_учебник_ Журавлев Ю.И. Распознавание. Математические методы. Программная система. Практические применения (2005) (1185318), страница 26
Текст из файла (страница 26)
13. Воликов Ю.К., Дюкова Е.В., Левашов Е.А., Рязанов В.В. Применение методов распознавания образов для прогнозирования свойств твердых сплавов группы СТИМ, Структура, свойства и технология металлических систем и керамик. Сб.научных трудов. Моск.инст.стали и сплавов. Москва, 1988.
14. Даровских И.В, Кузнецова А.В., Сенько О.В., Реброва О.Ю. Прогноз динамики депрессивных синдромов в остром периоде сотрясения головного мозга по показателям первичного обследования. “Социальная и клиническая психиатрия” N 4, 2003г., с. 18-24.
15. Дмитриев А.Н., Журавлев Ю.И., Кренделев Ф.П., О математических принципах классификации предметов и явлений. Сб. "Дискретный анализ". Вып. 7. Новосибирск, ИМ СО АН СССР. 1966. C. 3-11.
16. Донской В.И. Алгоритмы обучения, основанные на построении решающих деревьев// Журнал выч. мат. и матем. физики. 1982, т.22, №4, с. 963-974.
17. Донской В.И. , Башта А.И. Дискретные модели принятия решений при неполной информации. –Смферополь: Таврия, 1992. – 166 с.
18. Дородницына В.В. Классификация стран по возрастному распределению и ее связь с характеристиками заболеваний. –М.: ВЦ АН СССР. – 1985.-19 с.
19. Дуда Р., Харт П., Распознавание образов и анализ сцен. Издательство "Мир", Москва, 1976, 511 с.
20. Дюк В., Самойленко А., Data Mining: учебный курс – СПб: Питер, 2001. – 368 с.
21. Дюкова Е.В. Асимптотически оптимальные тестовые алгоритмы в задачах распознавания// Проблемы кибернетики. М.: Наука, 1982. Вып. 39. С. 165-199.
22. Дюкова Е.В. Алгоритмы распознавания типа “Кора”: сложность реализации и метрические свойства// Распознавание, классификация, прогноз (матем. методы и их применение). М.: Наука, 1989. Вып.2. С. 99-125.
23. Дюкова Е.В., Журавлев Ю.И., Рязанов В.В. Диалоговая система анализа и распознавания образов. М.: ВЦАН СССР, 1988, 40 c.
24. Еремин И.И. О системах неравенств с выпуклыми функциями в левых частях. Известия АН СССР, серия математическая, 30 (1966), стр. 265-278.
25. Журавлев Ю.И., ИЗБРАННЫЕ НАУЧНЫЕ ТРУДЫ. - М.: Издательство Магистр, 1998. - 420 с.
26. Журавлев Ю.И., Об алгебраическом подходе к решению задач распознавания или классификации. Проблемы кибернетики. М.: Наука, 1978. Вып.33. С.5-68.
27. Журавлев Ю.И., Никифоров В.В. Алгоритмы распознавания, основанные на вычислении оценок // Кибернетика. 1971. №3. С. 1-11.
28. Журавлев Ю.И. Корректные алгебры над множествами не корректных (эвристических) алгоритмов. I. // Кибернетика. 1977. N4. С. 5-17. , II. Кибернетика, N6, 1977, III. // Кибернетика. 1978. N2. С. 35-43.
29. Журавлев Ю.И., Зенкин А.И. Зенкин А.А., Дюкова Е.В., Исаев И.В., Кочетков Д.В., Кольцов П.П., Рязанов В.В. Пакет прикладных программ для решения задач распознавания и классификации (ПАРК). ВЦ АН СССР, Москва, 1981. 24 с.
30. Загоруйко Н.Г. Методы распознавания и их применение.-М. : Сов.радио, 1972. -206 с.
31. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Института математики, 1999.
32. Зуев Ю.А. Метод повышения надежности классификации при наличии нескольких классификаторов, основанный на принципе монотонности// ЖВМиМФ. 1981. Т.21. № 1. С.157-167.
33. Ивахненко А.Г. Системы эвристической самоорганизации в технической кибернетике. –Киев: Технiка, 1971.-372 с.
34. Катериночкина Н.Н.. Методы выделения максимальной совместной подсистемы системы линейных неравенств. Сообщение по прикладной математике. ВЦ РАН. 1997. С. 1-15.
35. Кочетков Д.В. Распознающие алгоритмы, инвариантные относительно преобразований пространства признаков // Распознавание , классификация, прогноз: Мат. методы и их применение. М.: Наука. 1989. Вып. 11. С. 178-206.
36. Краснопрошин В.В. Об оптимальном корректоре совокупности алгоритмов распознавания//ЖВМиМФ. 1979. Т.19. №1. С. 204-215.
37. Кузнецов В.А., Сенько О.В., Кузнецова А.В. и др. // Распознавание нечетких систем по методу статистически взвешенных синдромов и его применение для иммуногематологической нормы и хронической патологии. // Химическая физика, 1996, т.15 . №1. С. 81-100.
38. Кузнецов Н.П., Ромасевич А.Н., Рязанов В.В. Опыт решения инженерно-технических задач на основе методов таксономии и распознавания. Применение прогрессивных технологий в добыче нефти на месторождениях Западной Сибири, Сб. научных трудов. Тюмень. СибНИИНП, 1988, С.62-66.
39. Кузоваткин Р.И., Зенкин А.И., Рязанов В.В., Егоров П.И. Распознавание солеобразующей способности нефтяных скважин по эксплуатационным признакам. Проблемы нефти и газа Тюмени: Научн.техн. сб. Тюмень. 1978. Вып. 38. С. 39-41
40. Кузоваткин Р.И., Зенкин А.И., Рязанов В.В., Егоров П.И., Чернобай Л.А., Прогнозирование процесса солеобразования при эксплуатации нефтяных скважин, Проблемы нефти и газа Тюмени: Научн.техн. сб. Тюмень. 1979. Вып.42. С. 42-44.
41. Лбов Г.С. Методы обработки разнотипных экспериментальных данных// Новосибирск. Наука, 1981. 160 с.
42. Мазуров Вл.Д. Комитеты систем неравенств и задача распознавания // Кибернетика. 1971. №3. С. 140-146.
43. Мазуров Вл.Д., Хачай М.Ю. Комитеты систем линейных неравенств// Автоматика и телемеханика. 2004. вып.2, С. 43-54.
44. Матросов В.Л. Синтез оптимальных алгоритмов в алгебраических замыканиях моделей алгоритмов распознавания// Распознавание, классификация, прогноз: Матем. методы и их применение. М.: Наука, 1988. Вып.1, С.229-279.
45. Метод комитетов в распознавании образов. Свердловск: ИММ УНЦ АН СССР, 1974. 165 с.
46. Обухов А.С., Рязанов В.В. Применение релаксационных алгоритмов при оптимизации линейных решающих правил. Доклады 10-й Всероссийской конференции "Математические методы распознавания образов (ММРО-10)", Москва, 2001, 102-104.
47. Растригин Л.А., Эренштейн Р.Х. Принятие решений коллективом решающих правил в задачах распознавания образов// АиТ. 1975. №9. С.133-144.
48. Розенблатт Ф. Принципы нейродинамики (перцептрон и теория механизмов мозга). – М. : Мир, 1965.-480 с.
49. Рудаков К.В. Об алгебраической теории универсальных и локальных ограничений для задач классификации // Распознавание, классификация, прогноз: Матем. методы и их применение. М.: Наука, 1988. Вып.1, С.176-200.
50. Рязанов В.В. О построении оптимальных алгоритмов распознавания и таксономии (классификации) при решении прикладных задач // Распознавание, классификация, прогноз: Матем. методы и их применение. М.: Наука, 1988. Вып.1, С.229-279.
51. Рязанов В.В. Комитетный синтез алгоритмов распознавания и классификации // ЖВМ и МФ. 1981. Том 21, №6. С.1533-1543.
52. Рязанов В.В. О синтезе классифицирующих алгоритмов на конечных множествах алгоритмов классификации (таксономии) // ЖВМ и МФ, 1982. Том 22, №2. С.429-440.
53. Рязанов В.В., Рязанова Н.В., Смольянинова З.А. Прогноз урожайности сельскохозяйственных культур с использованием методов распознавания образов, Методы моделирования в сельском хозяйстве. Сб. научн. трудов. М.: ВНИПТИК. 1982. С.50-60.
54. Рязанов В.В., Челноков Ф.Б., О склеивании нейросетевых и комбинаторно-логических подходов в задачах распознавания, Доклады 10-й Всероссийской конференции "Математические методы распознавания образов (ММРО-10)", Москва, 2001,115-118.
55. Себастьян Г.С. Процессы принятия решений при распознавании образов. М., Изд-во «Техника», 1965
56. Сенько О.В. Использование процедуры взвешенного голосования по системе базовых множеств в задачах прогнозирования// М. Наука, Ж. вычисл. матем. и матем. физ. 1995, т. 35, № 10, С. 1552-1563.
57. Уоссермен Ф., Нейрокомпьютерная техника, М.,Мир, 1992.
58. Фукунага К. Введение в статистическую теорию распознавания образов. M.:Наука. 1979. 367 с.
59. Чегис И.А., Яблонский С.В. Логические способы контроля электрических схем // Труды Матем. ин-та им. В.А.Стеклова АН СССР. 1958. Т. 51. С. 270-360.
60. Aslanyan L., Zhuravlev Yu,.Logic Separation Principle, Computer Science & Information Technologies Conference, Yerevan, September 17-20, 2001, 151-156.
61. Bogomolov V.P., Larin S.B., Vinogradov A.P., Voronchihin V.A., Ryazanov V.V., Senco O.V., Zhuravlev Yu.I., Segmentation and Recognition of Handwritten Digits with the Use of Precedent-Based Models. Pattern Recognition and Image Analysis. 1998. Vol.8. no.2.
62. Christopher J.C. Burges. A Tutorial. on Support Vector Machines for Pattern Recognition, Appeared in: Data Mining and Knowledge Discovery 2, 121-167, 1998.
63. Fisher R.A. The use of multiple measurements in taxonomic problems, Ann. Eugenics, 7, Part II, 179-188 (1936).
64. Fu K. S. Sequential Methods in Pattern Recognition and Machine Learning (Academic Press, New York, 1968).
65. Ganster H., Gelautz M., Pinz A., Binder M., Pehamberger H., Bammer M., Krocza J. Initial Results of Automated Melanoma Recognition //Proceedings of the 9th Scandinavian Conference on Image Analysis, Uppsala, Sweden, June 1995, Vol.1, pp. 209-218.
66. Harrison, D. and Rubinfeld, D.L. Hedonic prices and the demand for clean air, J. Environ. Economics & Management, vol.5, 81-102, 1978.
67. Horton Paul, Nakai Kenta //"A Probablistic Classification System for Predicting the Cellular Localization Sites of Proteins",Intelligent Systems in Molecular Biology, 109-115. St. Louis, USA 1996.
68. Kiselyova N.N. // Search for efficient methods of prediction of multicomponent inorganic compounds (final report). EOARD SPC-00-4014, 2001. - 46 p.
69. Kuncheva L.I. Combining Pattern Classifiers: Methods and Algorithms, Wiley, 2004.
70. Kuznetsova A.V., Sen’ko O.V., Matchak G.N., Vakhotsky V.V., Zabotina T.N., Korotkova O.V. The Prognosis of Survivance in Solid Tumor Patients Based on Optimal Partitions of Immunological Parameters Ranges, Journal Theoretical Medicine, 2000, Vol. 2, pp.317-327.
71. Larin S.B., Ryazanov V.V. The Search of Precedent-Based Logical Regularities for Recognition and Data Analysis Problems // Pattern Recognition and Image Analysis. 1997. Vol.7. no.3. P.322-333.
72. Mangasarian O. L., Wolberg W.H.: "Cancer diagnosis via linear programming", SIAM News, Volume 23, Number 5, September 1990, pp 1 - 18.
73. Minsky M., Papert S. Perceptrons: An Introduction to Computational Geometry (MIT Press, Cambridge, Mass., 1969). Русский перевод : Перцептроны, М., «Мир», 1971.
74. Neyman J., Pearson E.S. On the problem of the most efficient tests of statistical hypothesis,
75. Nilsson N.J. Learning Machines (McGraw-Hill, New York, 1965). Русский перевод: Обучающие машины, М., «Мир», 1967.
Phill. Trans. Royal Soc. London, 231, 289-337 (1933).
76. Ryazanov V.V., Recognition Algorithms Based on Local Optimality Criteria , Pattern Recognition and Image Analysis. 1994. Vol.4. no.2. pp. 98-109.
77. Ryazanov V.V. About some approach for automatic knowledge extraction from precendent data // Proceedings of the 7th international conference "Pattern
recognition and image processing", Minsk, May 21-23, 2003, vol. 2, pp.
35-40.
78. Ryazanov V.V., Senko O.V., and Zhuravlev Yu. I.. Methods of recognition and prediction based on voting procedures.// Pattern Recognition and Image Analysis, Vol. 9, No. 4, 1999, p.713—718.
79. Ryazanov V.V. One approach for classification (taxonomy) problem solution by sets of heuristic algorithms, Proceedings of the 9-th Scandinavian Conference on Image Analysis, Uppsala, Sweden, 6-9 June 1995, Vol.2, P.997-1002.
80. Ryazanov V.V., Sen'ko O.V., Zhuravlev Yu.I., Mathematical Methods for Pattern Recognition : Logical, Optimization, Algebraic Approaches Proceedings of the 14th International Conference on Pattern Recognition. Brisbane, Australia, August 1998, pp. 831-834.
81. Ryazanov V.V.,Vorontchikhin V.A. Discrete Approach for Automatic Knowledge Extraction from Precedent Large-scale Data, and Classification Proceedings of the 16th International Conference on Pattern Recognition. Quebec, Canada, 2002, 11-15 August , 188-191.
82. Ryazanov V.V. On the Optimization of a Class of Recognition Models// Pattern Recognition and Image Analysis. 1991. Vol.1. No.1. P.108-118.
83. Sigillito, V. G., Wing, S. P., Hutton, L. V., \& Baker, K. B. (1989). Classification of radar returns from the ionosphere using neural networks. Johns Hopkins APL Technical Digest, 10, 262-266
84. Vetrov D.P. On the Stability of the Pattern Recogntion Algorithms. // Pattern Recognition and Image Analysis, Vol.13, No.3, 2003, pp.470-475.
85. Wald A. Contributions to the theory of statistical estimation and testing of hypotheses, Ann.Math.Stat.,10, 299-326 (1939).
Предметный указатель
─
аксон 28
алгоритм корректный 48, 49
- обратного распространения ошибки 88
- распознавания 16
- кластеризации 63
- «ближайший сосед» 82
- «Q ближайших соседей» 82
- тестовый 34, 67
алгоритмы вычисления оценок 33, 38, 67
- голосования 33, 67
- обобщенного портрета 25
- частичной прецедентности 33
- распознавания статистические 17
- с представительными наборами 36
визуализация многомерных данных 103
выпуклый стабилизатор 53
гауссиана 87
голос 35
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
