ММО3 (1185328), страница 3
Текст из файла (страница 3)
Прототипом метода опорных векторов явился метод «Обобщенный портрет», разработанный В.Н.Вапником и А.Я.Червоненкисом [1] . В современном варианте метод был предложен в работе [21]. Подробное описание метода появилось в работе [18] в 1998 году. .В настоящее время метод опорных векторов является одним из наиболее распространённым в мире средством решения задач распознавания, высокая эффективность которого подтверждается практикой. В связи с этим были предложены подходы, использующие основные принципы метода опорных векторов для решения задач регрессионного анализа.
Литература
[1] Вапник В.Н., Червоненкис А.Я. Теория распознавания образов (статистические проблемы 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 в задачах высокой размерности Журнал вычислительной математики и математической физики. 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 принципах классификации предметов и явлений. Сб. "Дискретный анализ". Вып. 7. Новосибирск, ИМ СО АН СССР. 1966. C. 3-11.
[7] Донской В.И. Алгоритмические модели обучения классификации: обоснование, сравнение, выбор. –Симферополь, «ДИАЙПИ», 2014,-227 с.
[8] 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.
[9] Журавлев Ю.И., Никифоров В.В. Алгоритмы распознавания, основанные на вычислении 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 по методу статистически взвешенных синдромов и его применение для иммуногематологической характеристики нормы и хронической патологии. // Химическая физика. 1996. Т.15. N 1. С.81-100.
[13] Лбов Г.С., Старцева Н.С. Логические решающие правила и вопросы статистической устойчивости 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 на основе принципа минимальной длины описаний. –Спб.: Политехника, 2007, -548 с.
[16] Рязанов В.В. Логические закономерности в задачах распознавания (параметрический подход)//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. Kluwer Academic Publishers, Boston. Manufactured in The Netherlands. Appeared in: Data Mining and Knowledge Discovery 2, 121-167, 1998.
[19] T. Dietterich. An experimental comparison of three methods for constructing ensembles of decision trees: bagging, boosting and randomization. Machine Learning, 40(2):139–157, 2000.\
[20] Kuncheva L.I. Combining Pattern Classifiers. Methods and Algorithms. — Wiley Interscience, 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 making using 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}
