹ Некоторые отличительные черты моделей, используемые в почерковедени требования, предъявляемые к ним, изложены в работе [28, с. 10—11].

² На этот факт обращено внимание в работе [21 ].

Козинцем, В. М. Соколовым и криминалистом Р. М. Ланцманом, которые в 1963 г. на базе Литовского НИИСЭ и ЛГУ разработали алгоритм идентификации исполнителя рукописи [9].

Сущность алгоритма сводится к тому, что после превращения почерка подозреваемых лиц в последовательность чисел (метризации), вводимых в память ЭВМ, они рассматривались как многомерные пространства. Опознание образа происходило путем разделения многомерных пространств плоскостью. В процессе "показа" исследуемого почерка машина размещала его по одну из сторон разделительной плоскости и тем самым относила непосредственно к почерку исполнителя. Основной недостаток этого дихотомического (дифференционного) алгоритма — невозможность-экспертной оценки ответа машины.

Другая разновидность алгоритмов идентификационного типа, отличающихся от дихотомических как по принципу создания, так и по оценке полученных результатов, — алгоритм, разработанный в ЦНИИСЭ в 1966 —1967 гг. А. А. Журавель, Н. В. Трошко, Л. Г. Эджубовым [6]. Машина анализирует почерк каждого подозреваемого лица отдельно и строит гиперплоскость таким образом, что она вычленяет (отсекает) участок многомерной сферы, где расположена зона (область) почерка данного лица.

Несколько отличается алгоритм, основанный на теории статистического анализа и математическом аппарате Р-функций [10]. Основное достоинство алгоритма в том, что он позволяет выражать результаты исследования в абсолютных числах, которые адекватны мере различия сравниваемых почерков. В этом случае у эксперта имеется возможность критически оценивать полученные данные.

Благодаря значительному объему теоретических и экспериментальных исследований доказана принципиальная возможность использования ЭВМ для установления исполнителя исследуемого текста, а также сделан вывод о невозможности создания универсальных алгоритмов решения всех задач почерковедческой экспертизы. Последнее обстоятельство заставило разработчиков пойти по пути создания алгоритмов, которые используются в комплексе с традиционными методиками почерковедческой экспертизы и имеют по отношению к последним вспомогательное значение.

Так, в 1973-75 гг. на базе Литовского НИИСЭ разработаны две системы дифференционных и идентификационных алгоритмов (ДИА и «Прост»). Система ДИА (авторы Г. Ф. Архипов и И. Д. Кучеров) состоит из ряда алгоритмов, реализованных в виде

комплекса специализированных программ на я:.же ФОРТРАН БЭСМ-6 которые образуют целостную структуру с двумя уровнями пешающих правил. В этой системе благодаря органическому сочетанию визуального метода с кибернетическим эксперт имеет возможность анализировать работу ЭВМ на отдельных участках исследования, использовать выдаваемые ЭВМ результаты для своего обоснованного решения и.наглядной демонстрации его обоснованности [1].

Алгоритмическая система «Прост» (авторы А. И. Берзницкас и И. Д. Кучеров) разрабатывалась для изучения малоинформативных объектов (подписи, краткие записи, цифровое письмо). В ее основу положен метод дифференциации, то есть выявления и оценки различий.

Представляется очевидным, что широкое и эффективное использование ЭВМ в почерковедческой экспертизе возможно при условии глубокого, комплексного, теоретического и экспериментального исследования, в результате которого будут изучены почерк и различные его проявления, особенности деятельности эксперта и типичные экспертные ситуации. Совокупность таких данных позволит разработать специализированный аппарат, с помощью которого и будут создаваться алгоритмы решения конкретных почерковедческих задач.

Все методы математического моделирования, применяемые в настоящее время в судебно-почерковедческой экспертизе, в зависимости от характера решаемых с их помощью задач можно дифференцировать на две группы. В основе деления лежит характер математического анализа, используемого при решении экспертных почерковедческих задач, определенные свойства почерковых объектов, особенности подхода при решении задач.

Первую группу составляют методы, применяемые при решении идентификационных задач. Они применяются с целью объективизации самого процесса экспертного исследования, что Достигается путем:

— получения экспертом объективной информации о частоте встречаемости и идентификационной значимости выделенных признаков почерка;

— определения количественных критериев оценки совпадающих • комплексов признаков почерка.

Математические методы, предназначенные для решения идентификационных задач, применяются в комплексе с •Рэдиционной методикой, основанной на качественно-описательном

принципе. Эффективность комплексной методики по сравнению с традиционной значительно выше, так как при этом объективизируются следующие этапы экспертного исследования:

— выделение и выбор признаков;

— сравнительное исследование;

— экспертная оценка.

Вторая группа методов применяется для решения диагностических задач. В результате их использования эксперт получает информацию о личностных свойствах исполнителя рукописи. В основе этой группы методов лежит вероятностно- \ статистический подход к решению задачи, который, как было отмечено ранее, широко применялся для разработки методов, служащих целям идентификации¹.