Рассматривается производительность решения задачи классификации средствами различных библиотек искусственного интеллекта и машинного обучения с открытым исходным кодом в области маркетинга и управления взаимоотношениями с клиентами, по результатам экспериментов производится выбор наилучшей библиотеки с целью внедрения искусственного интеллекта в отечественные CRM-системы на основе численных показателей производительности.

Ключевые слова: искусственный интеллект, машинное обучение, большие данные, классификация, маркетинг, управление взаимоотношениями с клиентами, импортозамещение, открытый исходный код

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.3.1 - Системный анализ, управление и обработка информации

В статье рассмотрен метод детектирования искажений на архивных фотодокументах с помощью текстурного анализа на основе локальных бинарных окрестностей. Предлагаемый подход состоит из следующих этапов: предварительная обработка и обнаружение царапин. Предварительная обработка используется для уменьшения влияния шума и устранения небольших дефектов на изображении. Для распознавания класса дефектов используется метод опорных векторов. Показана эффективность нового подхода на нескольких примерах при обнаружении дефектов.

Ключевые слова: цифровая обработка изображений, обнаружение дефектов, архивные фотографии, локальные бинарные окрестности

05.13.01 - Системный анализ, управление и обработка информации (по отраслям) , 05.13.05 - Элементы и устройства вычислительной техники и систем управления , 05.13.18 - Математическое моделирование, численные методы и комплексы программ

Статья посвящена актуальной проблеме построения классификаторов объектов, задаваемых точками в многомерном пространстве значений признаков.Принцип линейной нормальной классификации объектов в многомерных пространствах признаков может быть использован для построения классификаторов в случае множеств сложной структуры, неразделимые в общем случае одной гиперплоскостью. В таких случаях предложено использовать совокупность иерархически связанных нормальных разделяющих гиперплоскостей, которая названа иерархическим нормальным классификатором.

Ключевые слова: распознавание, классификация, пространство признаков, геометрический метод

05.13.01 - Системный анализ, управление и обработка информации (по отраслям)

Статья посвящена актуальной проблеме построения классификаторов объектов, задаваемых точками в многомерном пространстве значений признаков. Предлагается вариант геометрического разделения множеств при помощи гиперплоскостей, нормальных к межцентровому расстоянию данных множеств.Данный подход к построению разделяющих плоскостей сокращает объем выполняемых расчетных операций.

Ключевые слова: распознавание, классификация, пространство признаков, геометрический метод

05.13.01 - Системный анализ, управление и обработка информации (по отраслям)