Piotr Kulczycki;科瓦尔斯基（Piotr Andrzej Kowalski） 区间型不精确信息的贝叶斯分类。 （英语） Zbl 1318.62212号 控制网络。 40，编号101-123（2011）. 摘要：本文研究的主题是通过精确数据定义的模式（例如确定性或尖锐性）对区间型的不精确多维信息进行Bayes分类。为此，应用了统计核估计方法，使所得算法与模式形状无关。此外，消除了对分类正确性影响不大或负面的模式集元素。实现该过程的概念基于人工神经网络领域中使用的灵敏度方法。由于该程序，正确分类的数量以及最重要的是计算速度显著增加。通过使用分类器参数值修正算法，进一步提高了分类质量。对伪随机数据和基准数据进行的数值验证结果，以及与其他类似条件处理方法的比较分析，验证了本文提出的概念及其积极特征。 引用于4文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 关键词：数据分析;分类;不准确的信息;间隔类型信息;统计核估计;图案尺寸减小;分类器参数校正;人工神经网络的灵敏度方法 PDF格式BibTeX公司 XML格式引用 \textit{P.Kulczycki}和\textit{P.A.Kowalski}，控制网络。40，第1号，101--123（2011；Zbl 1318.62212）