Рассматривается метод факторного анализа, основанный на построении статической модели в виде функции Шепарда. На первом этапе выявляются элементы обучающей выборки (строки), вносящие наибольший "шум" в генерируемые модели. Второй этап - собственно факторный анализ - состоит в поочередном удалении факторов (столбцов обучающей выборки) для повышения точности моделирования. Предложенный подход применен к решению задачи выявления наиболее значимых факторов в одной медико-экологической модели и продемонстрировал высокую эффективность.
Рассматриваемые методики реализованы на языке С++ с применением технологии OpenMP. Расчеты проводились на вычислительном кластере "Blackford MultiCore" ИДСТУ СО РАН.
Работа выполнена при финансовой поддержке РФФИ, проект № 09-07-00267, СО РАН, междисциплинарный интеграционный проект № 4.
Примечание. Тезисы докладов публикуются в авторской редакции
Ваши комментарии Обратная связь |
[Головная страница] [Конференции] |
© 1996-2000, Институт вычислительных технологий СО РАН, Новосибирск
© 1996-2000, Сибирское отделение Российской академии наук, Новосибирск