Методика генерации и выбора нечётких классификаторов данных смешанного типа

Авторы и правообладатели:

• Остапенко Р. О. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)
• Ходашинский И. А. , Томский государственный университет систем управления и радиоэлектроники (Томск, Россия)

• 1. Горбунов И.В. Методы построения трехкритериальных Парето-оптимальных нечётких классификаторов / И.В. Горбунов, И.А. Ходашинский // Искусственный интеллект и принятие решений. – 2015. – № 2. – С. 75–87.
• 2. Lee J. Markov blanket-based universal feature selection for classification and regression of mixed-type data / J. Lee, J.-Y. Jeong, C.-H. Jun // Expert Systems with Applications. – 2020. – Vol. 158. – Р. 113398.
• 3. Ходашинский И.А. Методы мягкого оценивания величин: монография. – Томск: ТУСУР, 2007. – 152 с.
• 4. A method for mixed data classification base on RBFELM network / Q. Li et al. // Neurocomputing. – 2021. – Vol. 431. – P. 7–22.
• 5. Национальная стратегия развития искусственного интеллекта на период до 2030 г. [Электронный ресурс]. – URL: http://static.kremlin.ru/media/events/files/ru/AH4x6HgKWANwVtMOfPDhcbRpvd1HCCsv.pdf (дата обращения: 25.05.2025).
• 6. A three-stage fuzzy classifier method for Parkinson’s disease diagnosis using dynamic handwriting analysis / K. Sarin et al. // Decision Analytics Journal. – 2023. – Vol. 8. – P. 100274.
• 7. Saremi S. Grasshopper Optimisation Algorithm: Theory and application / S. Saremi, S. Mirjalilia, A. Lewis, S. Saremietal // Advances in Engineering Software. – 2017. – Vol. 105. – P. 30–47.
• 8. Meraihi Y. Grasshopper Optimization Algorithm: Theory, Variants, and Applications / Y. Meraihi, A.B. Gabis, S. Mirjalili, A. Ramdane-Cherif // IEEE Access. – 2021. – Vol. 9. – P. 50001–50024.
• 9. Wu L. The improved grasshopper optimization algorithm with Cauchy mutation strategy and random weight operator for solving optimization problems / L. Wu, J. Wu, T. Wang // Evolutionary Intelligence. – 2024. – Vol. 17. – P. 1751–1781.
• 10. Alirezapour H. A Comprehensive Survey on Feature Selection with Grasshopper Optimization Algorithm / H. Alirezapour, N. Mansouri, B.M.H. Zade // Neural Processing Letters. – 2024. – Vol. 56. – P. 1–54.
• 11. Hodashinsky I. Extracting fuzzy classifier rules from mixed continuous and categorical data / I. Hodashinsky, R. Ostapenko // IEEE Proceedings of ITNT 2024. XTH International Conference on Information Technology and Nanotechnology. – IEEE, 2024. – P. 10582321.
• 12. Hodashinsky I. Hybrid Methods for Extracting Fuzzy Classification Rules from Mixed Data / I. Hodashinsky, R. Ostapenko // Pattern Recognition and Image Analysis. Advances in Mathematical Theory and Applications. – 2024. – Vol. 34, No 4. – P. 966–970.
• 13. Lloyd S. Least squares quantization in PCM // IEEE Transactions on Information Theory. – 1982. – Vol. 28, No. 2. – P. 129–137.
• 14. Остапенко Р.О. Формирование базы правил нечёткого классификатора с помощью метаэвристического алгоритма «саранчи» / Р.О. Остапенко, И.А. Ходашинский // Доклады ТУСУР. – 2022. – Т. 25, № 2. – С. 31–36.
• 15. Huang Z. Extensions to the k-Means Algorithm for Clustering Large Data Sets with Categorical Values // Data Mining and Knowledge Discovery. – 1998. – Vol. 2. – P. 283–304.
• 16. Eye A. Categorical variables in developmental research: Methods of analysis. – San Diego: Academic Press, 1996. – 307 p.
• 17. Слезкин А.О. Методы бинаризации алгоритма стаи ласточек для решения задачи отбора признаков / А.О. Слезкин, И.А. Ходашинский, А.А. Шелупанов // Программирование. – 2021. – № 5. – С. 44–59.
• 18. Tiwari A. A Hybrid Feature Selection Method Using an Improved Binary Butterfly Optimization Algorithm and Adaptive β −Hill Climbing // IEEE Access. – 2023. – Vol. 11. – P. 93511–93537.
• 19. Fuzzy Model Parameter and Structure Optimization Using Analytic, Numerical and Heuristic Approaches / J. A. Morales-Viscaya et al. // Symmetry. – 2023. – Vol. 15. – Р. 1417.
• 20. Ходашинский И.А. Идентификация нечетких систем на базе алгоритма имитации отжига и методов, основанных на производных // Информационные технологии. – 2012. – № 3. – С. 14–20.
• 21. Barsacchi M. Optimizing Partition Granularity, Membership Function Parameters, and Rule Bases of Fuzzy Classifiers for Big Data by a Multi-objective Evolutionary Approach / M. Barsacchi, A. Bechini, P. Ducange, F. Marcelloni // Cognitive Computation. – 2019. – Vol. 11. – P. 367–387.
• 22. Остапенко Р.О. Построение нечёткого классификатора на основе метаэвристического алгоритма «саранчи» / Р.О. Остапенко, И.А. Ходашинский, Ю.А. Шурыгин // Научно-техническая информация. Сер. 2: Информационные процессы и системы. – 2023. – № 11. – С. 26–40.
• 23. KEEL-dataset repository [Электронный ресурс]. – URL: https://sci2s.ugr.es/keel/datasets.php (дата обращения: 25.05.2025).
• 24. Рыков А.С. Системный анализ: модели и методы принятия решений и поисковой оптимизации. – М.: ИД МИСиС, 2009. – 608 с.