Введение
Глава 1. Постановка задачи 14
1.1. Понятие мультимодели. Смеси моделей и многоуровневые модели 16
Глава 2. Построение оптимальной мультимодели. Отбор и комбинирование признаков 20
2.1. Отбор признаков с помощью максимизации обоснованности для случая одиночной модели 20
2.2. Отбор признаков с помощью максимизации обоснованности для многоуровневой модели 41
2.3. Отбор признаков с помощью максимизации обоснованности для смеси моделей 42
2.4. Комбинирование признаков для учета взаимосвязей между ними 46
Глава 3. Обучение мультимоделей 53
3.1. Обучение одиночной модели 53
3.2. Обучение многоуровневой модели 54
3.3. Обучение смеси моделей 55
3.4. Алгоритм совместного обучения и оптимизации смеси моделей 57
Глава 4. Выбор (s, а) - адекватных мультимоделей 61
4.1. Обоснование вида функции сходства 61
4.2. Предлагаемая функция сходства моделей 71
4.3. Анализ KL-информативности моделей 75
4.4. Свойство монотонности для предлагаемой функции сходства 84
4.5. Свойства распределения значений предлагаемой функции сходства 89
4.6. Алгоритмы выбора (s, а) - адекватных мультимоделей 113
Глава 5. Анализ прикладных задач 120
5.1. Применение s-score при сравнении моделей 120
5.2. Построение (s, а)-адекватных многоуровневых моделей 126
5.3. Построение (s, а)-адекватных смесей моделей 136
5.4. Применение комбинирования признаков 139
5.5. Иллюстрация вырожденности недиагональной оценки максимума обоснованности ковариационной матрицы параметров логистической модели 152
5.6. Результаты работы предлагаемых методов на реальных данных 154
Заключение 161
Список основных обозначений
