ММО и поиск достоверных закономерностей в данных. Учебное пособие. Сенько (1185323), страница 12
Текст из файла (страница 12)
В связи с этим были предложены подходы,использующие основные принципыметода опорных векторов для решения задач регрессионного анализа.Литература[1] Вапник В.Н., Червоненкис А.Я. Теория распознавания образов (статистическиепроблемы обучения). М.: Наука. 1974. - 416 с.[3] Воронцов К.В. (Курс лекций). www.machinelearning.ru[4] Докукин А.А., Сенько О.В.Оптимальные выпуклые корректирующие процедуры взадачах высокой размерности Журнал вычислительной математики и математическойфизики. 2011. Т.
51. № 9. С. 1751-1760.[5] А.М. Дубров, В.С.Мхитарян, Л.И.Трошин Многомерные статистические методы:Учебник, - М.: Финансы и статистика, 2000, - 352с.[6] Дмитриев А.Н., Журавлев Ю.И., Кренделев Ф.П., О математических принципахклассификации предметов и явлений. Сб. "Дискретный анализ". Вып.
7. Новосибирск, ИМСО АН СССР. 1966. C. 3-11.[7] Донской В.И. Алгоритмические модели обученияклассификации: обоснование,сравнение, выбор. –Симферополь, «ДИАЙПИ», 2014,-227 с.[8] Дюкова Е.В. Алгоритмы распознавания типа “Кора”: сложностьреализации и метрические свойства// Распознавание, классификация,прогноз (матем. методы и их применение). М.: Наука, 1989. Вып.2. С. 99-125.[9] Журавлев Ю.И., Никифоров В.В.
Алгоритмы распознавания, основанные навычислении оценок // Кибернетика. 1971. №3. С. 1-11.[10] Журавлев Ю.И., ИЗБРАННЫЕ НАУЧНЫЕ ТРУДЫ. - М.: Издательство Магистр,1998. - 420 с.[11] Журавлев Ю.И., Рязанов В.В., Сенько О.В. «Распознавание». Математические методы.Программная система. Практические применения. — М.: Фазис, 2006.
159 с.[[12] Кузнецов В.А., Сенько О.В., Кузнецова А.В. и др. Распознавание нечетких систем пометодустатистическивзвешенныхсиндромовиегоприменениедляиммуногематологической характеристики нормы и хронической патологии. // Химическаяфизика. 1996. Т.15. N 1. С.81-100.[13] Лбов Г.С., Старцева Н.С. Логические решающие правила и вопросы статистическойустойчивости решений.Новосибирск: Изд-во Ин-та математики, 1999, 212 с.[14] Мерков А.Б. Распознавание образов: Введение в методы статистического обучения. .М.: Едиториал УРСС, 2011. — 256 с.[15] А.С. Потапов. Распознавание образов и машинное восприятие.
Общий подход наоснове принципа минимальной длины описаний. –Спб.: Политехника, 2007, -548 с.[16] Рязанов В.В. Логические закономерности в задачах распознавания (параметрическийподход)//Ж. вычисл. матем. и матем. физ., 2007, том 47, номер 10, страницы 1793–1808[17] L. Breiman Bagging predictors. Machine learning, 24, 123-140, 1996.[18] Chris. J.C. Burges A Tutorial on Support Vector Machines for Pattern Recognition. KluwerAcademic Publishers, Boston. Manufactured in The Netherlands. Appeared in: Data Mining andKnowledge Discovery 2, 121-167, 1998.[19] T. Dietterich.
An experimental comparison of three methods for constructing ensembles ofdecision trees: bagging, boosting and randomization. Machine Learning, 40(2):139–157, 2000.\[20] Kuncheva L.I. Combining Pattern Classifiers. Methods and Algorithms. — WileyInterscience, New Jersey, 2004.[21] Cortes, C.; Vapnik, V. (1995). "Support-vector networks". //Machine Learning 20 (3): 273[22] Senko O.В., Kuznetsova A.В. A recognition method based on collective decision makingusing systems of regularities of various types. Pattern Recognition and Image Analysis.
2010. V.20. № 2. P. 152–162..
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
