Аппроксимация дискриминантной функции Андерсона в заданной точке пространства признаков двух классов по обучающей выборке с учителем позволяет оценивать апостериорные вероятности классов. Эти вероятности являются исчерпывающими данными для решения задачи классификации в машинном обучении при субъективно задаваемых стоимостях ошибок и критериях классификации. Обучающая выборка с учителем преобразуется в выборку регрессионного анализа заменой номеров (меток) классов соответствующими разностями стоимостей ошибок. Получающиеся оценки апостериорных вероятностей классов не зависят от выбора стоимостей ошибок классификации, используемых для определения дискриминантной функции. Для аппроксимации дискриминантной функции в точке по обучающей выборке с учителем не требуется задания функции аппроксимации сложнее линейной. Кроме непараметрической модели, использующей обучающую выборку для каждой точки, предложены две параметрические: аппроксимация в окрестности нулевых значений дискриминантной функции и серия аппроксимаций при заданных апостериорных вероятностях на границе между классами. Апостериорные вероятности в заданной точке находятся при этом методом интер-экстраполяции или методом сглаживания. Приведены примеры.

В области дистанционного зондирования Земли активно внедряются гиперспектральные системы. Полученные при этом гиперспектральные изображения представляют большой интерес для решения широкого круга научных и различных практических задач. Однако реализация возможностей гиперкуба информации сдерживается отсутствием необходимых приложений и соответствующих вычислительных систем для обработки изображений, получаемых несколькими сотнями каналов гиперспектрометра. Рассмотрены методы удаленного доступа, анализа, хранения и обработки гиперкуба информации в облачных средах и некоторые подходы использования облачных вычислений.

В работе представлен метод адаптивного перераспределения массивов данных и их реплик среди узлов распределенной системы, значения параметров которой динамичны и могут изменяться со временем. Метод предназначен для адаптации размещения данных, используемых распределенной системой, к изменившимся условиям ее функционирования путем выбора наилучшего варианта перераспределения массивов данных и их реплик между узлами сети. Цель предлагаемого метода заключается в поиске нового распределения массивов данных и их реплик, обеспечивающего минимум затрат на эксплуатацию системы с учетом затрат на миграцию реплик

Сформулированы требования к качеству патентных данных распределенного патентного информационного фонда (РПИФ). Рассмотрены структура РПИФ, особенности формирования баз данных (БД) патентной документации РПИФ, доступа к данным и их использования, факторы, влияющие на качество проведения патентных поисков международного типа и экспертизы заявок на изобретение. Описаны показатели качества патентных данных БД РПИФ. Предложены основные критерии качества патентной информации. Для согласования критериев оценки качества БД РПИФ, предъявляемых их разработчиками и пользователями, разработана структура базы метаданных РПИФ

В предположениях модели ViSE рассматриваются общества, состоящие из группы и эгоистов. Изучены сценарии эволюции общества, заключающейся в изменении его структуры и порога голосования в интересах участников при гауссовском генераторе предложений. Установлено, что для нетривиальных обществ существуют сценарии, приводящие к образованию «открытой» группы, размер которой позволяет ей монопольно принимать решения посредством голосования. В то же время к обществам из эгоистов нет путей из обществ с невырожденной группой. Группа-мафия никогда не отпускает желающих ее покинуть. В обществах, близких к мажоритарным, реализуется механизм «снежного кома» кооперации, в самых либеральных и самых консервативных обществах – механизм последовательной атомизации. «Открытая» и «демократическая» группы допускают циклические сценарии эволюции. В неблагоприятной среде рационально усиление консерватизма.