Главная – Журналы – Автометрия 2026 номер 2

Рассматриваются вопросы создания алгоритмического обеспечения для одной из центральных задач машинного обучения - задачи классификации по прецедентам. Разработаны и исследованы оригинальные процедуры логического анализа и классификации целочисленных данных, представимых в виде совокупности элементов декартова произведения конечных частично упорядоченных множеств (произведения частичных порядков). На этапе обучения предлагаемых процедур осуществляется поиск так называемых правильных представительных элементарных классификаторов (специальных фрагментов признаковых описаний прецедентов, позволяющих различать объекты из разных классов). Описан асимптотически оптимальный алгоритм перечисления искомых элементарных классификаторов над произведением антицепей, и приведены результаты его тестирования на реальных задачах. Дано теоретическое и экспериментальное обоснование эффективности новых распознающих процедур в случае задания линейных порядков на множествах значений признаков. Теоретические выводы основаны на изучении метрических (количественных) свойств множества правильных представительных элементарных классификаторов.