[Текст] / А. В. Лапко [и др.]. - [Б. м. : б. и.], 1999. - Б. ц.
Перевод заглавия: An elaboration of a theoretical foundation of an optimal synthesis and analysis of multilevel nonparametric systems of classification.
Перевод заглавия: An elaboration of a theoretical foundation of an optimal synthesis and analysis of multilevel nonparametric systems of classification.
Аннотация: Созданы теоретические основы оптимального статистического<BR>синтеза и анализа многоуровневых непараметрических систем<BR>классификации, обеспечивающих обход проблем больших выборок<BR>и рациональное использование априорных сведений при решении<BR>задач распознавания образов. В рамках нового научного<BR>направления разработаны статистические модели комплекса<BR>развивающихся систем с дискретным временем по данным<BR>повторяющихся реализаций динамики их параметров, включая<BR>пространственно распределённые процессы развития. Предложен<BR>и обоснован оригинальный рандомизированный подход<BR>определения коэффициентов размытости непараметрических<BR>решающих правил, использующий идею их случайного выбора.<BR>Исследованы асимптотические свойства статистических оценок<BR>вероятностных показателей эффективности изучаемого класса<BR>систем, определена зависимость их скоростей сходимости от<BR>параметров структуры и объёма обучающих выборок. На этой<BR>основе построены доверительные границы непараметрических<BR>решающих функций и критерии оценивания показателей их<BR>эффективности в условиях ограниченных выборок.<BR>Результаты исследований реализованы в виде интеллектуальной<BR>информационной технологии автоматизации проектирования<BR>многоуровневых непараметрических систем классификации в<BR>среде визуального программирования Delphi для IBM<BR>совместимых компьютеров. Опубликованы монографии<BR>"Многоуровневые непараметрические системы принятия решений",<BR>"Имитационные модели пространственно распределённых<BR>экологических систем", подготовлена и cдана в издательство<BR>книга "Непараметрические системы классификации", защищены<BR>три кандидатских и докторская диссертации.
A theoretical foundation of an optimal synthesis and<BR>analysis of multilevel nonparametric systems of<BR>classification were elaborated, which provide a bypass<BR>of large samples problems and a rational using of an<BR>a priori information in a decision of pattern<BR>recognition tasks. In a new scientific framework<BR>statistical models of a developing system complex with<BR>a discrete time by the data of repeating measurements<BR>of their parameters dynamics, including spatially<BR>distributed development processes. An original<BR>randomised approach to a determination of fuzzifying<BR>coefficients of non-parametric decision rules, which<BR>used an idea of their random sampling, was proposed<BR>and proved. Asymptotic properties of statistical<BR>estimates of probabilistic efficiency indices of a<BR>studied systems class were investigated. Their degree<BR>of convergence dependence of their structure<BR>parameters and a training samples size was determined.<BR>On this basis confidence limits of non-parametric<BR>decision functions and estimation criteria of their<BR>efficiency indices were constructed in the conditions<BR>of limited samples.<BR>Investigation results are realised as an intelligent<BR>computer technology for a designing of the multilevel<BR>nonparametric systems of classification. It was<BR>realised in the Delphi visual programming environment<BR>for IBM compatible
computers.<BR>Monographs "Nonparametric systems of classification"<BR>and "Imitation models of spatially distributed<BR>ecological systems" was prepared and is in the press,<BR>three kandidat and one doctor dissertations were<BR>defended.
РИНЦ Держатели документа: Институт вычислительного моделирования СО РАН (ИВМ СО РАН)
Доп.точки доступа: Лапко, А.В.; Lapko A.V.; Юдин, Н.А.; Новоходько, Н.А.; Ченцов, С.В.; Высоцкая, Г.С.
Свободных экз. нет