Методы синтеза и анализа моделей алгоритмов интеллектуального анализа данных

Цель выполнения НИР - развитие новых эффективных методов классификации, прогнозирования и интеллектуального анализа данных. Исследования проводились на основе использования методов дискретного анализа, алгебры (теория алгебраических и реляционных систем, теории моделей, теории полей и колец и т.д.), теории функций (теории метрических пространств, топологии, теории категорий), комбинаторики и теории оптимизации, методов обработки и анализа сигналов и изображений. Получены точные комбинаторные оценки переобучения элементарных пороговых классификаторов, вычисляемые за полиномиальное время. Разработаны новые методы отбора признаков в классификации. Эти методы использованы при решении прикладных задач медицинской диагностики и классификации текстов естественного языка. Разработана теория регуляризации вероятностных тематических моделей для семантического анализа больших гетерогенных текстовых коллекций: новостных потоков, электронных научных библиотек, социальных и рекламных сетей. В теории ранжирования экспертных оценок разработаны новые методы обучения по предпочтениям. Теория автоматического порождения моделей применена для анализа и классификации временных рядов и возникающих в данном контексте задач выделения признаков в условиях их мультиколлинеарности. Разработаны методы оптимизации многоуровневых суперпозиций моделей.