Определение максимального размера гипербокса в нечетком классификаторе типа Min-Max с использованием регрессионной модели

Аннотация: Предложен алгоритм построения нечеткого классификатора типа Min-Max с адаптацией параметра максимального размера гипербокса с помощью регрессионной модели. Модель для нахождения параметра разрабатывалась на основе методов машинного обучения. Для этого предложена система из 38 метапризнаков, характеризующих свойства наборов данных и вычисляемых рекуррентно для обеспечения онлайн-обучения. Проведен вычисли-тельный эксперимент построения классификаторов предложенным алгоритмом для решения таких задач кибер-безопасности, как обнаружение спама, обнаружение фишинговых сайтов и обнаружение атак на сетевые ресурсы. В задачах обнаружения спама и фишинговых сайтов предлагаемый алгоритм продемонстрировал статистически значимое увеличение точности по сравнению с алгоритмом классификации типа Min-Max без использования ре-грессионной модели.

Ключевые слова: нечеткие классификаторы типа min-max, метапризнаки, регрессионные модели, инкрементное обучение, кибер-безопасность, автоматический выбор параметров

Библиография статьи:
Сарин К. С. Определение максимального размера гипербокса в нечетком классификаторе типа Min-Max с использованием регрессионной модели / К. С. Сарин, Р. Е. Коломников, И. А. Ходашинский // Доклады Томского государственного университета систем управления и радиоэлектроники. – 2025. – Т. 28, № 3. – С. 145–152. DOI: 10.21293/1818-0442-2025-28-3-145-152