Введение
1 Выбор модели с помощью принципа устойчивости 14
1.1 Проблема выбора модели 14
1.2 Общие методы выбора модели 18
1.2.1 Структурная минимизация риска 19
1.2.2 Принцип минимальной длины описания 21
1.2.3 Байесовское обучение 24
1.3 Принцип устойчивости 28
1.4 Метод релевантных векторов 37
1.5 Ядровой индекс пригодности 40
1.6 Результаты экспериментов 49
1.6.1 Модельная задача . 49
1.6.2 Реальные данные 50
1.7 Обсуждение и выводы 54
2 Выпуклая стабилизация коллективов алгоритмов 57
2.1 Особенности построения коллективных решений 57
2.2 Методы получения коллективных решений 59
2.2.1 Общие положения 59
2.2.2 Комитетные методы 61
2.2.3 Методы выбора классификатора 65
2.3 Выпуклый стабилизатор 67
2.3.1 Неустойчивость классификаторов 67
2.3.2 Стабилизация корректных алгоритмов 71
2.3.3 Стабилизация некорректных алгоритмов 73
2.4 Выпуклая кластерная стабилизация 76
2.5 Результаты экспериментов 81
2.6 Выводы 83
3 Устойчивость ансамблей кластеризаторов 86
3.1 Специфика задачи кластерного анализа 86
3.2 Методы оценки устойчивости и построения ансамблей алгоритмов кластерного анализа 89
3.2.1 Методы построения ансамблей кластеризаторов 89
3.2.2 Устойчивость методов кластеризации 92
3.2.3 Использование устойчивости для определения числа кластеров 94
3.3 Описание эксперимента 96
3.3.1 Устойчивость ансамблей относительно исходных алгоритмов кластеризации 101
3.3.2 Связь между устойчивостью ансамбля и его точностью. 102
3.3.3 Использование устойчивости ансамблей для определения числа кластеров 107
3.4 Выводы 110
4 Заключение
