В работе рассмотрены три формы кластерной регрессии: кластерная кусочно-линейная регрессионная функция Леонтьева, кластерная кусочно-линейная регрессионная функция риска, кластерная смешанная кусочно-линейная регрессия. Указано, что при определенных условиях задачи их построения могут быть сведены к задачам линейно-булева программирования.
Идентификаторы и классификаторы
- УДК
- 517. Анализ
Построение кластерной линейной регрессии (КЛР) — хорошо известный метод аппроксимации данных с использованием более чем одной линейной функции, основанный на сочетании методов кластеризации и множественной линейной регрессии (см., например, [1]).
Список литературы
1. Qiang Long, Adil Bagirov, Sona Taheri, Nargiz Sultanova, and Xue Wu. Methods and Applications of Clusterwise Linear Regression: A Survey and Comparison // ACM Trans. Knowl. Discov. Data. - 2023. - V. 17. - No. 3. - P. 1-54.
2. Носков С.И., Беляев С.В. Способ кластеризации выборки данных на основе применения критерия согласованности поведения // Информационные технологии и математическое моделирование в управлении сложными системами. - 2024. - № 4. EDN: LZKOSR
Noskov S.I., Belyaev S.V. Method of clustering a data sample based on the application of the behavior consistency criterion // Information technologies and mathematical modeling in the management of complex systems. - 2024. - No. 4. EDN: LZKOSR
3. Демиденко Е.З. Линейная и нелинейная регрессии. - М.: Финансы и статистика, 1981. - 302 с.
Demidenko E.Z. Linear and nonlinear regressions. - Moscow: Finance and statistics, 1981. - 302 p.
4. Kin-nam Lau, Pui-lam Leung, and Ka-kit Tse. A mathematical programming approach to clusterwise regression model and its extensions // European Journal of Operational Research. - 1999. V. 116. - No. 3. - P. 640-652. EDN: ACXNSD
5. Dimitris Bertsimas, and Romy Shioda. Classification and regression via integer optimization // Operations Research. - 2007. - V. 55. - No. 2. - P. 252-271.
6. Real A. Carbonneau, Gilles Caporossi, and Pierre Hansen. Extensions to the repetitive branch and bound algorithm for globally optimal clusterwise regression // Computers & operations research. - 2012. V. 39. - No. 11. - P. 2748-2762.
7. Wayne S. DeSarbo, Richard L. Oliver, and Arvind Rangaswamy. A simulated annealing methodology for clusterwise linear regression // Psychometrika. - 1989. - V. 54. - No. 4. - P. 707-736. EDN: PZBPJO
8. Adil M. Bagirov and Julien Ugon. Nonsmooth DC programming approach to clusterwise linear regression: optimality conditions and algorithms // Optimization Methods and Software. - 2018. - V. 33. - No. 1. - P. 194-219.
9. Michel Wedel and Cor Kistemaker. Consumer benefit segmentation using clusterwise linear regression // International Journal of Research in Marketing. - 1989. - V. 6. - No. 1. - P. 45-59.
10. Jagadeesh P. Ganjigatti, Dilip K. Pratihar, and A. Roy Choudhury. Global versus cluster-wise regression analyses for prediction of bead geometry in MIG welding process // Journal of materials processing technology - 2007. - V. 189. - No. 1-3. - P. 352-366. EDN: KLVJAX
11. Mukesh Khadka and Alexander Paz.Comprehensive clusterwise linear regression for pavement management systems // Journal of Transportation Engineering, Part B: Pavements. - 2017. - V. 143. - No. 4. - P. 1-13.
12. Adil M. Bagirov, Arshad Mahmood, and Andrew Barton. Prediction of monthly rainfall in Victoria, Australia: clusterwise linear regression approach // Atmospheric Research. - 2017. - V. 188. - P. 20-29.
13. Носков С.И., Хоняков А.А. Программный комплекс построения некоторых типов кусочно-линейных регрессий // Информационные технологии и математическое моделирование в управлении сложными системами. - 2019. - № 3 (4). - С. 47-55. EDN: UTFPOD
Noskov S.I., Khonyakov A.A. Software package for constructing some types of piecewise linear regressions // Information technologies and mathematical modeling in the management of complex systems. - 2019. - No. 3 (4). - P. 47-55. EDN: UTFPOD
14. Носков С.И. Идентификация параметров комбинированной кусочно-линейной регрессионной модели // Вестник Югорского государственного университета. - 2022. - № 4 (67). - С. 115-119. EDN: CQOTJT
Noskov S.I. Identification of parameters of a combined piecewise linear regression model // Bulletin of Yugra State University. - 2022. - No. 4 (67). - P. 115-119. EDN: CQOTJT
Выпуск
Другие статьи выпуска
В связи с ежегодным увеличением объема перевозок в Улан-Баторской железной дороге (УБЖД) существенно повышается актуальность проблемы обеспечения безопасности работ устройств сигнализации, централизации и блокировки (СЦБ). Для повышения безопасности важно разработать и внедрить информационную систему диагностики оборудования. Необходимо автоматизировать такие задачи, которые измеряются каждый квартал или полгода с участием человека. К ним относятся: контроль напряжения рельсовых цепей, изоляции кабелей, напряжения электропитания и контроль и управление светофорами. В работе проанализирован опыт внедрения и эксплуатации системы мониторинга «ZTH Net Work» в Улан-Баторской железной дороге. Предложено решение по разработке веб-приложения для осуществления автоматизированного контроля и мониторинга устройств сигнализации, централизации и блокировки. Построение диагностической карты на основе непрерывного сбора поступающих данных с датчиков и последующей их обработке на основе применения современных информационных технологий улучшит диагностику состояний технических устройств и повысит безопасность движения поездов. Предложен усовершенствованный алгоритм проведения мониторинга и диагностики технических состояний рельсовых цепей. Разработана и внедрена система «ZTH», предназначенная для диагностирования состояний рельсовых цепей (РЦ) и мониторинга состояний устройств СЦБ в Улан-Баторской железной дороге. Результатом функционирования информационной системы является диагностическая карта, на основе которой определяется перечень работ обслуживающего персонал.
В статье рассматривается концепция нулевого доверия как современная модель обеспечения безопасности государственных информационных систем. Рассматриваются принципы и состав данного подхода к обеспечению защиты информации, а также преимущества применения принципа нулевого доверия в современные условия. Приводятся статистика данных о текущих угрозах, направленных на государственный сектор. Делается вывод о необходимости перехода на архитектуру нулевого доверия для повышения устойчивости функционирования государственных информационных систем.
Настоящая статья посвящена исследованию превентивной защиты корпоративных информационных системс с использованием методов киберразведки. Рассматриваются основные цели, задачи и инструментарий киберразведки. Учитывая актуальность развития данного направления, автором предложен механизм создания подразделения киберразведки, а также приведены аргументы необходимости применения данного подхода для обеспечения защиты информации. Современный ландшафт киберугроз постоянно меняется, потенциальными злоумышленниками совершенствуются тактики и техники реализации угроз, в связи с этим вероятность риска нанесения ущерба информационным активам организаций остается достаточно высокой. Все эти факты ведут к поиску новых решений в обеспечении требуемого уровня информационной безопасности, одним из которых и является инструментарий киберразведки.
В статье исследуются возможности использования технологий виртуальной реальности и дополненной реальности в управлении жилищно-коммунальным хозяйством. Рассматриваются преимущества и вызовы интеграции этих технологий в систему управления ЖКХ, а также примеры успешного внедрения. Статья направлена на формирование рекомендаций по внедрению технологий виртуальной реальности и дополненной реальности в сфере жилищно-коммунального хозяйства.
В работе дан краткий обзор публикаций по кластеризации данных с помощью методов регрессионного анализа. Приведено краткое описание известного способа разбиения выборки данных на подвыборки на основе разделяющих регрессий, сводящегося к задаче минимизации сумм ошибок аппроксимации на всех этих подвыборках. Кроме того, рассмотрен способ решения задачи кластеризации с помощью обобщенного критерия согласованности поведения и его непрерывной формы. Решен численный иллюстративный пример.
Издательство
- Издательство
- ИРГУПС
- Регион
- Россия, Иркутск
- Почтовый адрес
- 664074, Иркутская обл, г Иркутск, Свердловский р-н, ул Чернышевского, д 15
- Юр. адрес
- 664074, Иркутская обл, г Иркутск, Свердловский р-н, ул Чернышевского, д 15
- ФИО
- Трофимов Юрий Анатольевич (РЕКТОР)
- E-mail адрес
- trofimov_y@irgups.ru
- Контактный телефон
- +7 (395) 2638301