Виявлено простий та ефективний механізм, за допомогою якого можна будувати алгоритмічні дерева класифікації (моделі дерева алгоритмів) за фіксованою початковою інформацією у вигляді навчальної вибірки дискретних даних. Побудоване алгоритмічне дерево класифікації буде безпомилково класифікувати (розпізнавати) всю навчальної вибірки за якою побудована модель, мати мінімальну структуру (структурну складність) та складатися з компонентів - автономних алгоритмів класифікації та розпізнавання в якості вершин конструкції (атрибутів дерева). Мета роботи - створення простого, ефективного та універсального метода побудови моделей класифікації (розпізнавання) на основі концепції дерев алгоритмів для масивів реальних даних гідрографічного характеру, де отримані схеми систем класифікації (структури дерев класифікації) характеризуються деревоподібної структурою (конструкцією) та наявністю автономних алгоритмів класифікації (наборів узагальнених ознак) в якості своїх структурних елементів (блоків конструкції). Метод. Пропонується загальна схема синтезу дерев класифікації у вигляді дерев алгоритмів на основі процедури апроксимації масиву дискретних даних набором елементарних класифікаторів, яка для заданої початкової навчальної вибірки будує деревоподібну структуру - модель дерева алгоритмів. Причому побудована схема складається з набору автономних алгоритмів класифікації та розпізнавання оцінених на кожному кроці, етапі побудови дерева класифікації за даною початковою вибіркою. Розроблений метод побудови алгоритмічного дерева класифікації основна ідея якого полягає в по кроковій апроксимації начальної вибірки довільного об'єму та структури набором елементарних алгоритмів класифікації. Метод дерева алгоритмів при формуванні поточної вершини дерева алгоритмів, вузла, узагальненої ознаки, забезпечує виділення найбільш ефективних, якісних елементарних класифікаторів з початкового набору та добудову лише тих шляхів в структурі дерева де відбувається найбільша кількість помилок (відмов) класифікації. Структурна складність конструкції дерева алгоритмів оцінюється на основі кількості переходів, вершин та ярусів структури моделі, що дозволяє підвищити якість його наступного аналізу, забезпечити ефективний механізм декомпозиції, та будувати структури дерев алгоритмів в умовах фіксованих наборів обмежень. Метод синтезу дерев алгоритмів дозволяє будувати різнотипні деревоподібні моделі розпізнавання з різними початковими наборами елементарних класифікаторів з наперед заданою точністю для широкого класу задач теорії штучного інтелекту. Результати. Розроблений метод побудови моделей дерев алгоритмів дозволяє працювати з навчальними вибірками великого об'єму різнотипної інформації (дискретними даними) та забезпечує високу швидкість та економність апаратних ресурсів в процесі генерації кінцевої схеми класифікації, будувати дерева класифікації з наперед заданою точністю. Висновки: розроблений підхід синтезу нових алгоритмів (схем) розпізнавання на основі бібліотеки (набору) вже відомих алгоритмів (методів) та схем.

 Наукова періодика України 

---

Додаткова інформація про автора(ів) публікації:
(cписок формується автоматично, до списку можуть бути включені персоналії з подібними іменами або однофамільці)

• Міца Олександр Володимирович (1977–) (фізико-математичні науки)
• Мулеса Оксана Юріївна (технічні науки)
• Поліщук Володимир Володимирович (1987–) (державне управління)
• Поліщук Віталій Васильович (сільськогосподарські науки)

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"