Сибирский федеральный университет

Перевод названия: An elaboration of a theoretical foundation of an optimal synthesis and analysis of multilevel nonparametric systems of classification.

Тип публикации: отчёт о НИР

Год издания: 1999

Аннотация: Созданы теоретические основы оптимального статистическогоBRсинтеза и анализа многоуровневых непараметрических системBRклассификации, обеспечивающих обход проблем больших выборокBRи рациональное использование априорных сведений при решенииBRзадач распознавания образов. В рамках нового научногоBRнаправления разработаны статистические модели комплексаBRразвивающихся систем с дискретным временем по даннымBRповторяющихся реализаций динамики их параметров, включаяBRпространственно распределённые процессы развития. ПредложенBRи обоснован оригинальный рандомизированный подходBRопределения коэффициентов размытости непараметрическихBRрешающих правил, использующий идею их случайного выбора.BRИсследованы асимптотические свойства статистических оценокBRвероятностных показателей эффективности изучаемого классаBRсистем, определена зависимость их скоростей сходимости отBRпараметров структуры и объёма обучающих выборок. На этойBRоснове построены доверительные границы непараметрическихBRрешающих функций и критерии оценивания показателей ихBRэффективности в условиях ограниченных выборок.BRРезультаты исследований реализованы в виде интеллектуальнойBRинформационной технологии автоматизации проектированияBRмногоуровневых непараметрических систем классификации вBRсреде визуального программирования Delphi для IBMBRсовместимых компьютеров. Опубликованы монографииBR"Многоуровневые непараметрические системы принятия решений",BR"Имитационные модели пространственно распределённыхBRэкологических систем", подготовлена и cдана в издательствоBRкнига "Непараметрические системы классификации", защищеныBRтри кандидатских и докторская диссертации. A theoretical foundation of an optimal synthesis andBRanalysis of multilevel nonparametric systems ofBRclassification were elaborated, which provide a bypassBRof large samples problems and a rational using of anBRa priori information in a decision of patternBRrecognition tasks. In a new scientific frameworkBRstatistical models of a developing system complex withBRa discrete time by the data of repeating measurementsBRof their parameters dynamics, including spatiallyBRdistributed development processes. An originalBRrandomised approach to a determination of fuzzifyingBRcoefficients of non-parametric decision rules, whichBRused an idea of their random sampling, was proposedBRand proved. Asymptotic properties of statisticalBRestimates of probabilistic efficiency indices of aBRstudied systems class were investigated. Their degreeBRof convergence dependence of their structureBRparameters and a training samples size was determined.BROn this basis confidence limits of non-parametricBRdecision functions and estimation criteria of theirBRefficiency indices were constructed in the conditionsBRof limited samples.BRInvestigation results are realised as an intelligentBRcomputer technology for a designing of the multilevelBRnonparametric systems of classification. It wasBRrealised in the Delphi visual programming environmentBRfor IBM compatible computers.BRMonographs "Nonparametric systems of classification"BRand "Imitation models of spatially distributedBRecological systems" was prepared and is in the press,BRthree kandidat and one doctor dissertations wereBRdefended.

• Лапко А.В. (Институт вычислительного моделирования СО РАН (ИВМ СО РАН))
• Юдин Н.А. (Институт вычислительного моделирования СО РАН (ИВМ СО РАН))
• Новоходько Н.А. (Институт вычислительного моделирования СО РАН (ИВМ СО РАН))
• Ченцов С.В. (Институт вычислительного моделирования СО РАН (ИВМ СО РАН))
• Высоцкая Г.С. (Институт вычислительного моделирования СО РАН (ИВМ СО РАН))

• РИНЦ (eLIBRARY.RU)