Штучний інтелект

Науковий журнал

ISSN 2710-1673

ONLINE: ISSN 2710-1681

Виберіть свою мову


Комбінаторна оцінка впливу зменшення інформаційного покриття класів на узагальнюючу властивість 1NN алгоритмів класифікації

Капустій Б.О.1, Русин Б.П.2
1 Національний університет “Львівська політехніка”
2 Фізико-механічний інститут ім. Г.В. Карпенка НАН України
rusyn@ipm.lviv.ua

Повний текст (PDF)

УДК: 004.93+519.2
Мова публікації: Українська
Stuc. intelekt. 2008; 13; (1):49-54

Анотація: У статті запропоновано комбінаторний підхід до визначення впливу зменшення розмірності класів на ймовірність правильного розпізнавання при застосуванні 1NN вирішуючого правила. Результати розпізнавання для кожного контрольного об’єкта вважаються відомими до пониження розмірів класів бази даних. Розв’язано задачу визначення ймовірності того, що правильне розпізнавання збережеться після пониження розмірності класів, а неправильне стане правильним.

Ключові слова:

Посилання:

  1. Ивахненко А.Г., Юрачковский Ю.П. Моделирование сложных систем по экспериментальным данным. – М.: Радио и связь, 1987. – 120 c.
  2. Jiang Li, Michael T. Manry, Pramod L. Narasimha, and Changhua Yu, Feature Selection Using a Piecewise Linear Network // IEEE Transactions on Neural Network. – 2006. – Vol. 17, No 5, September. – P. 1101-1115.
  3. Levner I., et al. Automated Feature Extraction for Object Recognition // In Proceedings of the Image and Vision Computing New Zealand Conference. – 2003. – P. 653-655.
  4. Osborne M.R., Presnell B., and Turlach B.A. A new approach to variable selection in least squares problems // IMA Journal of Numerical Analysis. – 2000. – No 20. – P. 389-404.
  5. Воронцов К.В. Комбинаторный подход к оценке качества обучаемых алгоритмов // Математические вопросы кибернетики / Под ред. О.Б. Лупанова. – М.: Физматлит, 2004. – Т. 13. – С. 5-36.
  6. Kohavi R. A study of cross-validation and bootstrap for accuracy estimation and model selection // IJCAI. – 1995. – P.1137-1145.
  7. M., Sukthankar R. Complete cross-validation for nearest neighbor classifiers // Proceedings of Interna- tional Conference on Machine Learning. – 2000. – P. 639-646.
  8. Гуров С.И. Оценка надёжности классифицирующих алгоритмов. – М.: Издательский отдел ф-та ВМиК МГУ, 2003. – 45 с.
  9. Режим доступу: http:// www.ccas.ru/voron/teaching.html
  10. Капустий Б.Е., Русын Б.П., Таянов В.А. Оптимизация классификаторов в условиях малых выборок //Автоматика и вычислительная техника. – 2006. – Вып. 5. – С. 25-32.
  11. Капустий Б.Е., Русын Б.П., Таянов В.А. Математическая модель систем распознавания с малымибазами данных // Проблемы управления и информатики. – 2007. – No 5. – С.142-151.

Переглянути повний текст статті (PDF)