Работа посвящена методам решения задачи кусочно-линейной аппроксимации, разработанных на базе общего подхода к задачам классификационного анализа данных. Основная идея кусочной аппроксимации сложной зависимости состоит в разбиении пространства входных параметров на такие области, в пределах каждой из которых сложную во всем пространстве зависимость можно аппроксимировать достаточно простой функцией, например, линейной. Введение достаточно естественного критерия качества аппроксимации в виде среднеквадратичного отклонения кусочно-линейной модели от выборки реальных входо-выходных данных, позволяет строить оптимальные алгоритмы его минимизации, а в некоторых случаях разрабатывать и глобально-оптимальные алгоритмы.

Рассмотрен метод адаптивного структурного прогнозирования, позволяющий отслеживать существенные изменения структуры исследуемого множества объектов, например, числа классов. Такая адаптация достигается за счёт специально разработанного для этой цели адаптивного алгоритма кластер-анализа, оптимального по числу классов.

В настоящей работе используются новые методы анализа временных рядов, значения которых в каждый момент времени получены на выборках малого объёма. Эти методы базируются на современной методологии интеллектуального анализа сложно организованных данных, в том числе на методах структурно-классификационного анализа и прогнозирования. Особенность этой методологии состоит в том, что за счёт привлечения дополнительной информации, получаемой на основе структурно-классификационного анализа как СРФ по основным социально-экономическим показателям, так и самих временных рядов (траекторий) изучаемых показателей, а также использования современных процедур структурно-классификационного моделирования динамических объектов, можно ожидать значимого повышения достоверности скорректированных помесячных значений изучаемых показателей для СРФ.

Рассматривается когнтитивно-графовая модель фондового рынка, основой которой является орграф, каждая вершина которого, – это один из классов состояний фондового рынка, а взвешенные дуги отражают переход фондового рынка из одного класса в другой.

Дано обоснование выбора алгоритмической базы человеко-машинного комплекса (ЧМК), рассмотрены особенности пред-ставления исходных данных, описаны основные обработочные модули и особенности интерфейса ЧМК – пользователь.