Автореферат (1137434), страница 4
Текст из файла (страница 4)
В файле JSM_test.cpp (приложение 2.1) функция msetnext_closure_JSM(const mset& X, const Context& K) возвращаетследующую гипотезу в лексикографическом порядке на объемахсоответствующих формальных понятий.3. В файле JSM_test.cpp (приложение 2.1) функция int classify(constvector<mset>& pH, const vector<mset>& nH, const mset& X) возвращает результат классификации X при использовании множества положительных гипотез pH и множества отрицательных гипотез nH.
Данная функция возвращает 1, если результат классификации положителен,−1, если результат классификации отрицателен, и 0, если классификация неопределена.В заключении приведены основные результаты и выводы диссертации.В отличие от классического минимального базиса импликаций, для которого все известные алгоритмы построения имеют экспоненциальную оценкусложности, среднее время работы построения приближенного базиса импликаций полиномиально и оценивается как (| || | · (||| | + | || |) · −1 ),где – минимальный базис импликаций, а – параметр точности приближенного базиса импликаций. Проведенные на реальных данных экспериментыпоказали, что размер приближенного базиса был значительно меньше (иногдав сотни раз).В работе было доказано, что если ̸= , то невозможно найти всеминимальные ДСМ-гипотезы за полиномиальное от размера выхода время.Модель распределенного обучения гипотезам показала значительное сокращение количества гипотез по отношению к числу ДСМ-гипотез в стандартнойпостановке.
Линейный по времени алгоритм вычисления оператора замыканий системы замыканий общих содержаний позволил быстро перечислять всеобщие гипотезы.В данной работе была доказана трудность аппроксимации индекса классической устойчивости формальных понятий (с полиномиально ограниченной относительной ошибкой). Была предложена модель вероятностного индекса устойчивости формальных понятий, которая соответствует аппроксимации классического индекса устойчивости с ограниченной абсолютной ошибкой18и может быть вычислена за полиномиальное время. Проведенные эксперименты показали, что применение вероятностного индекса устойчивости, прииспользовании ДСМ-метода, уменьшает число неклассифицируемых объектов на ≈ 43% при увеличении количества ошибок классификации на ≈ 23%(число неклассифицируемых объектов, при использовании стандартных ДСМгипотез ≈ 46%).19Основное содержание диссертационной работы изложено вследующих публикациях:Публикации в журналах, входящих в перечень ВАК1.
Бабин М.А. и Кузнецов С.О. О теоретико-решеточной интерпретациизадач поиска гипотез и зависимостей //Научно-техническая информация. Серия: Информационные процессы и системы, №10, 2011, С. 18–22,0.72 п.л. (вклад автора 0,6 п.л.)2. Бабин М.А. и Кузнецов С.О. Связи между решетками понятий и сложность их вычисления // Труды МФТИ, том 4 №2(14), 2012, С. 73–80,0.7 п.л (вклад автора 0,6 п.л.)Другие публикации в рецензируемых научных изданиях и журналах1. Babin M. A. and Kuznetsov S.O.
On Links between Concept Lattices andRelated Complexity Problems // Lecture Notes in Artificial Intelligence, №5986, 2010, C. 138–144, Springer 0.54 п.л. (вклад автора 0,4 п.л.)2. Babin M. A. and Kuznetsov S.O. Recognizing Pseudo-Intent is coNPcomplete // CLA 2010: Proceedings of the 7th International Conferenceon Concept Lattices and Their Applications, C. 294–301, 0.6 п.л. (вкладавтора 0,5 п.л.)3. Babin M.
A. and Kuznetsov S.O. Enumerating Minimal Hypotheses andDualizing Monotone Boolean Functions on Lattices // Lecture Notes inArtificial Intelligence, № 6628, 2011, C. 42–48, Springer 0.51 п.л. (вкладавтора 0,4 п.л.)4. Babin M. A. and Kuznetsov S.O. Approximating Concept Stability // LectureNotes in Artificial Intelligence, № 7278, 2012, C. 7–15, Springer 0.62 п.л.(вклад автора 0,5 п.л.)Лицензия ЛР № 020832 от 15 октября 1993 г.Подписано в печатьсентября 2012 г.Формат 60 х 84/16Бумага офсетная.Печать офсетная.Усл. печ. л.
1Тираж 100 экз. Заказ №Типография издательстваНационального исследовательского университета «Высшая школаэкономики»,125319, г. Москва, Кочновский проезд, д.3.