Маълумотларга дастлабки ишлов бериш муаммолари

  • № 3 (5) 2018

Страницы: 

40

 – 

44

Язык: узбекский

Открыть файл статьи
Открыть страницу статьи в Интернет

Аннотация

Мазкур мақола маълумотларга дастлабки ишлов бериш муаммоларига бағишланган бўлиб, унда маълумотларга дастлабки ишлов беришнинг бошланғич маълумотлар сифатини яхшилаш ва ўзгарувчиларни бир хил типга келтириш масалалари кўриб чиқилган ҳамда бошланғич маълумотлардаги бўшлиқ, халақит ѐки сакрашларни бартараф этиш усул ва алгоритмларининг таҳлиллари баѐн этилган

Список использованных источников

  1. Воронцов К. Курс лекций "Машинное обучение". 2011. http://www.machinelearning.ru
  2. Гонсалес P., Вудс P., Эддинс С. Цифровая обработка изображений в среде Matlab. М.: Техносфера. 2006, -с. 615.
  3. Гонсалес Р., Вудс Р. Цифровая обработка изображений, Москва: Техносфера, 2012.  1104 с. ISBN 978-5-94836-331-8
  4. Горский Н.Д., Фазылов Ш.Х. Анализ данных:основные этапы и вычислительный эксперимент. –Ташкент, 1987. – 28 с. Деп. в ВИНИТИ 18 авг. 1987 г., № 6057 – В87.
  5. Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер.с англ. — М.:2004. – с. 512.
  6. Енюков И.С. Методы оцифровки неколичественных признаков // Алгоритмическое и программное обеспечение прикладного статистического анализа: Ученые записки по статистике. – М.: Наука, 1980. – Т.36. – с. 309-316.
  7. Енюков И.С., Кулакова Е.П. Числовые метки для неколичественных признаков в дискриминантном анализе // Прикладной многомерный статистический анализ. – М.: Наука, 1978. –с.353-357.
  8. Загоруйко Н.Г. Методика оценки информативной эффективности независимых параметров речевого сигнала// Вычислительные системы. -1964. -Вып. 10. – С. 13-19.
  9. Запрягаев С.А. Сегментация рукописных и машинописных текстов методом диаграмм Вороного/ С.А.Запрягаев, А.И.Сорокин// Вестник ВГУ. Серия Системный анализ и информационные технологии. 2010. № 1.- С. 160-165.
  10. Зенин А. В. Анализ методов распознавания образов //Молодой ученый.—2017. №16. - С. 125-130.
  11. Злоба Е., Яцкив И. Статистические методы восстановления пропущенных данных// Computer Modelling & New Technologies, 2002, Volume 6, No.1, С. 51-61.
  12. Кендалл М., Стюарт А. Статистические выводы и связи - М.: Наука, Физматлит, Т. 2, 1973. 899 с.
  13. Корнеев В.В. Базы данных. Интеллектуальная обработка информации. / -М.:Нолидж, 2000г. 352 с.
  14. Котюков В.И. Некоторые нестандартные статистические модели прогнозирования в эконометрии. Новосибирск, изд. НИИЖТ, 1977. –с.15.
  15.  Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками. -М. Финансы и статистика, 1991г. 334 с.
  16. Лукашин Ю. П. Адаптивные методы краткосрочного прогнозирования временных рядов. — М.: Финансы и статистика, 2003. — 416 с.
  17. Луньков А.Д., Харламов А.В. Интеллектуальный анализ данных. Учебно-методическое пособие. Часть I. Саратов, 2016, -96 стр.
  18. Методы компьютерной обработки изображе- ний / Под ред. В.А. Сойфера. — 2-е изд., испр. — М.: ФИЗМАТЛИТ, 2003. — 784 с. — ISBN 5- 9221-0270-2.
  19. Местецкий Л. В. Математические методы распознавания образов. Курс лекций.. — М.:, 2004. — 85 с.
  20. Мишулина О. А. Статистический анализ и обработка временных рядов. — М.: МИФИ, 2004. —С. 180. — ISBN 5-7262-0536-7.
  21. Никифоров А. М., Фазылов Ш. Х. Методы и алгоритмы преобразова-ния типов признаков в задачах анализа данных. – Ташкент: Фан, 1988. –132 с.
  22. Попова Л. П., Датьев И. О. Обзор существующих методов распознавания образов. — М.: Сборник научных трудов, 2007. — 11 с.
  23. Пфанцагль И. Теория измерений. Москва: Мир, 1976. — 248 с.
  24. Фазылов Ш.Х., Нишонов А.Х., Маматов Н.С. Методы и алгоритмы выбора информативных признаков на основе эвристических критериев информативности. Т.: «Фан ва технология», 2017. -132 стр.
  25. Фомин Я. А. Распознавание образов: теория и применения. — 3-е изд. — М.: ФАЗИС, 2014. — 469 с. — ISBN 978-5-7036-0130-4.
  26. Шапиро Л., Стокман Дж. Компьютерное зрение //Computer Vision. - М.: Бином. Лаборатория знаний, 2006. - 752 с. ISBN 5-947-74384-1.
  27. Bishop C. Pattern Recognition and Machine Learning. Cambridge: Springer. 2006. рр. -758.
  28. Devroye L., Györfi L., Lugosi G. A Probabilistic Theory of Pattern Recognition. – Springer-Verlag, New York, 1996. рр. -637.
  29. Duda R.O., Hart P.E. and Storc D.G. Pettern classification. John Willey& Sons, USA, 2nd Edition, 2001. рр. -441.
  30. Duda R.O., Hart P.E., Stork D.G. Pattern Classification and Scene Analysis: Part I Pattern Classification. – John Wiley & Sons, 1998. рр. -512.
  31. Peng-Yeng Yin Pattern Recognition. – IN-TECH 2008. P. 626.
  32. Ross М., Boult Т. Efficient evaluation of classification and recognition systems. // Proceedings of 15th Conference on Computer Vision and Pattern Recognition. 2001. pр. -1-8.
  33. Theodoridis S., Koutroumbas К. Pattern Recognition. London: Elsevier. 2009. Р.708.
  34. Vapnik V.N. The nature of statistical leaning theory.-Springer-Verlag, New York, 2000,-р. 314.
  35. Wechsler H. Reliable face recognition methods: system design, implementation and evaluation. New York: Springer. 2007. - р. 329.
  36. Zhao W., Chellappa R., Phillips P. Face recognition: a literature survey. // ACM Computer Surveys. 2003. - vol.35. pp. 400-459.

Список всех публикаций, цитирующих данную статью