Инд. авторы:	Пестунов И.А., Добротворский Д.И., Синявский Ю.Н.
Заглавие:	Классификация больших объемов данных в условиях малой априорной информации
Библ. ссылка:	Пестунов И.А., Добротворский Д.И., Синявский Ю.Н. Классификация больших объемов данных в условиях малой априорной информации // Вычислительные технологии. - 2007. - Т.12. - № спецвыпуск № 4. - С.50-58. - ISSN 1560-7534. - EISSN 2313-691X.
Внешние системы:	РИНЦ: 15269981;
Реферат:	eng: An effective feature extraction method for processing of large data sets and a hierarchical nonparametric classifier, developed on its basis, are presented. Results of experimental study on the model and real data confirming its efficiency are presented.
Издано:	2007
Физ. характеристика:	с.50-58
Цитирование:	1. Харин Ю.С. Робастность в статистическом распознавании образов. Минск: Университетское изд-во, 1992. 232 с. 2. Чепонис К., Жвиренайте Д., Мирошниченко Л., Бусыгин Б. Методы, критерии и алгоритмы, используемые при преобразовании, выделении и выборе признаков в анализе данных: обзор. Вильнюс: Ин-т математики и кибернетики АН ЛитССР, 1988. 149 с. 3. Lee С, Landgrebe D.A. Decision boundary feature extraction for non-parametric classification // IEEE Trans, on System, Man and Cybernetics. 1993. Vol. 23, N 2. С 433-444. 4. Abe N., Kudo M. Non-parametric classifier-independent feature selection // Pattern Recognition. 2006. Vol. 39. P. 737-746. 5. Кендалл М., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. С. 441-443.