Определение количества кластеров при прогнозировании состояния электронной аппаратуры
##plugins.themes.bootstrap3.article.main##
Аннотация
Предложен субградиентный иерархический метод выбора числа кластеров при прогнозировании параметров в условиях зашумленных выборок данных с учетом локальной плотности их распределения
##plugins.themes.bootstrap3.article.details##
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, публикующиеся в данном журнале, соглашаются со следующими условиями:- Авторы сохраняют за собой права на авторство своей работы и предоставляют журналу право первой публикации этой работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим лицам свободно распространять опубликованную работу с обязательной ссылокой на авторов оригинальной работы и оригинальную публикацию в этом журнале.
- Авторы сохраняют право заключать отдельные договора на неэксклюзивное распространение работы в том виде, в котором она была опубликована этим журналом (например, размещать работу в электронном архиве учреждения или публиковать в составе монографии), с условием сохраниения ссылки на оригинальную публикацию в этом журнале.
- Политика журнала разрешает и поощряет размещение авторами в сети Интернет (например в институтском хранилище или на персональном сайте) рукописи работы как до ее подачи в редакцию, так и во время ее редакционной обработки, так как это способствует продуктивной научной дискуссии и положительно сказывается на оперативности и динамике цитирования статьи (см. The Effect of Open Access).
Библиографические ссылки
G. Shcherbakova and V. Krylov, “Electronic Apparatus ParametersPrediction with Adaptive ClusteringProcedure”, in Proc. of International Conf. CADSM’2009, 2010.
L.A. Inaccessibility, E.T. Udovichenko, and G.A. Shevtsov, Technological methodsradioelectronic quality management measuring devices, Moscow: Publishing house.standards, 1976, p. 124.
R. Duda, P. Hart, and V. L. Stefanyuk, Pattern recognition and analysisscenes, Moscow: Mir, 1976, p. 511.
Y.A. Dorofeyuk and A.A. Dorofeyuk, “Methods of structural-classification forecasting of multidimensional dynamic objects”, Art. intel, no. 2, pp. 138–141, 2006.
N.G. Zagoruiko, Applied Analysis Methods data and knowledge, Novosibirsk: Publishing House of the Institute of Mathematics, 1999, p. 270.
S.A. Yudin, The method of forming images in tasks of intellectual data analysis, Dissertation abstract for graduation scientific degree of Candidate of Technical Sciences by specialty 05.13.23, Odesa: ONPU, 2006.
V.N. Krylov and G.Y. Shcherbakov, “Subgradient iterative optimization method in the wavelet transform space”, Collection of science Works of the Army. Kyiv Institutenational University named after T. Shevchenko, no. 12, pp. 56–60, 2008.
G.Y. Shcherbakova and V.N. Krylov, “Adaptive Clusteringin wavelet transform space”, Radioelectronic and computer systems, no. 6, pp. 123–127, 2009.