Классификационный подход к анализу данных широко применяется для построения «сжатого описания» исходной информации. Однако для того, чтобы результаты классификации можно было использовать в прикладных задачах, важно не только насколько экономно эта классификация представляет исходную информацию, но и насколько она удобна для интерпретации в содержательных терминах. В некоторых прикладных задачах возникает ситуация, когда каждый объект, подлежащий классификации, задан своим названием и содержательным описанием. Таким же образом с помощью экспертов задаётся «содержательно-экспертная» классификация объектов, которая определяется названиями и содержательным описанием классов. Требуется по этой информации провести классификацию таких объектов. В работе предложен алгоритм экспертно-итеративной классификации для решения подобных задач.

Рассматривается содержание основных докладов конференции.

Работа посвящена рассмотрению комплекса методологических и прикладных проблем повышения эффективности управления освоением Арктической зоны Российской Федерации. Проведен анализ внешних и внутренних угроз реализации целей и приоритетов России в Арктике. Приведены результаты разработки и сценарного исследования мультиграфовых моделей процессов управления социально-экономическим развитием северных регионов страны в условиях неопределенности.

В настоящей работе предложен новый метод повышения достоверности статистических показателей для малых (нерепрезентативных) выборок, позволяющий получать достаточно точные оценки без уменьшения оперативности мониторинга. Он основан на современной методологии интеллектуального анализа сложноорганизованных данных, в том числе на использовании методов структурно-классификационного анализа. Постановка задачи и описание метода даётся на примере показателя «численность безработного населения» в задаче ежемесячного мониторинга показателей экономической активности, занятости и безработицы населения в региональном разрезе, проводимого Федеральной службой государственной статистики России (Росстат).

Для использования результатов классификации в прикладных задачах существенна не только «экономность» представления информации, но и удобство для специалиста интерпретировать полученную структуризацию в содержательных терминах. Представление в виде набора эталонов классов и стандартных отклонений удобно для компьютера, но мало что говорит самому специалисту. В работе описаны три алгоритма построения содержательно хорошо интерпретируемых классификаций: покоординатная, спрямляющая, содержательно-экспертная. Для алгоритмов покоординатной и спрямляющей классификации множество значений ка-ждого показателя разбивается на небольшое число диапазонов. При этом классификация фактически задаётся набором границ этих диапазонов. Как только границы диапазонов определены, каждый объект получает описание в виде позиционного кода, где число позиций равно числу показателей. Классом в такой классификации является совокупность объектов с идентичными кодами. Причём, если покоординатная классификация осуществляет для каждого показателя независимое от других разбиение на заданное число диапазонов, то спрямляющая классификация строится как аппроксимация некоторой многомерной классификации. В некоторых прикладных задачах возникает ситуация, когда каждый из имеющегося мно-жества объектов задан своим названием и содержательным описанием. Кроме того, экспертным путём задана, так называемая «содержательная» классификация, которая определяется назва-ниями и содержательным описанием классов. Требуется по этой информации о заданном мно-жестве объектов провести их классификацию. В работе предложен алгоритм содержательно-экспертной классификации для решения подобных задач.