Разработка и исследование методов кластерного анализа слабоструктурированных данных
Диссертация
Rosenblatt Frank (персептрон) Breiman L., Friedman J.H., Olshen R.A., Stone C.T., Quinlan J.R. (деревья решений) и отечественные ученые: Айвазян С. А., Айзерман М. А., Браверман Э. М. (метод потенциальных функций), Розоноэр Л. И., Вапник В. Н., Червоненкис А. Я. (статистическая теория распознавания). Ю. И. Журавлев (алгебраическая теория распознавания) и др. Вопросами классификации… Читать ещё >
Список литературы
- Журавлев Ю.И., Рязанов В. В., Сенько О. В. Распознавание. Математические методы. Программная система. Практические применения. — М.: Фазис, 2005. — 159 с.
- Хачумов М.В. Задача кластеризации текстовых документов. — Информационные технологии и вычислительные системы, № 2, 2010, с.42−49.
- Петровский А.Б. Модель оценки кредитоспособности владельцев кредитных карт по противоречивым данным. — Искусственный интеллект, Т. 2.— Донецк, Украина: Наука i освгга, 2004, с. 155−161.
- Харламов A.A. Нейросетевой подход к интегрированному представлению и обработке информации в интеллектуальных системах. Автореферат диссертации на соискание ученой степени доктора технических наук. — М.: 2009. — 31 с.
- Osipov G. Strategies for Stabilization Behaviour of Intelligent Dynamic Systems. Proc. of 20th European Meeting on Cybernetics and Systems, Vienna, 2010, pp. 195−197.
- Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. М.: Издательский дом «Вильяме», 2003 — 864 с.
- Петровский А.Б. Пространства множеств и мультимножеств. М.: УРСС, 2003. -248 с. — http://www.raai.org/about/persons/petrovsky/pages/Petrovsky2003.pdf
- Inaba M., Imai.H. Geometric clustering for multiplicative mixtures of distributions in exponential families. — Proceedings of the 12th Canadian Conference on Computatational Geometry, 2001, pp. 195−196.
- Pferschy U., Rudolf R., Woeginger G.J. Some geometric clustering problems. Nordic journal of computing, Volume 1, Issue 2, 1994, pp. 246−263.
- Ostrovsky R., Rabani Y. Polynomial time approximation schemes for geometric k-Clustering. Proceedings of the IEEE Symposium on Foundations of computer science, November-July 2000−2001.
- Sun J., Yao Y., Huang X., Pande V., Carlsson G., Guibas L. A fast geometric clustering method on conformation space of biomolecules. http ://thames.cs.rhul. ac.uk/~fionn/old-articles/Survey of hierarchical clustering algorithms. pdf
- Still S., Bialek W., Bottou L. Geometric clustering using the information Bottleneck method. http://www.princeton.edu/~wbialek/ourpapers/still+al04.pdf
- Миркес E.M. Нейроинформатика. Учебное пособие. Красноярск: Издательство Красноярского государственного технического университета, 2003. -http://www.softcraft.ru/neuro/ni/p00.shtml
- Журавлев Ю.И. Об алгебраических методах в задачах распознавания и классификации. Распознавание. Классификация. Прогноз. Математические методы и их применение. Вып. 1. — М.: Наука. 1989, с. 9−16.
- Журавлев Ю.И., Гуревич И. Б. Распознавание образов и распознавание изображений, Распознавание, классификация, прогноз. Математические методы и их применение. Вып. 2. -М.: Наука, 1989, с. 5−72.
- Методы дискриминантного анализа. http://knowledge.allbest.ru/emodel/d-3c0b65625b3ac68a5d43a88421306c37.html
- Саутин С.Н., Пунин А. Е., Савкович-Стеванович Е. Методы искусственного интеллекта в химии и химической технологии Л.: Издательство ЛТИ, 1989. — 96 с.
- Айзерман М.А., Браверман Э. М., Розоноэр Л. И. Метод потенциальных функций в теории обучения машин. М.: Наука, 1970. -384 с.
- Каштан Р. Основные концепции нейронных сетей. М.: Издательский дом «Вильяме», 2001. -288 с.
- Хайкин С. Нейронные сети: полный курс. М.: Издательский дом «Вильяме», 2006 -1104 с.
- Суффиксные деревья, http://algolist.manual.ru/search/lrs/suffix.php,
- Suffix Trees in Python, http://hkn.eecs.berkeiev.edu/~dvoo/python/suffix trees/
- Алгоритм классификации на основе суффиксных деревьев. http://nigma.ru/index menu. php?action=clickmenu&menuelement=cluster
- Sartaj Sahni. Data Structures, Algorithms, & Applications in Java Suffix Trees, 1999. -http://www-pub.cise.ufl.edu/~sahni/dsaai/enrich/cl6/suffix.htm
- Тулупьев A.Jl., Николенко С. И., Сироткин A.B. Байесовские сети. Логико-вероятностный подход. СПб.: Наука, 2006. — 607 с.
- Колмогоров, А. Н., Фомин, С. В. Элементы теории функций и функционального анализа. М.: ФИЗМАТЛИТ, 2004. — 572 с.
- Ackerman M.R. Algorithms for the Bregman k-Median Problem. A dissertation submitted to the Department of Computer Science University of Paderborn, 2009.-220 p.
- Беккенбах Э., Беллман P. Неравенства. -M.: Мир, 1965. 276.
- Mahalanobis Distance. http://classifion.sicyon.com/References/Mdistance.pdf
- Амелькин С.А., Захаров А. В., Хачумов В. М. Обобщенное расстояние Евклида-Махаланобиса и его свойства. Информационные технологии и вычислительные системы, № 4, 2006, с. 40−44.
- Grudic G., Mulligan J. Outdoor Path Labeling Using Polynomial Mahalanobis Distance, Robotics: Science and Systems II, 2006. -http://www.roboticsproceedings.org/rss02/p20.pdf
- Хорн P., Джонсон Ч. Матричный анализ. M.: Мир, 1989. -655 с
- Осипов Г. С. Лекции по искусственному интеллекту М.:КРАСАНД, 2009. — 272 с.
- Загоруйко Н.Н. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Института математики, 1999. — 270 с.
- Sloane N.J.A., Hardin R.H., Duff T.S., Conway J.H. Minimal-Energy Clusters. http://www.research.att.com/~njas/cluster/index.html
- Hardin R.H., Sloane N.J.A., Smith W.D. Tables of Spherical Codes with Icosahedral Symmetry, http://www.research.att.com/~njas/icosahedral.codes/index.html
- Атаманов В.В., Козачок М. А., Трушков В. В., Хачумов М. В. Выбор первоначального расположения кластеров в нейронной сети Кохонена. -Нейрокомпьютеры: разработка и применение, № 1, 2009, с.73−76.
- Хачумов М.В. Расстояния, метрики и кластерный анализ. Искусственный интеллект и принятие решений, № 1, 2012, с. 81−89.
- Трушков В.В., Хачумов В. М. Определение ориентации объектов в трехмерном пространстве. — Автометрия, № 3, 2008, с.75−79.
- Ивахненко. А. Г. Индуктивный метод самоорганизации моделей сложных систем. Киев: Наукова Думка, 1981 — 296 с.
- Паклин Н. Алгоритмы кластеризации на службе Data Mining. -http://www.basegroup.ru
- Петровский А.Б. Кластерный анализ объектов с противоречивыми свойствами http://www.raai.org/resurs/papers/kii-2006/doklad/Petrovsky.doc
- Алгоритмы кластерного анализа, http://www.dea-analvsis.ru/clustering-5.htm
- Методы кластерного анализа. Итеративные методы. -http://www.intuit.ru/department/database/datamining/14/datamining14.html
- Круглов В.В., Борисов В. В. Искусственные нейронные сети. Теория и практика. -М.: Горячая линия Телеком, 2001. -382 с.
- Кириченко К. М, Герасимов М. Б. Обзор методов кластеризации текстовой информации. http://www.dialog-21.ru/Archive/2001/volume2/226.htm
- Обобщенные методы кластерного анализа (программа STATISTICA) -http://www.spc-consulting.ru/DMS/intro cl. htm
- Орлов А.И. Эконометрика. Учебник. М.: Издательство «Экзамен», 2002. 576 с. -http://www.aup.ru/books/ml53/
- Андреев A.M., Березкин Д. В., Морозов В. В., Симаков К. В. Автоматическая классификация текстовых документов с использованием нейросетевых алгоритмов и семантического анализа. -http://www.inteltec.ru/publislVarticles/textan/RCDL2003.shtml.
- Коровкин П. П. Неравенства. М., 1983. 56 с.
- Беккенбах Э., Беллман Р. Неравенства. М.: Ком Книга, 2007. -276 с.
- Математические этюды. Задача Томсона — http://www.etudes.ru/ru/mov/mov009/
- Андреев H.H., Юдин В. А. Экстремальные расположения точек на сфере. -Математическое просвещение (третья серия), 1997, вып.1, с. 115−121. -http://www.etudes.ru/ru/mov/mov009/i2115125.pdf.
- Андреев H.H. Минимальный дизайн 11 порядка на трехмерной сфере. -Математические заметки, Т. 67, Вып.4, апрель, 2000, с. 489−497.
- Андреев H.H. Расположение точек на сфере с минимальной энергией. Труды Математического института им. В. А. Стеклова РАН, 1997, Т. 219, с. 27−31.
- Ежов A.A., Шумский С. А. Нейрокомпьютинг и его применения в экономике и бизнесе. Оптимизация с помощью сети Кохонена. -http://www.intuit.rU/department/expert/neurocomputing/6/4.html
- Борисов Е.С. Кластеризатор на основе нейронной сети Кохонена. -http://mechanoid.narod.ru/nns/kohonen/index.html
- Ежов A.A., Шумский С. А. Нейрокомпьютинг и его применения в экономике и бизнесе. Оптимизация и сеть Хопфилда. -http://www.intuit.rU/department/expert/neurocomputing/6/2.html
- Тищенко И.П. Алгоритмическое и программное обеспечение мультипроцессорных систем для распознавания графических образов на основе нейросетевого подхода,. Автореферат канд. дисс.: Переславль-Залесский, 2009. — 24 с.
- Мазуров В.Д. Метод комитетов в задачах оптимизации и классификации. М.: Наука, 1990.
- Хачай М.Ю. О вычислительной сложности задачи о минимальном аффинном разделяющем комитете. «Математические методы распознавания образов (ММРО-12)», доклады 12-ой Всероссийской конференции. — М.: ВЦ РАН, 2005. С.226−229.
- Дубров A.M. Обработка статистических данных методом главных компонент. М.: Финансы и статистика, 1978. -135 с.
- Кузин JI.T. Основы кибернетики. Т.1. Математические основы кибернетики -М.: Энергия, 1973.-504 с.
- Метод опорных векторов. http://ru.wikipedia.org/wiki/SVM
- Толмачев И.Л., Хачумов М. В. Бинарная классификация на основе варьирования размерности пространства признаков и выбора эффективной метрики. -Искусственный интеллект и принятие решений, № 2, 2010, с. 3−10.
- Талалаев A.A., Тищенко И. П., Хачумов M.B. Выделение и кластеризация текстовых и графических элементов на полутоновых снимках. Искусственный интеллект и принятие решений, № 3, 2008, с.72−84.
- Чернышев Ю. О, Яценко Д. В. Применение алгоритмов нейронных сетей для оптимизации функции поиска в гипертекстовых гетерогенных распределенных базах данных. http://pitis.tsure.ru/filesl0/rls2.pdf
- Дударь З.В., Шуклин Д. Е. Семантическая нейронная сеть, как формальный язык описания и обработки смысла текстов на естественном языке. -http://www.shuklin.com/ai/ht/ru/ai00001 f. aspx
- Лагиева М.М., Хачумов В. М., Шабалов Д. В. Метод построения линий положения для идентификации полутоновых изображений. Автометрия, 1991, N6, с.7−12.
- Мажуга В.В. Контроль и диагностика биологических систем на основе интеллектуального анализа данных. Диссертация на соискание степени магистра прикладной математики и информатики. — М.:РУДН, 2011. — 65 с.
- Талалаев A.A. Особенности архитектуры параллельной программной системы распознавания графических образов на основе искусственных нейронных сетей. -Нейрокомпьютеры: разработка и применение, № 9, 2008, с.43−51.
- Параллельная программная система для распознавания графических образов на основе искусственных нейронных сетей (ППС ИНС). — Свидетельство о государственной регистрации программы для ЭВМ № 2 010 610 208 от 11 января 2010 г.