102
Тип
ходных д
обучения
ны супер
бых клас
становит
четкой к
стью на
позволяю
Для опре
чающей
ствия сл
стве неч
индексов
ентам ко
каждого
Рисунок.
(
2
)
и Mo
Toolbox),
задаче в
стью (раз
ISSN 0236-393
f
f
и свойства
анных, пр
алгоритм
аддитивны
сификатор
ся пробле
лассифика
практике о
т учитыва
деления д
выборке о
абых клас
етких плот
взаимоде
рреляции
класса с уч
Примеры
dest (
3
)
Ad
а также Ge
пространст
мер обучаю
3.
Вестник М
( )
(
( )
(
j
m
w
j
m
w
P y
P y
+
−
=
=
аддитивн
именяемы
а. Ранее в
е
λ
-
меры
ов в алго
матичным
ции [22, 2
бладают д
ть взаимос
вухаддити
ценить неч
сификатор
ностей бы
йствия – в
степеней
етом треб
результато
aBoost (реа
ntle FuzzyB
ве признак
щей выбор
ГТУ им. Н.Э.
)
)
:
1
|
1
|
1
i
i y
N
i
x
x
=
=
= =
= − =
∑
∑
ости нечет
х для их р
алгоритме
[25].
Одна
ритмическ
.
Согласно
6],
наибол
вухаддити
вязи слаб
вных нече
еткие пло
ов. В резу
ли предло
еличины, п
поддержки
ований к н
в применен
лизация в
oost (
4
)
к с
ов с нелин
ки 5 000, те
Баумана. Сер.
( )
( )
( )
( )
( )
1
1
.
j
m i
i
j
m i
i
j
m
p x w
p x w
f
+
−
ких мер о
асчета и в
FuzzyBoos
ко с увели
ой композ
работам,
ьшей обоб
вные нечет
ых классиф
тких мер н
тности и и
льтате исс
жены конс
ропорцион
слабыми
ормировке
ия алгорит
зята из GM
моделирова
ейной разд
стовой выб
“
Приборостро
;
пределяют
ычисляемы
t были исп
чением чи
иции расч
посвящен
щающей с
кие меры,
икаторов
еобходимо
ндексы вз
ледований
танты, а в
альные ко
классифик
[22].
мов Real (
L AdaBoo
нной двухк
еляющей п
орки 10 000
ение”. 2012
вид ис-
х в ходе
ользова-
сла сла-
ет
λ
-
мер
ным не-
пособно-
которые
попарно.
по обу-
аимодей-
в каче-
качестве
эффици-
аторами
1
),
Gentle
st Matlab
лассовой
оверхно-
)