класифікатор

Розглядається проблема збіжності процедури синтезу схем класифікаторів у методах логічних і алгоритмічних дерев класифікації. Запропонована верхня оцінка складності схеми дерева алгоритмів у задачі апроксимації масиву реальних даних набором узагальнених ознак з фіксованим критерієм зупинки процедури розгалуження на етапі побудови дерева класифікації. Даний підхід дає змогу забезпечити необхідну точність моделі, оцінити її складність, знизити кількість розгалужень та досягти необхідних показників ефективності.

In the paper, the concept of the formation of the national spatial data infrastructure (NSDI) in Ukraine has been investigated, the complex NSDI industry standards and the classes of objects of the urban-planning cadaster have been analyzed.

У статті описано дослідження особливості методів та алгоритмів розпізнавання математичних виразів. Досліджено можливість одночасного виконування структурного аналізу та класифікації символів. Описано процес класифікації символів та побудови відповідної системи, що ґрунтується на методах машинного навчання. Розроблений ітеративний алгоритм реалізовано в проекті інтелектуальної інформаційної системи розпізнавання математичних виразів.

In the paper, a classification method is proposed. It is based on Combined Swarm Negative Selection Algorithm, which was originally designed for binary classification problems. The accuracy of developed algorithm was tested in an experimental way with the use of microarray data sets. The experiments confirmed that direction of changes introduced in developed algorithm improves its accuracy in comparison to other classification algorithms.