WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

загрузка...
   Добро пожаловать!

Pages:     | 1 | 2 ||

Каждой висячей вершине ставится в соответствие свой эталонный образец (столп) в объединенном пространстве признаков Y, используемых на всех этапах классификации по дереву T. При распознавании нового объекта а отыскивается вершина (класс), в которую он попадает, и, вычисляется функция конкурентного сходства этого объекта со столпом этого класса T(a) в полном пространстве признаков X. Оптимизируемым при построении дерева критерием качества в этом случае является:

.

Приближенные решения для этой задачи отыскиваются за счет перехода к серии задач, каждой из которых соответствует разбиение одной висящей вершины в дереве, обеспечивающее максимальное увеличение итогового функционала качества QF.

Алгоритм FRiS-SDX, реализующий эту идею, подтвердил свою эффективность на реальной прикладной задаче, связанной с анализом спектральных характеристик различных химических соединений.

Основные результаты и выводы.

1. Показано, что FRiS-функция является эффективным базисом для решения задач распознавания образов комбинированного типа. На ее основе создан ряд алгоритмов, применимых к плохо обусловленным задачам в условиях отсутствия априорной информации о типе распределения объектов выборки, о связях между объектами и признаками.

2. Исследован процесс возникновения «псевдоинформативных» признаков в плохо обусловленных задачах анализа данных. Показано, что сравнение значения меры FS, вычисляемой для наилучшей информативной подсистемы признаков по обучающей таблице, и аналогичной величины, вычисленной на серии случайных таблиц того же размера, позволяет получить качественную оценку степени «неслучайности» выбранного подпространства признаков.

3. Показано, что в процессе решения задачи DX целесообразно опираться не на все объекты выборки, а лишь на некоторый набор эталонных образцов (столпов). Среднее значение FRiS-функции, вычисленное с опорой на набор столпов, является наиболее эффективным критерием качества при решении задачи выбора информативной для распознавания системы признаков. Кроме того величина функции конкурентного сходства контрольного объекта с образом, к которому он был отнесен, дает возможность сопроводить принятое решение оценкой уверенности в правильности этого решения.

4. Предложен алгоритм FRiS-Tax, опирающийся на FRiS-функции в процессе решения задачи SD. Он позволяет строить разбиение выборки на адекватные с точки зрения человеческого восприятия кластеры и классы. Использование среднего значения FRiS-функции для оценки качества таксономии позволило автоматизировать процесс выбора оптимального числа кластеров и таксонов в создаваемой таксономии.

5. Замечено, что ключевым свойством всех анализируемых естественных классификаций являлась их высокая предсказательная способность. Формализация этого понятия, а также рассмотрение задачи построения классификации, обладающей свойствами «естественной», как задачи комбинированного типа SX, позволила сформировать критерий качества для построения таксономии с одновременным выбором системы существенных признаков. Для решения этой задачи был разработан алгоритм NatClass, который позволяет строить как одноуровневые таксономии, так и многоуровневые, представленные в виде иерархического дерева.

6. Предложенная в диссертации формулировка задачи SDX в терминах FRiS-функций позволяет использовать для ее решения все основные наработки, полученные ранее, и предложить эффективный алгоритм FRiS-SDX для построения иерархической классификации с одновременным выбором решающего правила и пространства наиболее информативных признаков.

Содержание диссертации отражено в следующих работах:

1. Борисова, И.А. Естественная классификация / И.А. Борисова, Н.Г. Загоруйко // Интеллектуальный анализ информации. Сборник трудов российско-украинского научного семинара, Киев, 19-21 мая 2004 г. – Киев: Просвiта, 2004. – С. 33 - 42.

2. Zagoruiko, N.G. Principles of natural>

3. Borisova, I. A. Algorithms of Natural>

4. Alves, A. Predictive Analysis of Gene Data from Human SAGE Libraries / A. Alves, N. Zagoruiko, O. Okun, O. Kutnenko and I. Borisova // Procceedings of the Workshop W10 “Discovery Challenge” ECML/PKDD, Portugal, 3-7 October 2005. – Porto, 2005. - P. 60 - 71. [Предсказывающий анализ генетических данных из библиотек Human SAGE]

5. Загоруйко, Н.Г. Выбор информативного подпространства признаков (Алгоритм GRAD) / Н.Г. Загоруйко, O. A. Кутненко, И. А. Борисова // Математические методы распознавания образов. Доклады 12-ой Всероссийской конференции, Москва, 2005. - Москва, 2005. - С. 106-109.

6. Борисова, И.А. Таксономия траекторий и восстановление структуры генных сетей / И.А. Борисова, Н.Г. Загоруйко, А.В. Ратушный, В.А. Лихошвай, Н. А. Колчанов // Анализ структурных закономерностей. Вычислительные системы. - Новосибирск, 2005 г. - выпуск 174. - С. 54-64.

7. Zagoruiko, N.G. Selection of informative subset of gene expression profiles in prognostic analysis of type 2 diabetes / N.G. Zagoruiko, O.A. Kutnenko, I.A. Borisova, A.N. Kiselev, A.A. Ptitsin // Proceedings of the 5-th International Conference on Bioinformatics of Genome Regulation and Structure, Novosibirsk, 16- 22 July 2006. - Novosibirsk, 2006. – Volume 1. - P. 212 - 215. [Выбор информативных профилей активности генов в прогнозировании диабета второго типа]

8. Zagoruiko, N.G. Criteria of informativeness and suitability of a subset of attributes, based on the similarity function / N.G. Zagoruiko, I.A. Borisova, O.A. Kutnenko // Pattern Recognition and Information Processing. Proceedings of the 9-th International Conference, Minsk, 22-24 May 2007. – Minsk, 2007. - P. 257-261. [Критерий информативности и пригодности подмножества признаков, основанный на функции сходства]

9. Борисова, И.А Критерий информативности и пригодности подмножества признаков / И.А. Борисова, Н.Г. Загоруйко, О.А. Кутненко // Knowledge-Dialog-Solution. Proceedings of the 13-th International Conference, Varna, 18-25 June 2007. – Sofia, 2007. - P. 567 - 571.

10. Борисова, И.А. Использование FRiS-функции для построения решающего правила и выбора признаков(задача комбинированного типа DX) / И.А. Борисова, В.В. Дюбанов, Н.Г. Загоруйко, О.А. Кутненко // Знания. Онтологии. Теории. Материалы Всероссийской Конференции, Новосибирск, 2007. – Новосибирск, 2007. - том 1. - С. 37-44.

11. Борисова, И.А. Функция конкурентного сходства в задаче таксономии / И.А. Борисова, Н.Г. Загоруйко // Знания. Онтологии. Теории. Материалы Всероссийской Конференции, Новосибирск, 2007. – Новосибирск, 2007. - том 2. -С. 67-76.

12. Zagoruiko, N.G. Function of rival similarity in pattern recognition / N.G. Zagoruiko, I.A. Borisova, V.V. Dubanov, O.A. Kutnenko // Proceedings of the Eighth International Conference Pattern Recognition and Image Analysis, Yoshkar-Ola, 8-12 October 2007. - Yoshkar-Ola, 2007. – Vol. 2. - P. 63-66. [Функция конкурентного сходства в распознавании образов]

13. Загоруйко, Н.Г. Методы поиска ближайшего аналога в большой базе изображений / Н.Г. Загоруйко, И.А. Борисова, В.В. Дюбанов, О.А. Кутненко // Математические методы распознавания образов. Доклады 13-й Всероссийской конференции, Москва, 2007. - Москва, 2007. - С. 131-134.

14. Борисова, И.А. Алгоритм таксономии FRiS-Tax / И.А. Борисова // Научный вестник НГТУ – Новосибирск : Изд-во НГТУ, 2007. - №3. - С. 3-12.

15. Борисова, И.А. Критерии информативности и пригодности подмножества признаков, основанные на функции сходства / И.А. Борисова, Н.Г. Загоруйко, О.А. Кутненко // Заводская лаборатория. Диагностика материалов. - Москва, 2008. - №1, том 74. - С. 68-71.

16. Zagoruiko, N.G. Methods of recognition based on the function of rival similarity / N.G. Zagoruiko, I.A. Borisova, V.V. Dyubanov, O.A. Kutnenko // Pattern Recognition and Image Analysis. - Germany: Springer Verlag GmbH, 2008. – Vol. 18, №.1. - P. 1-6. [Методы распознавания, основанные на функции конкурентного сходства]

Подписано в печать __.09.08 г. Формат 84601/16

Бумага офсетная. Тираж 100 экз. Печ. л. 1,5.

Заказ № ____

___________________________________________________________

Отпечатано в типографии

Новосибирского государственного технического университета

630092, г. Новосибирск, пр. К. Маркса, 20

Pages:     | 1 | 2 ||






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»