Для принятия решений в технических приложениях, как правило, необходимо обладать моделью, позволяющей прогнозировать состояние управляемого объекта или процесса. Объект исследования - процесс построения моделей зависимостей по прецедентам. Предмет исследования - методы построения количественных зависимостей по прецедентам на основе кластер-регрессионной аппроксимации. Цель работы - упрощение моделей кластер-регрессионной аппроксимации путем косвенной реализации кластер-анализа в процессе построения модели.Предложен метод древовидной кластер-регрессионной аппроксимации, который для заданной обучающей выборки строит дерево для иерархической кластеризации экземпляров, листовые узлы которого соответствуют кластерам, для каждого кластера строит частную модель зависимости по экземплярам обучающей выборки, попавшим в кластер, стремясь обеспечить наименьшую сложность модели, и использует набор наиболее информативных признаков наименьшей длины. Это позволяет обеспечить приемлемую точность модели, высокие уровни интерпретабельности и обобщения данных, снизить сложность модели, упростить ее реализацию при последовательной организации вычислений. Разработано программное обеспечение, реализующее предложенный метод древовидной кластер-регрессионной аппроксимации. Разработанный метод и реализующее его программное обеспечение исследованы при решении практических задач прогнозирования. Проведенные эксперименты подтвердили работоспособность разработанного математического обеспечения и позволяют рекомендовать его для использовании на практике. Выводы: в отличие от традиционных методов построения регрессионных моделей, строящих модель на основе функции, единой для всего признакового пространства формы, предложенный метод формирует иерархическую комбинацию частных моделей. В отличие от известных методов построения деревьев регрессии, листовые узлы которых содержат усредненные значения выходного признака для кластеров, предложенный метод формирует дерево, состоящее из частных моделей для кластеров, что позволяет обеспечить большую точность модели.

  Повний текст PDF - 629.058 Kb    Зміст випуску     Цитування публікації

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