Автоматизированное формирование нечетких классификаторов

Работа представляет собой диссертацию на соискание ученой степени кандидата технически науки по специальности 05.13.17 "теоретические основы информатики". Диссертация защищена 10.12.2010 в Сибирском Федеральном Университете (г. Красноярск). Работа посвящена исследованию нечетких классификаторов, одновременно решающих задачи классификации и обнаружения новых знаний в данных. Предлагается новый метод формирования нечеткого классификатора, объединяющий два основных подхода к проектированию нечетких систем эволюционными алгоритмами – Питтсбургский и Мичиганский. Для автоматической настройки параметров эволюционного алгоритма предлагается коэволюционный подход. Для обоснования целесообразности использования коэволюционного алгоритма проведены комплексные исследования данного подхода на множестве тестовых и практических задач оптимизации различных классов (безусловная и условная, одно- и многокритериальная оптимизация). Проведены исследования нового метода формирования нечеткого классификатора на ряде практических задач классификации из различных предметных областей (экономика, медицина, биология, материаловедение, дистанционное зондирование Земли и др.), показаны преимущества метода.