Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив
Правила для авторов

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия, 2021, том 8, выпуск 3, страницы 394–405
DOI: https://doi.org/10.21638/spbu01.2021.302
(Mi vspua90)
 

Эта публикация цитируется в 1 научной статье (всего в 1 статье)

МАТЕМАТИКА

Симптомно-синдромальный анализ многомерных категориальных данных на основе полиномов Жегалкина

Н. П. Алексеева

Санкт-Петербургский государственный университет, Российская Федерация, 199034, Санкт-Петербург, Университетская наб., 7-9
Аннотация: В работе изучаются распределения, энтропия и другие информационные свойства конечных проективных подпространств (синдромов), параметризуемых при помощи импульсных последовательностей с базовыми элементами в виде полиномов Жегалкина над полем характеристики два (симптомов). Доказано, что суперсиндромы, полученные при рассмотрении в качестве базовых элементов мультипликативного синдрома, замкнуты. Классы симптомов, упорядоченные по мажорированию, то есть нейтральности одного из симптомов при конъюнкции, образуют мажорированный синдром, для которого доказано свойство идентичности синдрома и суперсиндрома. Сформулированные в первой части работы утверждения используются для обоснования сходимости итерационной процедуры (ИП), в которой наиболее информативные симптомы, отобранные из частичных суперсиндромов меньшей размерности, вновь подаются на вход. Стационарное состояние ИП достигается в случае принадлежности всех элементов входного множества или одному и тому же частичному суперсиндрому, или мажорированному синдрому. Благодаря ИП удается выделять наиболее информативные симптомы из большой совокупности переменных с меньшей трудоемкостью. На примере из фтизиатрии показано, каким образом при помощи симптомного анализа можно улучшить специфичность классификации.
Ключевые слова: многомерный анализ категориальных данных, конечные геометрии, алгебраические нормальные формы, энтропия, коэффициент неопределенности, итерационная процедура, симптомно-синдромальный метод, редукция размерности, классификация, чувствительность, специфичность.
Финансовая поддержка Номер гранта
Российский фонд фундаментальных исследований 20-01-00096-а
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (грант №20-01-00096-а).
Поступила в редакцию: 18.07.2020
Исправленный вариант: 21.10.2020
Принята в печать: 19.03.2020
Тип публикации: Статья
УДК: 519.22-24
MSC: 62-07, 62B10, 62H86
Образец цитирования: Н. П. Алексеева, “Симптомно-синдромальный анализ многомерных категориальных данных на основе полиномов Жегалкина”, Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия, 8:3 (2021), 394–405
Цитирование в формате AMSBIB
\RBibitem{Ale21}
\by Н.~П.~Алексеева
\paper Симптомно-синдромальный анализ многомерных категориальных данных на основе полиномов Жегалкина
\jour Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия
\yr 2021
\vol 8
\issue 3
\pages 394--405
\mathnet{http://mi.mathnet.ru/vspua90}
\crossref{https://doi.org/10.21638/spbu01.2021.302}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/vspua90
  • https://www.mathnet.ru/rus/vspua/v8/i3/p394
  • Эта публикация цитируется в следующих 1 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Вестник Санкт-Петербургского университета. Математика. Механика. Астрономия
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024