Адаптивная система классификаторов МГУА

Нина Владимировна Кондрашова, Павлов Александр Владимирович, Андрей Владимирович Павлов, Владимир Анатольевич Павлов

Аннотация


Показано, что модели самоорганизации, построенные обобщенным релаксационным итерационным алгоритмом (ОРИА), являются наиболее точными при проверке классификаторов на новых данных. Максимальная точность классификации зависит от целевой выборки, вида модели и внешнего критерия МГУА и состава системы классификаторов. Известный многорядный алгоритм с комбинаторной селекцией обобщенных переменных (МАКСО), имеет более гибкую настройку точности на рабочей выборке по сравнению с ОРИА, но гораздо меньшее быстродействие при решении задачи классификации.


Ключевые слова


обобщенный релаксационный итерационный алгоритм (ОРИА); многорядный алгоритм с комбинаторной селекцией обобщенных переменных (МАКСО)

Полный текст:

PDF

Литература


1. Ivakhnenko, A. G., Stepashko, V. S. (1985). Pomehoustojchivost' modelirovanija [Simulation noise immunity]. Kyiv, USSR :Naukova dumka, 214.

2. Stevens, S. S. (1946). On the Theory of Scales of Measurement. Science, 2684 (103), 677–680.

3. Kondrashova, N. V., Pavlov, V. A., Pavlov, A. V. (2013). Reshenie zadachi medicinskoj diagnostiki linejnym diskriminantnym analizom i MGUA [Problem solution of medical diagnosis by linear discriminant analysis and GMDH]. USiM, 244 (2), 79–88.

4. Yenyukov, I. S. (Ed.) (1989). Faktornyj, diskriminantnyj i klasternyj analiz [Factorial, Discriminant and Cluster analyses]. Moscow, USSR : Finance and Statistics, 215.

5. Sarychev, A. P. (1991). Diskriminantnyj analiz s obuchajushhimi i proverochnymi podvyborkami nabljudenij [Discriminant analysis with training, and check the subsample of observations]. Avtomatika, 2, 55–59.

6. Sarychev, A. P. (2008). Reshenie zadachi diskriminantnogo analiza v uslovijah strukturnoj neopredelennosti na osnovanii MGUA [Problem solution of discriminant analysis in the conditions of structural uncertainty based on GMDH]. Problemy upravleniya i informatiki, 3, 100–112.

7. Sarychev, A. P., Sarycheva, L. V. (2010). GMDH-Based Criterion for Optimal Set Features Determination in Nonlinear Discriminant Analysis. Proc. of 3d International Conference on Inductive Modeling, ICIM’2010. Yevpatoria (Ukraine), 40–43.

8. Ivakhnenko, A. G. (1971). Sistemy jevristicheskoj samoorganizacii v tehnicheskoj kibernetike [Systems of heuristic self-organization in technical cybernetics]. Kyiv, USSR, Tehnika, 364.

9. Klecka, W. R. (1980). Discriminant analysis. Quantitative Applications in the Social Sciences Series, Thousand Oaks, CA: Sage Publications. http://dx.doi.org/10.4135/9781412983938

10. Sarychev, A. P. (1988). Iteracionnyj algoritm MGUA dlja sinteza razdeljajushhej funkcii v zadache diskriminantnogo analiza [Iterative GMDH algorithm for synthesis separating function in problem of discriminant analysis]. Avtomatika, 2, 20–24.

11. Pavlov, O. V. (2006). Algorytmy samoorganizacii' v zadachah pidvyshhennja informatyvnosti geometrychnyh modelej procesiv, zadanyh tochkovym karkasom [Algorithms for self-organization in problems of increasing informativity geometric models for the processes specified with help of points framework]. Kyiv, 197.

12. Pavlov, A. V. (2011). Obobshhjonnyj relaksacionnyj iteracionnyj algoritm MGUA [Generalized relaxation iterative algorithm of GMDH]. Inductive Modelling of complex Systems. Kyiv: IRTC IT&S, 2, 95–108.

13. Kondrashova, N. V., Pavlov, V. A., Pavlov, A. V. (2006). Mnogorjadnyj algoritm veernyh reshenij [Multilayered algorithm of fan solutions]. herald National Technical Univ. ’KPI’. Informatics, Management and Computer Science, 45, 218–227.


Пристатейная библиография ГОСТ


1. Ивахненко, А. Г. Помехоустойчивость моделирования [Текст] / А. Г. Ивахненко, В. С. Степашко. – К.: Наукова думка, 1985. – 214 с.

2. Stevens, S. S. On the Theory of Scales of Measurement [Text] / S. S. Stevens // Science. – 1946. – Vol. 2684, Issue 103. – р. 677–680.

3. Кондрашова, Н. В. Решение задачи медицинской диагностики линейным дискриминантным анализом и МГУА [Текст] / Н. В. Кондрашова, В.А. Павлов, А.В. Павлов // УСиМ. – 2013. – № 2. – С. 79–88.

4. Ким, Дж.-О. Факторный, дискриминантный и кластерный анализ: Пер. с англ. [Текст] / Дж.-О. Ким, Ч. У. Мьюллер, У. Р. Клекка и др.; под ред. И. С. Енюкова. – М.: Финансы и статистика, 1989. – 215 с.

5. Сарычев, А. П. Дискриминантный анализ с обучающими и проверочными подвыборками наблюдений [Текст] / А. П. Сарычев // Автоматика. – 1991. – № 2. – С. 55–59.

6. Сарычев, А. П. Решение задачи дискриминантного анализа в условиях структурной неопределенности на основании МГУА [Текст] / А. П. Сарычев // Проблемы управления и информатики. – 2008. – № 3. – С. 100–112.

7. Sarychev, A. P. GMDH-Based Criterion for Optimal Set Features Determination in Nonlinear Discriminant Analysis [Text] : proc. of 3d intern. conf. ICIM’2010 / A. P. Sarychev, L. V. Sarycheva // Inductive Modeling. Yevpatoria, (Ukraine), 2010. – P. 40-43.

8. Ивахненко, А. Г. Системы эвристической самоорганизации в технической кибернетике [Текст] / А. Г. Ивахненко. – К.: Техніка, 1971. – 364 с.

9. Klecka, W. R. Discriminant Analysis [Text] / W. R. Klecka – // Quantitative Applications in the Social Sciences. – Thousand Oaks, CA: Sage Publications, 1980. http://dx.doi.org/10.4135/9781412983938 

10. Сарычев, А. П. Итерационный алгоритм МГУА для синтеза разделяющей функции в задаче дискриминантного анализа [Текст] / А. П. Сарычев // Автоматика. – 1988. – № 2. – С. 20–24.

11. Павлов, О. В. Алгоритми самоорганізації в задачах підвищення інформативності геометричних моделей процесів, заданих точковим каркасом [Текст] : дис. ...канд. техн. наук / О. В. Павлов. — К., 2006. — 197 с.

12. Павлов, А. В. Обобщённый релаксационный итерационный алгоритм МГУА [Текст] : зб. наук. праць / А. В. Павлов // Індуктивне моделювання складних систем. – Київ: МННЦІТС НАНУ, 2011. – С. 95–108.

13. Кондрашова, Н. В. Многорядный алгоритм веерных решений [Текст] / Н. В. Кондрашова, В. А. Павлов, А. В. Павлов // Вісник Національного технічного університету України „КПІ”. Інформатика, управління та обчислювальна техніка. – 2006. – № 45. – С. 218–227.





DOI: https://doi.org/10.15587/2313-8416.2014.27392

Ссылки

  • На текущий момент ссылки отсутствуют.




Copyright (c) 2014

Creative Commons License
Эта работа лицензирована Creative Commons Attribution 4.0 International License.

ISSN 2313-8416 (Online), ISSN 2313-6286 (Print)