informИнформатикаInformatics1816-03012617-6963UIIP NASBinform-414Research ArticleОБРАБОТКА СИГНАЛОВ, ИЗОБРАЖЕНИЙ, РЕЧИ, ТЕКСТА И РАСПОЗНАВАНИЕ ОБРАЗОВSIGNAL, IMAGE, SPEECH, TEXT PROCESSING AND PATTERN RECOGNITIONО СИСТЕМАТИЗАЦИИ МЕТОДОВ КЛАССИФИКАЦИИ ДАННЫХ И ЗНАНИЙТатурМ. М.ОдинецД. Н.Белорусский государственный университет информатики и радиоэлектроникиBelarus20100205201803(27)103113Copyright © Татур М.М., Одинец Д.Н., 20182018Татур М.М., Одинец Д.Н.Татур М.М., Одинец Д.Н.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/414

C единой методологической позиции систематизируются известные математические методыи алгоритмы классификации. В качестве ключевого признака разделения методов предлагается использовать уровень «интеллектуальности» способа обработки информации. Показывается, что существующие методы используют парадигмы обработки данных либо знаний раздельно, в то время как реальные задачи распознавания могут включать в себя оба подхода одновременно. Обосновывается вывод о необходимости развития моделей классификации в направлении унификации и гибридизации

ReferencesДуда, Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт. – М. : Мир, 1976. – 512 с.Дуда, Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт. – М. : Мир, 1976. – 512 с.Белозерский, Л.А. Введение в системы автоматического распознавания / Л.А. Белозерский. – Киев : Наукова думка, 2005. – 434 с.Белозерский, Л.А. Введение в системы автоматического распознавания / Л.А. Белозерский. – Киев : Наукова думка, 2005. – 434 с.Васильев, В.И. Распознающие системы / В.И. Васильев. – Киев : Наукова думка,Васильев, В.И. Распознающие системы / В.И. Васильев. – Киев : Наукова думка,– 422 с.– 422 с.Чубукова, И.А. Data Mining / И.А. Чубукова. – М. : БИНОМ, 2006. – 382 с.Чубукова, И.А. Data Mining / И.А. Чубукова. – М. : БИНОМ, 2006. – 382 с.Кохонен, Т. Самоорганизующиеся карты / Т. Кохонен. – М. : БИНОМ, 2008. – 655 с.Кохонен, Т. Самоорганизующиеся карты / Т. Кохонен. – М. : БИНОМ, 2008. – 655 с.Василенко, Г.И. Оптико-электронные корреляционные методы и средства распознавания изображений / Г.И. Василенко, И.С. Гибин, О.И. Потатуркин // Радиоэлектроника. – 1990. – № 8. – С. 15–27.Василенко, Г.И. Оптико-электронные корреляционные методы и средства распознавания изображений / Г.И. Василенко, И.С. Гибин, О.И. Потатуркин // Радиоэлектроника. – 1990. – № 8. – С. 15–27.Zholtikov, R.R. Some models of raster correlators of binary images / R.R. Zholtikov,Zholtikov, R.R. Some models of raster correlators of binary images / R.R. Zholtikov,M.M. Tatur // Int. Scientific Journal of Computing. – 2004. – Vol. 3. – P. 46–49.M.M. Tatur // Int. Scientific Journal of Computing. – 2004. – Vol. 3. – P. 46–49.Устройство корреляционного распознавания бинарных образов : пат. 1748 Респ. Беларусь, МПК7, G 06K 9/00 / М.М. Татур, Р.Р. Жолтиков ; заявитель М.М. Татур. – № u 200402333 ; заявл. 2004.10.01 ; опубл. 30.03.2005 // Афiцыйны бюл. / Нац. цэнтр iнтэлектуал. уласнасцi. – 2005. – № 1. – С. 125.Устройство корреляционного распознавания бинарных образов : пат. 1748 Респ. Беларусь, МПК7, G 06K 9/00 / М.М. Татур, Р.Р. Жолтиков ; заявитель М.М. Татур. – № u 200402333 ; заявл. 2004.10.01 ; опубл. 30.03.2005 // Афiцыйны бюл. / Нац. цэнтр iнтэлектуал. уласнасцi. – 2005. – № 1. – С. 125.SVM – Support Vector Machines, USA [Electronic resource]. – Mode of access :SVM – Support Vector Machines, USA [Electronic resource]. – Mode of access :http://www.support-vector-machines.org. – Date of access : 10.06.2010.http://www.support-vector-machines.org. – Date of access : 10.06.2010.Головко, В.А. Нейроинтеллект: теория и применение. Кн. 1. Организация и обучение нейронных сетей с прямыми и обратными связями / В.А. Головко. – Брест : Университетское, 1999. – 260 с.Головко, В.А. Нейроинтеллект: теория и применение. Кн. 1. Организация и обучение нейронных сетей с прямыми и обратными связями / В.А. Головко. – Брест : Университетское, 1999. – 260 с.Уоссермен, Ф. Нейрокомпьютерная техника. Теория и практика / Ф. Уоссермен. – М. : Мир, 1992. – 240с.Уоссермен, Ф. Нейрокомпьютерная техника. Теория и практика / Ф. Уоссермен. – М. : Мир, 1992. – 240с.Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы /Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы /Д. Рутковская, М. Пилинский, А. Рутковский. – М. : Горячая линия – Телеком, 2006. – 383с.Д. Рутковская, М. Пилинский, А. Рутковский. – М. : Горячая линия – Телеком, 2006. – 383с.Фу, К. Структурные методы в распознавании образов / К. Фу. – М. : Мир, 1977. – 320 с.Фу, К. Структурные методы в распознавании образов / К. Фу. – М. : Мир, 1977. – 320 с.Татур, М.М. Формальные и неформальные аспекты в разработке систем распознавания / М.М. Татур // Искусственный интеллект. – 2007. – № 3. – С. 333–343.Татур, М.М. Формальные и неформальные аспекты в разработке систем распознавания / М.М. Татур // Искусственный интеллект. – 2007. – № 3. – С. 333–343.Леоненков, А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А.В. Лео-Леоненков, А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А.В. Лео-ненков. – СПб. : БХВ–Петербург, 2003. – 720 с.ненков. – СПб. : БХВ–Петербург, 2003. – 720 с.Штовба, С.Д. Классификация объектов на основе нечеткого логического вывода /Штовба, С.Д. Классификация объектов на основе нечеткого логического вывода /С.Д. Штовба // Методы. Алгоритмы. Программы. – 2004. – № 1. – С. 68–69.С.Д. Штовба // Методы. Алгоритмы. Программы. – 2004. – № 1. – С. 68–69.Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л.А. Заде. – М. : Мир, 1976. – 168 с.Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л.А. Заде. – М. : Мир, 1976. – 168 с.Trends in practical Applications of Agent and Multiagent Systems // Advances in Intelligent and Soft Computing. – Berlin, Germany : Springer-Verlag Berlin Heidelberg, 2010. – Vol. 71. – 733 p.Trends in practical Applications of Agent and Multiagent Systems // Advances in Intelligent and Soft Computing. – Berlin, Germany : Springer-Verlag Berlin Heidelberg, 2010. – Vol. 71. – 733 p.Новоселова, Н.А. Построение нечеткой модели для решения задач классификации / Н.А. Новоселова // Информатика. – 2006. – № 3 (11). – С. 5–14.Новоселова, Н.А. Построение нечеткой модели для решения задач классификации / Н.А. Новоселова // Информатика. – 2006. – № 3 (11). – С. 5–14.Ярушкина, Н.Г. Нечеткие гибридные системы. Теория и практика / Н.Г. Ярушкина. –Ярушкина, Н.Г. Нечеткие гибридные системы. Теория и практика / Н.Г. Ярушкина. –М. : Физматлит, 2007. – 208 с.М. : Физматлит, 2007. – 208 с.

The authors declare that there are no conflicts of interest present.