Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта
Предложен новый метод разбиения исходной выборки на обучающую и тестовую, сохраняющий в сгенерированной подвыборке наиболее важные топологические свойства исходной выборки и не требующий ее загрузки в память. Он обеспечивает последовательную обработку экземпляров, а также выполняет преобразование мн...
Збережено в:
| Опубліковано в: : | Реєстрація, зберігання і обробка даних |
|---|---|
| Дата: | 2013 |
| Автор: | |
| Формат: | Стаття |
| Мова: | Russian |
| Опубліковано: |
Інститут проблем реєстрації інформації НАН України
2013
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/87083 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта / С.А. Субботин // Реєстрація, зберігання і обробка даних. — 2013. — Т. 15, № 4. — С. 13-22. — Бібліогр.: 12 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-87083 |
|---|---|
| record_format |
dspace |
| spelling |
Субботин, С.А. 2015-10-10T17:45:12Z 2015-10-10T17:45:12Z 2013 Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта / С.А. Субботин // Реєстрація, зберігання і обробка даних. — 2013. — Т. 15, № 4. — С. 13-22. — Бібліогр.: 12 назв. — рос. 1560-9189 https://nasplib.isofts.kiev.ua/handle/123456789/87083 004.93 Предложен новый метод разбиения исходной выборки на обучающую и тестовую, сохраняющий в сгенерированной подвыборке наиболее важные топологические свойства исходной выборки и не требующий ее загрузки в память. Он обеспечивает последовательную обработку экземпляров, а также выполняет преобразование многомерных координат в одномерные и дискретизацию для улучшения обобщающих свойств. Метод позволяет значительно уменьшить размер выборки и снизить требования к ресурсам компьютера. The new method of training and test sample forming from primary sample is proposed. It preserves in a generated sub-sample the most important topological properties of the original sample and did not even needs to load of the original sample into computer memory. It provides a sequential exemplar processing and performs transformation of the multi-dimensional coordinate set to the one-dimensional, which is also discretized to improve the data generalization properties. This allows to significantly reduce the sample size, and to significantly decrease the requirements to computer resources. Работа выполнена в Запорожском национальном техническом университете в рамках научно-исследовательской темы «Интеллектуальные информационные технологии автоматизации проектирования, моделирования, управления и диагностирования производственных процессов и систем» (№ гос. регистрации 0112U005350). ru Інститут проблем реєстрації інформації НАН України Реєстрація, зберігання і обробка даних Математичні методи обробки даних Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта Primary Large Sample Partitioning for Diagnosis and Recognition Problem Solving on the Basis of Computational Intelligence Methods Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта |
| spellingShingle |
Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта Субботин, С.А. Математичні методи обробки даних |
| title_short |
Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта |
| title_full |
Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта |
| title_fullStr |
Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта |
| title_full_unstemmed |
Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта |
| title_sort |
разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта |
| author |
Субботин, С.А. |
| author_facet |
Субботин, С.А. |
| topic |
Математичні методи обробки даних |
| topic_facet |
Математичні методи обробки даних |
| publishDate |
2013 |
| language |
Russian |
| container_title |
Реєстрація, зберігання і обробка даних |
| publisher |
Інститут проблем реєстрації інформації НАН України |
| format |
Article |
| title_alt |
Primary Large Sample Partitioning for Diagnosis and Recognition Problem Solving on the Basis of Computational Intelligence Methods |
| description |
Предложен новый метод разбиения исходной выборки на обучающую и тестовую, сохраняющий в сгенерированной подвыборке наиболее важные топологические свойства исходной выборки и не требующий ее загрузки в память. Он обеспечивает последовательную обработку экземпляров, а также выполняет преобразование многомерных координат в одномерные и дискретизацию для улучшения обобщающих свойств. Метод позволяет значительно уменьшить размер выборки и снизить требования к ресурсам компьютера.
The new method of training and test sample forming from primary sample is proposed. It preserves in a generated sub-sample the most important topological properties of the original sample and did not even needs to load of the original sample into computer memory. It provides a sequential exemplar processing and performs transformation of the multi-dimensional coordinate set to the one-dimensional, which is also discretized to improve the data generalization properties. This allows to significantly reduce the sample size, and to significantly decrease the requirements to computer resources.
|
| issn |
1560-9189 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/87083 |
| citation_txt |
Разбиение исходной выборки большого объема для решения задач диагностики и распознавания образов на основе методов вычислительного интеллекта / С.А. Субботин // Реєстрація, зберігання і обробка даних. — 2013. — Т. 15, № 4. — С. 13-22. — Бібліогр.: 12 назв. — рос. |
| work_keys_str_mv |
AT subbotinsa razbienieishodnoivyborkibolʹšogoobʺemadlârešeniâzadačdiagnostikiiraspoznavaniâobrazovnaosnovemetodovvyčislitelʹnogointellekta AT subbotinsa primarylargesamplepartitioningfordiagnosisandrecognitionproblemsolvingonthebasisofcomputationalintelligencemethods |
| first_indexed |
2025-12-07T19:59:34Z |
| last_indexed |
2025-12-07T19:59:34Z |
| _version_ |
1850880897815937024 |