ИСТИНА

Разработаны и исследованы распознающие процедуры на основе полных решающих деревьев (ПРД) с использованием энтропийного критерия для задач с целочисленной информацией, с вещественнозначной информацией, с наличием пропусков в признаковых описаниях объектов и с неравномерным распределением обучающих объектов по классам.Построены новые решающие правила, основанные на коллективном голосовании по листьям ПРД, позволяющие повысить качество решения. В случае, когда из каждой обычной вершины ПРД выходят ровно две дуги, получены числовые характеристики ПРД (точные оценки мощности множества вершин и мощности множества ребер) при фиксированной глубине ПРД. С помощью принципа pVCD для задачи с бинарной информации получены оценки сверху емкости класса ПРД. Разработана и исследована методика снижения переобученности ПРД с использованием числовых характеристик ПРД, а именно средней глубины дерева и среднего числа обучающих объектов, описание которых попадают в висячую вершину дерева.Получены оценки времени синтеза ПРД разработанными алгоритмами в общем случае, без ограничения на число признаков в полной вершине, и в некоторых важных частных случаях с ограничениями на число признаков в полной вершине ПРД.