Главная страница
russian   english
16+
<< назад

Название статьи

РЕШЕНИЕ ЗАДАЧИ КЛАСТЕРИЗАЦИИ МЕТОДОМ КОНКУРЕНТНОГО ОБУЧЕНИЯ ПРИ НЕПОЛНЫХ СТАТИСТИЧЕСКИХ ДАННЫХ *


Номер журнала
1
Дата выпуска
2010

Тип статьи
научная статья
Коды УДК
004.93'14:004.853
Страницы
220-225
Ключевые слова
кластеризация, конкурентное обучение, пропуски в статистических данных

Авторы
Ефимов А.С.

Место работы
Ефимов А.С.
Нижегородский госуниверситет им. Н.И. Лобачевского


Аннотация
Представлен обзор современных методов восстановления пропусков в неполных статистических данных. Предложен способ совмещения процедуры кластеризации статистических данных и обработки пропущенных в них значений на основе модификации алгоритма конкурентного обучения сети Кохонена. Показана эффективность способа при решении задачи определения индивидуальных доз радиоактивного йода-131 при лечении больных диффузным токсическим зобом.

Загрузить статью

Библиографический список
1 . Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками. М.: Финансы и статистика, 1990.
2 . Злоба Е., Яцкив И. Статистические методы восстановления пропущенных данных // Computer Modelling & New Technologies. 2002. Vol. 6. No. 1. P. 51-61.
3 . Schafer J., Graham J. Missing data: our view of the state of the art // Psychological Methods. 2002. Vol. 7. No. 2. P. 147-177.
4 . Снитюк В.Е. Эволюционный метод восстановления пропусков в данных // Интеллектуальный анализ информации. Межд. конф. Киев, 2006. С. 262-271.
5 . Ефимов А.С. Об одном подходе к извлечению нечетких знаний из статистических данных // Технологии Microsoft в теории и практике программирования: Материалы конференции. Н. Новгород: Изд. Нижегородского госуниверситета, 2007. С. 87-90.
6 . Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006.
7 . Iagaru A., McDougall I. Treatment of thyrotoxicosis // Journal of Nuclear Medicine. 2007. Vol. 48. No. 3. P. 379-389.
8 . Ефимов А.С. Гибридный иммунный алгоритм оптимизации нечетких систем TSK 0-порядка // Тех- нологии Microsoft в теории и практике программирования: Материалы конференции. Н. Новгород: Изд. Нижегородского госуниверситета, 2009. С. 143-150.
9 . Cheeseman P., Kelly J., Self M. et al. AutoClass: a bayesian classification system // Proceedings of the Fifth International Conference on Machine Learning (Ann Arbor, MI). 1988. P. 54-64.