Статья посвящено решению проблемы выбора прсцидентных объектов, являющейся важным аспектом мульти кластеризации в процессах распознавания и классификации образов. Предложен новый алгоритм выбора прецидентных объектов с учетом пространства номинальных и числовых признаков. Этот алгоритм обеспечивает точную, устойчивую и прозрачную классификацию данных, повышая эффективность принятия аналитических решений, особенно в процессах медицинской диагностики.
В статье исследована эффективность ансамблевых алгоритмов на основе принципов частичной прсцедентности при классификации стадий рака. Механизм взвешенного принятия решений на основе линейной свертки показал высокие результаты при классификации типов рака (С 16, С17, С18, С44, С50, С00). Разработан метод на основе манхэттенского расстояния и пороговых значений, результаты сравнены с классическими алгоритмами. Предложенный ансамблевый алгоритм повышает точность классификации до 94,7-96,2%, что на 3-10% выше результатов существующих алгоритмов.
В данной статье рассматривается применение алгоритма кластеризации k-means для распознавания динамических объектов. Поскольку метод k-means является одним из методов обучения без учителя, он широко используется в задачах определения, отслеживания и классификации движущихся объектов в реальном времени. Содержание метода, его реализация и недостатки указывают на необходимость применения подходов глубокого обучения.
В работе представлено численное моделирование трехмерного поля скорости ветра в атмосфере на основе уравнений Навье-Стокса. Разработан устойчивый алгоритм решения задачи гидродинамики с использованием неявной разностной схемы и аппроксимации высокого порядка. Модель учитывает пространственно-временную изменчивость скорости воздушных масс в направлениях u, v и w, что позволяет более точно описывать процессы переноса загрязняющих веществ в атмосфере.
В данном исследовании представлен передовой подход к оптимизации систем нечеткого вывода (СНВ) с использованием генетических алгоритмов (ГА) -мощного эволюционного метода, вдохновленного естественным отбором. Традиционная разработка FIS основана на эвристической настройке базы правил и функций релевантности, что может быть неэффективным. Это исследование позволяет систематически оптимизировать базу правил СНВ, что повышает точность, гибкость и надежность систем принятия решений. Экспериментальные результаты показывают, что сложность базы правил значительно снижается при сохранении производительности системы. В исследовании также подчеркивается важность таких операторов ГА, как отбор, кроссинговср и мутация, для достижения глобальной оптимальности. Такая интеграция помогает разрабатывать интеллектуальные системы, способные адаптироваться к реальным ситуациям, обеспечивая многообещающие результаты для экспертных систем, приложений автоматизации и управления.
В теории термоупругости задачи обычно решаются в напряжениях с введением функции напряжений Эри. Однако в данной работе задача теории термоупругости формулируется и решается непосредственно в напряжениях в пространственной постановке без введения каких-либо дополнительных функций. Также представлен алгоритм решения.
В данной статье анализируется предварительная обработка изображений дистанционного зондирования на основе модели дискретной гистограммы. Фиксироваться эффективность применения данной модели, ее значимость, качество и уникальность. Кроме того, показано практическое значение инфракрасных каналов в повышении эффективности распознавания объектов при дистанционном зондировании Земли.
В статье представлен сравнительный анализ алгоритмов машинного обучения, применяемых для ранней диагностики онкологических заболеваний. В работе рассмотрены алгоритмы Random Forest, XGBoost, AdaBoost и другие, протестированные на различных клинических задачах, таких как рак шейки матки, лёгких и кожи. Особое внимание уделено ансамблевым методам, которые продемонстрировали наивысшую точность, особенно алгоритму Random Forest (случайный лес). Подчёркивается универсальность изучаемых методов, их адаптивность к разнородным медицинским данным и потенциал для разработки интеллектуальных систем поддержки принятия клинических решений.
В статье «Методы извлечения объектов из изображений» рассмотрены основные типы алгоритмов сегментации объектов изображения и представлена информация об их основных преимуществах и недостатках. В зависимости от характера проблемы есть возможность выбрать один или несколько методов.
