Инд. авторы:	Загоруйко Н.Г., Борисова И.А., Кутненко О.А, Дюбанов В.В., Леванов Д.А.
Заглавие:	Конкурентное сходство как универсальный базовый инструмент когнитивного анализа данных
Библ. ссылка:	Загоруйко Н.Г., Борисова И.А., Кутненко О.А, Дюбанов В.В., Леванов Д.А. Конкурентное сходство как универсальный базовый инструмент когнитивного анализа данных // Онтология проектирования. - 2015. - Т.5. - № 1. - С.7-18. - ISSN 2223-9537. - EISSN 2313-1039.
Внешние системы:	РИНЦ: 23242059;
Реферат:	eng: During Data Mining tasks solving a person use a specific universal psycho and physiological cognitive technique. Key points of the technique are in a way of estimating a measure of similarity between objects and in necessity to maximize compactness and simplicity of a world description according to the measure. Nikolay Zagoruiko offered a measure of similarity, which takes into account a rival environment. In the paper the Function of Rival Similarity (FRiS-function) and some possibilities of its usage for patterns compactness and separability estimating are presented. These estimations are used in algorithms for solving classification (FRiS-Stolp algorithm), feature selection (FRiS-GRAD algorithm) and censoring (FRiS-Censor algorithm) tasks. Main ideas, some properties of the algorithms and their results on model and real tasks of data mining are described in the paper as well. rus: При решении задач анализа данных (классификации, таксономии, выбора признаков, прогнозирования) человек применяет некий универсальный психофизиологический механизм познания, ключевую роль в котором, по нашему мнению, играют способность оценивать меру сходства между объектами и стремление к максимальной компактности и простоте описания мира в терминах этой меры сходства. Николаем Григорьевичем Загоруйко была предложена модель для оценивания сходства объекта с образом, основанная на учете конкурентной ситуации. В статье определяется функция конкурентного сходства (FRiS-функция) и описываются возможности её использования для оценки компактности и разделимости образов. Эти оценки легли в основу алгоритмов для решения задач построения решающего правила (алгоритм FRiS-Stolp), выбора информативных признаков (алгоритм FRiS-GRAD) и цензурирования (алгоритм FRiS-Censor). Основные идеи и свойства этих алгоритмов, а также результаты их применения к модельным и реальным задачам представлены в данной статье.
Ключевые слова:	цензурирование; распознавание; когнитивный анализ данных; function of rival similarity; Censoring; pattern recognition; cognitive data mining; feature selection; выбор признаков; функция конкурентного сходства;
Издано:	2015
Физ. характеристика:	с.7-18
Цитирование:	1. Айвазян, С.А. Прикладная статистика. Основы моделирования и первичная обработка данных / С.А. Айвазян, И.С. Енюков, Л.Д. Мешалкин. - М.: Финансы и статистика, 1983. - 471 с. 2. Arkadev, A.G. Computers and Pattern Recognition / A.G. Arkadev, E.M. Braverman. - Thompson Book Company, 1967. - 115 p. 3. Vapnik, V.N. Statistical Learning Theory / V.N. Vapnik. - NY: Wiley-Interscience, 1998. - 740 p. 4. Журавлев, Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации / Ю.И. Журавлев // Проблемы кибернетики. - 1978. - Т. 33. - С. 5-68. 5. Ivakhnenko, A.G. Cybernetics and forecasting techniques / A.G. Ivakhnenko, V.G. Lapa. - NY.: Elsevir Publishing Company, 1967. - 168 p. 6. Шлезингер, М.И. Математические средства обработки изображений / М.И. Шлезингер. - К.: Наукова думка, 1989. - 198 c. 7. Загоруйко, Н.Г. Когнитивный анализ данных / Н.Г. Загоруйко. - Новосибирск: Академическое изд-во ГЕО, 2013. - 186 c. 8. Загоруйко, Н.Г. Прикладные методы анализа данных и знаний / Н.Г. Загоруйко. - Новосибирск: Изд-во ИМ СО РАН, 1999. - 270 с. 9. Загоруйко, Н.Г. Методы распознавания и их применение / Н.Г. Загоруйко. - М.: Советское радио, 1972. - 208 с. 10. Zagoruiko, N.G. A quantitative measure of compactness and similarity in a competitive space / N.G. Zagoruiko, I.A. Borisova, V.V. Dyubanov, O.A. Kutnenko // Journal of Applied and Industrial Mathematics. - 2011. - V. 5. - №1. - Р. 144-154. 11. Kira, K. The Feature Selection Problem: Traditional Methods and a New Algorithm / K. Kira, L. Rendell // Proc. 10 Nat. Conf. Artificial Intelligence (AAAI-92). - Menlo Park: AAAI Press, 1992. - P. 129-134. 12. Rousseeuw, P.J. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis / P.J. Rousseeuw // J. Comput. Appl. Math. - 1987. - V. 20. - P. 53-65. 13. Zagoruiko, N.G. A construction of a compressed description of data using a function of rival similarity / N.G. Zagoruiko, I.A. Borisova, V.V. Dyubanov, O.A. Kutnenko // Journal of Applied and Industrial Mathematics. - 2013. - V. 7. - № 2. - P. 275-286. 14. Zagoruiko, N. Attribute selection through decision rule construction (algorithm FRiS-GRAD) / N. Zagoruiko, I. Borisova, V. Dyubanov, O. Kutnenko // Proc. of 9 Intern. Conf. Pattern recognition and Image Analysis (PRIA-2008). - Nizhniy Novgorod. 2008. V. 2. - P. 335-338. 15. Jeffery, I. Comparison and evaluation of methods for generating differentially expressed gene lists from microarray data / I. Jeffery, D. Higgins, A. Culhane // BMC Bioinformatics. - 2006. - DOI:10.1186/1471-2105-7-359. - http://www.biomedcentral.com/1471-2105/7/359. (актуально на 03.03.2015). 16. Загоруйко, Н.Г. Обучение распознаванию без переобучения / Н.Г. Загоруйко, О.А. Кутненко, А.О. Зырянов, Д.А. Леванов // Машинное обучение и анализ данных. - 2014. - Т. 1. - №7. - С. 891-901. 17. Борисова, И.А. Алгоритм таксономии FRiS-Tax / И.А. Борисова // Научный вестник НГТУ - Новосибирск: Изд-во НГТУ, 2007. - №3. - С. 3-12. 18. Borisova, I.A. Feature selection by using the FRiS-function in the task of generalized classification / I.A. Borisova, N.G. Zagoruiko // Pattern Recognition and Image Analysis. - 2011. -V. 21. - №2. - P. 117-120. 19. Zagoruiko, N.G. Error detection and gap filling in cubes of data / N.G. Zagoruiko, V.V. Tatarnikov // Journal of Applied and Industrial Mathematics. - 2014. - V. 8. - Issue 3. - P. 444-451.