Методы решения задач распознавания образов комбинированного типа
Диссертация
В процессе интеллектуального анализа информации объект обычно рассматривается как некая система признаков. Часть из них поступает человеку через его рецепторы (зрение, слух, осязание), часть проявляет себя во взаимодействии с другими объектами (измеряется приборами), часть может быть выведена (объем предмета через длины его сторон). От правильного выбора системы учитываемых свойств в общем случае… Читать ещё >
Список литературы
- Айвазян, С.А. Прикладная статистика: Классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин. -Москва: Финансы и статистика, 1989. 607 с.
- Айвазян, С.А. Прикладная статистика: Основы моделирования и первичная обработка данных / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. -Москва: Финансы и статистика, 1983. — 471 с.
- Аркадьев, А.Г. Обучение машины классификации объектов / А. Г. Аркадьев, Э. М. Браверманн. Москва: Наука, 1971. — 192 с.
- Боровков, А.А. Математическая статистика / А. А. Боровков. -Новосибирск: Наука, 1997. 772 с.
- Вапник, В.Н. Теория распознавания образов / В. Н. Вапник, А. Я. Червоненкис. Москва: Наука, 1974. — 415 с.
- Витяев, Е.Е. Извлечение знаний из данных. Компьютерное познание. Модели когнитивных процессов / Е. Е. Витяев. Новосибирск: Издательство НГУ, 2006. — 293 с.
- Воронин Ю.А. Введение в теорию классификаций / Ю. А. Воронин. -Новосибирск, 1982. 194 с.
- Горелик, А.Л. Современное состояние проблемы распознавания / А. Л. Горелик, И. Б. Гуревич, В. А. Скрипкин. Москва: Радио и связь, 1985. — 160 с.
- Жук, Е. Е. Устойчивость в кластер анализе многомерных наблюдений / Е. Е. Жук, Ю. С. Харин. Минск: Белгосуниверситет, 1998. — 240 с.
- Журавлев, Ю.И. Распознавание: Математические методы. Программная система. Практические применения / Ю. И. Журавлев, В. В. Рязанов, О. В. Сенько. Москва: Фазис, 2006. — 176 с.
- Забродин, В.Н. О критериях естественности классификаций / В. Н. Забродин // НТИ, сер.2, 1981. — № 8. — С. 92−112.
- Загоруйко, Н.Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. Новосибирск: Издательство И. М., 1999. — 270 с.
- Загоруйко, Н.Г. Методы распознавания и их применение / Н. Г. Загоруйко.- Москва: Сов. Радио, 1972. 208 с.
- Ивахненко, А.Г. Применение принципа самоорганизации для объективной кластеризации изображений, системного анализа и долгосрочного прогноза / А. Г. Ивахненко // Автоматика. 1986. — № 1. С. 5−11.
- Колмогоров, А.Н. «К вопросу о пригодности найденных статистическим путем формул прогноза»/ А. Н. Колмогоров // Заводская лаборатория. 1933. -№ 1. — С. 164−167.
- Котюков, В.И. Формирование решающих правил / В. И. Котюков // Вычислительные системы. Новосибирск, 1971. — Вып.44. — С. 37−48.
- Красилов, В.А. Нерешенные проблемы теории эволюции / В. А. Красилов.- Владивосток: Изд-во ДВГУ, 1986. 138 с.
- Лапко, А.В. Непараметрические системы обработки информации / А. В. Лапко, С. В. Ченцов. Москва: Наука, 2000. — 352 с.
- Лбов, Г. С. Построение дерева разбиений в задаче группировки объектов с использованием логических функций / Г. С. Лбов, Т. М. Пестунова // Анализ данных в экспертных системах: Вычислительные системы. Новосибирск, 1986.-Вып. 117. С. 63−77.
- Лбов, Г. С. Логические решающие функции и вопросы статистической устойчивости решений / Г. С. Лбов, Н. Г. Старцева. Новосибирск: Издательство ИМ., 1999.-212 с.
- Мазуров, В.Д. Метод комитетов в распознавании образов / В. Д. Мазуров // Метод комитетов в распознавании образов. Свердловск: Изд. УО АН СССР, 1974.-С. 10−40.
- Миленький, А.В. «Классификация сигналов в условиях неопределенности / А. В. Миленький. Москва: Советское радио, 1975. — 328 с.
- Раудис, Ш. Ю. Об определении объема обучающей выборки линейного классификатора / Ш. Ю. Раудис // Вычислительные системы. Новосибирск, 1967.-Вып.28.-С. 79−88.
- Себестиан, Г. С. Процессы принятия решений при распознавании образов/ Г. С. Себастиан. Киев: Техника, 1965. — 151 с.
- Смирнов, Е.С. Таксономический анализ / Е. С. Смирнов. Москва: МГУ, 1969.-352 с.
- Ту, Д. Принципы распознавания образов / Дж. Ту, Р. Гонсалес. Москва: Мир, 1978.-411 с.
- Фу, К. Последовательные методы в распознавании образов и обучении машин / К. Фу. Москва: Наука, 1971. — 256 с.
- Фукунага К. Введение в статистическую теорию распознавания образов / К. Фукунага. Москва: Наука, 1979. — 367 с.
- Шлезингер, М. Десять лекций по статистическому и структурному распознаванию /М. Шлезингер, В. Главач. Киев: Наукова Думка, 2004. — 548 с.
- Шлезингер, М.И. О самопроизвольном разделении образов / М. И. Шлезингер // Читающие автоматы и распознавание образов: сб. науч. трудов -Киев: Наукова думка, 1965. С. 46−61.
- Battiti, R. Using Mutual Information for Selecting Features in Supervised Neural Net Learning / Battiti R. // IEEE Trans. Neural Networks. 1994. — vol. 5, no. 4.-P. 537−550.
- Boser, E. A training algorithm for optimal margin classifiers / E. Boser, I.M. Guyon, V.N. Vapnik // 5th Annual ACM Workshop on COLT. Pittsburgh, 1992. -P. 144−152.
- Dempster, A. Maximum likelihood from incomplete data via the EM algorithm / A. Dempster, N. Laird, D. Rubin // Journal of the Royal Statistical Society, Series B. 1977. — Vol. 39(1). — P. 1−38.
- Dy, J.G. Feature Subset Selection and Order Identification for Unsupervised Learning / J.G. Dy, C.E. Brodley // Proc. 17th Int’l Conf. Machine Learning. 2000. — P. 247−254.
- Everitt, B.S. Cluster analysis. Third edition. / B. Everitt. London: Edvard Arnold, 1993.- 170 pp.
- Fukunaga, K. A criterion and an algorithm for grooping data / K. Fukunaga, W.L.G. Koontz // IEEE Trans. Сотр., С-19. 1970. — P. 917−923.
- Gennari, J.H. Models of incremental concept formation / J.H. Gennari, P. Langeley, D. Fisher// Artificial Intelligence 40. 1989. — P. 11 -61.
- John, G. Irrelevant features and the subset selection problem / G. John, R. Kohavi, K. Pfleger // Machine Learning: Proc. Of the 11-th Int. Conf. Morgan Kaufmann, 1994. — P.121−129.
- Kim, Y. Feature Selection in Unsupervised Learning via Evolutionary Search / Y. Kim, W. Street, F. Menczer // Proc. Sixth ACM SIGKDD Int’l Conf. Knowledge Discovery and Data Mining. -2000. P. 365−369.
- Kira, K. The Feature Selection Problem: Traditional Methods and a New Algorithm / K. Kira, L. Rendell // Proc. 10th Nat’l Conf. Artificial Intelligence (AAAI-92). 1992. — P. 129−134.
- Kohavi, R. Wrappers for Feature Subset Selection / R. Kohavi, G.H. John // Artificial Intelligence. 1997. — vol. 97, nos. 1−2. — P. 273−324.
- Kwak, N. Input Feature Selection by Mutuallnformation Based on Parzen Window / N. Kwak, C.-H. Choi // IEEE Trans. Pattern Analysis and Machine Intelligence. 2002. — vol. 24, no. 12. — P. 1667−1671.
- Law, M.H.C. Simultaneous Feature Selectio and Clustering Using Mixture Models / M.H.C. Law, M.A.T. Figueiredo, A.K. Jain // IEEE Trans. Pattern Analysis and Machine Intelligence. 2004. — vol. 26, no. 9. — P. 1−13.
- MacQueen J. «Some methods for classification and analysis of multivariate observations / J. MacQueen // Proceedings of the 5th Berkley Symposium on Mathematical Statistic and Probability. University of California Press, 1967. -Vol.1.-P. 281−297.
- Merill, T. On the effectiveness of receptors in recognition systems / T. Merill, О. M. Green // IEEE Trans. Inform. Theory. 1963. — Vol. IT-9. — P. 11−17.
- Michalski, R.S. Machine Learning and Data Mining, Methods and Applications / R. S. Michalski, I. Bratko, M. Kubat. N.Y.: John Wiley & Sons, 1998.-472 pp.
- Mitra, P. Unsupervised Feature Selection Using Feature Similarity / P. Mitra, C.A. Murthy // IEEE Trans. Pattern Analysis and Machine Intelligence. 2002. -Vol. 24, No. 3. — P. 301−312.
- Niemann, H. Pattern analysis and understanding / H. Niemann. Springer-Verlag, 1990. 371 pp.
- Pawalk, Z. Rough sets: preset state and the future / Z. Pawalk // Foundations of Computing and Decision Sciences. 1993. — Vol. 18(3−4). — P. 157−166.
- Robnik-Sikonja, M. Theoretical and Empirical. Analysis of ReliefF and RReliefF / M. Robnik-Sikonja, I. Kononenko // Machine Learning. 2003. — Vol. 53. -P. 23−69.
- Sahami, M. Using Machine Learning to Improve Information Access / M. Sahami // PhD thesis, Computer Science Dept., Stanford Univ. 1998. — 240 p.
- Siedlecki, W. «On automatic feature selection / W. Siedlecki, J. Sklansky // Int. Journal of Patt. Rec. and Art. Intel. 1988. — Vol. 2 (2). — P. 179−220.
- Siedlecki, W. A note on genetic algorithms for large-scale feature selection"/ W. Siedlecki, J. Sklansky // Pattern Recognition Letters. 1989. — Vol.10. — P. 335 347.
- Thrun, S.B. The Monk’s problems: A performance comparison of different learning algorithms / S. B. Thrun et al. // Technical Report CMU-CS-91−97. -Carnegie Mellon University, 1991. 112 pp.
- Watanabe, M.S. Knowing and Guessing: Formal and Qualitative Study/ M.S. Watanabe. N.Y.: John Wiley, 1969. 267 pp.
- Xu, L. Best first strategy for feature selection / L. Xu, P. Yan, T. Chang // 9-Int. Conf. on Patt. Rec. IEEE Сотр. Society Press, 1989. — P. 706−708.
- Борисова, И.А. Естественная классификация / И. А. Борисова, Н. Г. Загоруйко // Интеллектуальный анализ информации. Сборник трудов российско-украинского научного семинара, Киев, 19−21 мая 2004 г. Киев: Просвгга, 2004. — С. 33 — 42.
- Zagoruiko, N.G. Principles of natural classification / N.G. Zagoruiko, I.A. Borisova // Pattern Recognition and Image Analysis. Germany: Springer Verlag GmbH, 2005. — vol 15, № 1. — P.27 — 29. Принципы естественной классификации.
- Борисова, И.А. Использование FRiS-функции для построения решающего правила и выбора признаков(задача комбинированного типа DX) / И. А. Борисова, В. В. Дюбанов, Н. Г. Загоруйко, О. А. Кутненко // Знания. Онтологии.
- Теории. Материалы Всероссийской Конференции, Новосибирск, 2007. -Новосибирск, 2007. том 1. — С. 37−44.
- Борисова, И.А. Функция конкурентного сходства в задаче таксономии / И. А. Борисова, Н. Г. Загоруйко // Знания. Онтологии. Теории. Материалы Всероссийской Конференции, Новосибирск, 2007. Новосибирск, 2007. — том 2. — С. 67−76.
- Борисова, И.А. Алгоритм таксономии FRiS-Tax / И. А. Борисова // Научный вестник НГТУ Новосибирск: Изд-во НГТУ, 2007. — № 3. — С. 3−12.
- Борисова, И.А. Критерии информативности и пригодности подмножества признаков, основанные на функции сходства / И. А. Борисова, Н. Г. Загоруйко, О. А. Кутненко // Заводская лаборатория. Диагностика материалов. Москва, 2008. — № 1, том 74. — С. 68−71.
- Борисова, И.А. Задачи комбинированного типа в интеллектуальном анализе данных»/ И. А. Борисова, Н. Г. Загоруйко // Сборник научных трудов научной сессии МИФИ-2008. Москва, 2008. — том 10. — С. 209−210.