Диссертация (1149837), страница 9
Текст из файла (страница 9)
784–789.18. Чернэуцану Е. К. Нахождение разделяющей гиперплоскости междудвумя политопами / Процессы управления и устойчивость: Труды 41-ймеждународной научной конференции аспирантов и студентов. СанктПетербург, 2010. С. 736–739.19. Чернэуцану Е. К. Строгая h-отделимость двух множеств и линейноепрограммирование / Процессы управления и устойчивость: Труды 42-ймеждународной научной конференции аспирантов и студентов. СанктПетербург, 2011. С. 259–265.20.
ЧернэуцануЕ.К.Численныеэкспериментыпострогойh-отделимости / Процессы управления и устойчивость: Труды 44-ймеждународной научной конференции аспирантов и студентов. СанктПетербург, 2013. С. 88–93.21. Чернэуцану Е. К. Строгая h-отделимость двух множеств // Семинар «DHA & CAGD». Избранные доклады. 18 декабря 2010 г.(http://dha.spb.ru/PDF/hSeparability.pdf)22. Чернэуцану Е. К. Строгая h-отделимость и линейное программирование // Семинар «DHA & CAGD». Избранные доклады.
29 января 2011 г.(http://dha.spb.ru/PDF/hSeparabilityLP.pdf)23. ЧернэуцануЕ.К.Численныеэкспериментыпострогойh-отделимости // Семинар «DHA & CAGD». Избранные доклады.17 декабря 2011 г. (http://dha.spb.ru/PDF/hSepEx.pdf)9324. Фомин В. Н. Математическая теория обучаемых опознающих систем. Л.: Изд-во ЛГУ, 1976.25. Цыпкин Я. З. Основы теории обучающихся систем. М.: Наука, 1970.26. Якубович В. А.
Некоторые общие теоретические принципы построения обучаемых опознающих систем / Сб.: Вычислительная техника ивопросы программирования, 4. Л.: Изд-во ЛГУ, 1965. С. 3–71.27. Astorino A., Gaudioso M. Polyhedral separability througt successive LP //JOTA. 2002. Vol. 112. No. 2, pp. 265—293.28. Bagirov A. M., Rubinov A. M. and Yearwood J. A global optimizationapproach to classification // Optimization and Engineering. 2002.
Vol. 3,pp. 129–155.29. Bennett K. P., Mangassarian O. L. Robust linear programmingdiscrimination of two linearly inseparable sets // Optimization Methods andSoftware. 1992. Vol. 1, pp. 23–34.30. Bennett K. P., Mangassarian O. L. Bilinear Separation of Two Setsin n-Space.
Computational Optimization and Applications. 1993. Vol. 2,pp. 207–227.31. Burges C. J. C. A Tutorial on Support Vector Machines for PatternRecognition // Data Mining and Knowledge Discovery. 1998. Vol. 2,pp. 121–167.32. Cherneutsanu E. On strict h-polyhedral separability of two sets/International conference «Conatructive nonsmooth analysis and relatedtopics». Abstracts.
Saint-Petersburg, June 18-23, 2012. P. 33-34.9433. Cristianini N. and Shawe-Taylor J. An Introduction to Support VectorMachines and other kernel based methods. Cambridge University Press, 2000.34. Cucker F. and Smale S. On the mathematical foundations of learning //Bulletin (New Series) of the American Mathematical Society. 2002. 39(1),pp. 1–49.35. Demyanov V.
F. Mathematical diagnostics via nonsmooth analysis //Optimisation Methods and Software. 2005. Vol 20, No 2-3, pp. 197–218.36. Demyanov V. F., Astorino A. and Gaudioso M. Nonsmooth problems inMathematical Diagnostics // Nonconvex Optimization and Its Applications.2001. Vol. 54, pp. 11–30.37. Fung M.
and Mangasarian O. L. Privacy-Preserving Linear and NonlinearApproximation via Linear Programming // Optimization Methods andSoftware. 2013. Vol. 28, pp. 207–216.38. Glover F. Improved Linear Programming Models for DiscriminantAnalysis // Decision Sciences. 1990. Vol. 21, pp. 771—785.39. Hansen P. and Jaumard B. Cluster analysis and mathematicalprogramming // Mathematical Programming. 1997. Vol. 79, pp. 191–215.40.
Malozemov V. N. and Cherneutsanu E. K. The best linear separationof two sets // Springer Optimization and its Applications. SpringerSciense+Business Media. New York, 2014. Vol. 87, pp. 175–183.41. Mangasarian O. L. Linear and nonlinear separation of patterns by linearprogramming // Operations Research. 1965. Vol. 13, pp. 444–452.42. Mangasarian O. L. Multisurface Method of Pattern Separation // IEEETransactions on Information Theory. 1968.
Vol. 14, pp. 801–807.9543. Mangasarian O. L. Mathematical programming in data mining // DataMining and Knowledge Discovery. 1997. Vol. 1, pp. 183–201.44. Mangasarian O. L. Arbitrary-Norm Separating Plane // OperationsResearch Letters. 1999. Vol. 24, pp. 15–23.45. Mangasarian O. L. Unsupervised Classification via Convex Absolute ValueInequalities. Data Mining Institute Technical Report 14-01, March 2014.46. Mangasarian O. L., Setiono R. and Wolberg W. H. Pattern Recognitionvia Linear Programming: Theory and Application to Medical Diagnosis //Large-Scale Numerical Optimization, Philadelphia, PA. SIAM.
1990.pp. 22–31.47. Mangasarian O. L. and Wolberg W. H. Cancer Diagnosis via LinearProgramming // SIAM News. 1990. Vol. 23, pp. 1–18.48. Mirkin B. Mathematical Classification and Clustering. Kluwer AcademicPublishers, 1996.49. Quinlan J. R. Programs for Machine Learning. Morgan Kaufmann, SanMateo, 1993.50. Scholkopf B., Smola A. Learning with Kernels.
The MIT Press, 2002.51. Smith F. W. Pattern Classifier Design by Linear Programming // IEEETransactions on Computers. 1968. Vol. 4, pp. 17.52. Rosen J. B. Pattern separation by convex programming // Journal ofMathematical Analysis and Applications. 1965. Vol. 10, pp. 123–134.53. Vapnik V. The Nature of Statistical Learning Theory. Springer-Verlag, 2000.96.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
