Литература

1. Абусев Р. А. Групповая классификация. Решающие правила и их характеристики. Пермь: изд. Перм. ун-та, 1992.

2. Автоматическое распознавание образов / Ю. Л. Барабаш, Б. В. Барский, В. Т. Зиновьев и др. Киев: изд. КВАИУ, 1963.

3. Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983.

4. Айзерман М. А., Браверман Э. М., Розоноэр Л. И. Теоретические основы метода потенциальных функций в задаче об обучении автоматов разделению входных ситуаций на классы // Автоматика и телемеханика. 1964. Т. 25, №6. С. 917-936.

5. Андерсон Т. В. Введение в многомерный статистический анализ. М.: Физматгиз, 1963.

6. Аркадьев А. Г., Браверман Э. М. Обучение машины распознаванию образов. М.: Наука, 1964.

7. Афифи А., Элашофф P. (Afifi A. A., Elashoff R. М.) Missing observations in multivariate statistics //J. Amer. Statist. Assoc. 1966. V. 61. P. 595-604.

8. Афифи А., Эйзен С. Статистический анализ. Подход с использованием ЭВМ. М.: Мир, 1982.

9. Бак С. (Buck S. F.) A method of estimation of missing values in multivariate data //J. Roy. Statist. Soc. Ser. B. 1960. V. 22. P. 202-206.

10. Бахмутова И. В., Гусев В. Д., Титкова Т. Н. (Bachmutova I. V., Gusev V. D., Titkova T. N.) Search for adoptions in song melodies // Сотр. Music J. 1997. V. 21, N1. P. 58-67.

11. Бахмутова И. В., Гусев В. Д., Титкова Т. Н., Шиндин Б. А. Об одном подходе к проблеме дешифровки древнерусских песнопений в невменной записи // Тр. Сибирской конф. по прикладной и индустриальной математике, Новосибирск, 1994. Т. 2. Новосибирск: Изд-во Ин-та математики, 1997. С. 1-10.

12. Беккер Э. (Backer Е.) Cluster Analysis by Optimal Decomposition of Induced Fuzzy Sets. Delfts: Univ. Press, 1978.

13. Беллман P. Динамическое программирование. M.: Изд- во иностр. лит., 1960.

14. Бензекри Ж.-П. (Benzecri J.-P.) L'analyse des Correspondaces. Т. 2. Paris: Dunod, 1980.

15. Береснев В. Л., Гимади Э. X., Дементьев В. Т. Экстремальные задачи стандартизации. Новосибирск: Наука, 1978.

16. Бил Э., Литтл P. (Beale Е. М., Little R. J.) Missing values in multivariate analysis //J. Roy. Statist. Soc. Ser. B. 1975. V. 37. P. 129-145.

17. Благовещенский Ю. H. Оценивание по неполным выборкам. Ч. 1, 2 // Статистические модели и методы. М., 1984. Вып. 1: Труды ЦЭМИ. С. 4-32.

18. Богарт К. (Bogart К. P.) Preference structure, I // J. Math. Sociol. 1973. V. 3. P. 49-67.

19. Богарт К. (Bogart К. P.) Preference structure, II // SIAM J. Appl. Math. 1975. V. 29, N2. P. 254-262.

20. Бонгард M. M. Проблема узнавания. M.: Наука, 1967.

21. Боровков А. А. Математическая статистика. Новосибирск: Наука, 1997.

22. Бушуев М. В., Загоруйко Н. Г. Инструментальная система ЭКСНА // Тр. Междунар. симп. «Экспертные системы в обучении». Прага: изд. Техн. ун-та, 1989. С. 26-32.

23. Бушуев М. В., Елкина В. Н., Загоруйко Н. Г., Шемякина Е. Н. Блок анализа знаний в инструментальной экспертной системе ЭКСНА // Методы и системы искусственного интеллекта. Новосибирск, 1992. Вып. 145: Вычислительные системы. С. 29-79.

24. Вапник В. Н. Задача обучения распознаванию образов. М.: Знание, 1970.

25. Вапник В. Н., Червоненкис А. Я. Теория распознавания образов. М.: Наука, 1974.

26. Васильев В. И. Распознающие системы: Справочник. Киев: Наук, думка, 1983.

27. Ващенко Н. Д. Формирование понятий в семантической сети // Кибернетика. 1983. №2. С. 101-107.

28. Величко В. М., Загоруйко Н. Г. Автоматическое распознавание ограниченного набора устных команд // Вычислительные системы. Новосибирск, 1969. Вып. 36. С. 101-110.

29. Вентцель Е. С. Теория вероятностей. М.: Наука, 1969.

30. Вентцель Е. С. Элементы динамического программирования. М.: Наука, 1964.

31. Вернадский В. И. Научная мысль как планетарное явление. М.: Наука, 1991.

32. Винцюк Т. К. Распознавание слов устной речи методами динамического программирования // Кибернетика. 1968. №1. С. 81-88.

33. Волошин Г. Я. Об использовании языковой избыточности для повышения надежности автоматического распознавания речевых сигналов // Вычислительные системы. Новосибирск, 1967. Вып. 28. С. 21-48.

34. Волошин Г. Я., Бахмутова И. В., Прокопенко А. А. О сетевом алгоритме распознавания фонем по последовательности сегментов // Вычислительные системы. Новосибирск, 1969. Вып. 37. С. 44-47.

35. Волошин Г. Я., Бурлакова И. А., Косенкова С. Т. Статистические методы решения задач распознавания, основанные на аппроксимационном подходе. Ч. 1. Владивосток: изд. Дальневост. отд-ния РАН, 1992.

36. Воронин Ю. А. Введение мер сходства и связи для решения геолого-географических задач // Докл. АН СССР. 1971. Т. 199, №5. С. 1011-1015.

37. Гаврилко Б. П., Загоруйко Н. Г. Универсальный алгоритм эмпирического предсказания // Вычислительные системы. Новосибирск, 1973. Вып. 55. С. 134-138.

38. Гладун В. П. Планирование решений. Киев: Наук, думка, 1987.

39. Глассер М. (Glasser М.) Linear regression analysis with missing observations among the independent variables // J. Amer. Statist. Assoc. 1964. V. 59. P. 834-844.

40. Глисон Т., Стелин P. (Gleason Т. С., Staelin R.) A proposal for handling missing data // Psychometrika. 1975. V. 40. P 229-252.

41. Гольдберг Д. (Goldberg D.) Genetic Algorithms in Search, Optimization and Machine Learning. Massachusetts: Addison; Wesley Reading, 1989.

42. Гренандер У. (Grenander U.) Lectures in Pattern Theory. N. Y.: Springer-Verl., 1976.

43. Губарев В. В. Вероятностные модели: Справочник. В 2-х ч. Новосибирск: изд. НЭТИ, 1992.

44. Гусев В. Д., Куличков В. А., Чупахина О. Н. Сложностной анализ геномов. I. Меры сложности и классификация выявленных структурных закономерностей // Молекулярная биология. 1991. Т. 25, вып. 3. С. 825-832.

45. Демин Д. В. Модель системы «человек-среда» и параметры катастрофы // Искусственный интеллект и экспертные системы. Новосибирск, 1997. Вып. 160: Вычислительные системы. С. 43-64.

46. Демпстер А., Лерд Н., Рабин Д. (Dempster А. Р., Laird N. М., Rubin D. В.) Maximum likelihood from incomplete data via the KM-algorithm //J. Roy. Statist. Soc. Ser. B. 1977. V. 39. P. 1-38.

47. Денисов В. И. Математическое обеспечение системы «ЭВМ-экспериментатор». М.: Наука, 1977.

48. Денисов В. И., Лемешко Б. Ю. Вычисление оценок параметров распределений с использованием таблиц асимптотически оптимального группирования // Применение ЭВМ в оптимальном планировании и проектировании. Новосибирск: изд. НЭТИ, 1981. С. 3-17.

49. Джамбу М., Лебо М.-О. (Jambu М., Lebeaux

М.-О.) Cluster Analysis and Data Analysis. Amsterdam: North-Holland, 1983.

50. Дидэ Э. (Diday E.) Symbolic Data Analysis. Paris: INRIA Roquencourt, 1995. P. 1-136.

51. Дидэ Э., Лемер Ж., Пуже Ж., Тесту Ф. (Diday Е., Lemaire J., Pouget J., Testu F.) Elements d'analyse des Donnees. Paris: Dunod, 1982.

52. Додж И. (Dodge Y.) Analysis of Experiments with Missing Data. N. Y.: John Wiley к Sons, 1985.

53. Елкин E. А., Елкина В. H., Загоруйко Н. Г. О возможности применения методов распознавания в палеонтологии // Геология и геофизика. 1967. №9. С. 75-78.

54. Елкина В. Н., Загоруйко Н. Г. Количественные критерии качества таксономии и их использование в процессе принятия решений // Вычислительные системы. Новосибирск, 1969. Вып. 36. С. 29-46.

55. Елкина В. Н., Загоруйко Н. Г., Куклин А. П., Комаровский Э. Д. Типы ртутоносных и оловоносных территорий Чукотки // Колыма. Магадан, 1972. № 4. С. 37-40.

56. Елкина В. Н., Загоруйко Н. Г., Новоселов Ю. А. Математические проблемы агроинформатики. Новосибирск: изд. Ин-та математики СО РАН, 1987.

57. Елкина В. Н., Загоруйко Н. Г. Блок анализа данных в экспертной системе ЭКСНА // Экспертные системы и анализ данных. Новосибирск, 1991. Вып. 144: Вычислительные системы. С. 54-175.

58. Елкина В. Н., Загоруйко Н. Г. Блок анализа данных в экспертной системе ЭКСНА (окончание) // Методы и системы искусственного интеллекта. Новосибирск, 1992. Вып. 145: Вычислительные системы. С. 3-128.

59. Елкина В. Н., Загоруйко Н. Г., Темиркаев В. С. Алгоритмы направленного таксономического поиска информативных подсистем признаков (НТПП) // Вычислительные системы. Новосибирск, 1974. Вып. 59. С. 49-70.

60. Енюков И. С., Кулакова Е. П. Числовые метки для качественных признаков в дискретном анализе / / Прикладной многомерный статистический анализ. М.: Статистика, 1978. № 33: Ученые записки по статистике. С. 353-358.

61. Жанатауов С. У. Методы прогностических переменных // Машинные методы обнаружения закономерностей. Новосибирск, 1981. Вып. 88: Вычислительные системы. С.151-155.

62. Журавлев Ю. И. Корректные алгебры над множествами некорректных (эвристических) алгоритмов. I—III // Кибернетика. Киев. 1977. №4. С. 14-21; 1977. №6. С. 21-27; 1978. №2. С. 35-43.

63. Журавлев Ю. И. (Zhuravlev Yu. I.) An algebraic approach to recognition or classification problems // Pattern Recognition and Image Analysis. M., 1998. N8(10). P. 59-100.

64. Журавлев Ю. И., Загоруйко H. Г. Класс коллективно-групповых решающих правил, основанных на дисперсионном критерии компетентности предикторов // Анализ данных и сигналов. Новосибирск, 1998. Вып. 163: Вычислительные системы. С. 82-90.

65. Загоруйко А. Н., Загоруйко Н. Г. Эксперименты по переоткрытию закона Менделеева с помощью ЭВМ // Структурный анализ символьных последовательностей. Новосибирск, 1984. Вып. 101: Вычислительные системы. С. 75-81.

66. Загоруйко Н. Г. Линейные решающие функции, близкие к оптимальным // Вычислительные системы. Новосибирск, 1965. Вып. 19. С. 67-76.

67. Загоруйко Н. Г. Комбинированный метод принятия решений // Вычислительные системы. Новосибирск, 1966. Вып. 24. С. 22-31.

68. Загоруйко Н. Г. Какими решающими функциями пользуется человек? //Вычислительные системы. Новосибирск, 1967. Вып. 28. С. 69-79.

69. Загоруйко Н. Г. Методы распознавания и их применение. М.: Сов. радио, 1972.

70. Загоруйко Н. Г. Искусственный интеллект и эмпирическое предсказание. Новосибирск: изд. НГУ, 1975.

71. Загоруйко Н. Г. Таксономия в анизотропном пространстве // Эмпирическое предсказание и распознавание образов. Новосибирск, 1978. Вып. 76: Вычислительные системы. С. 26-34.

72. Загоруйко Н. Г. Классификация задач прогнозирования на таблицах «объект-свойство» // Машинные методы обнаружения закономерностей. Новосибирск, 1981. Вып. 88: Вычислительные системы. С. 3-8.

73. Загоруйко Н. Г. Согласование разнотипных шкал // Анализ разнотипных данных. Новосибирск, 1983. Вып. 99: Вычислительные системы. С. 3-14.

74. Загоруйко Н. Г. Гипотезы компактности и -компактности в методах анализа данных // Сиб. журн. индустр. математики. 1988. Т. 1, №1. С. 114-126.

75. Загоруйко Н. Г. Партнерские системы // Анализ данных и знаний в экспертных системах. Новосибирск, 1990. Вып. 134: Вычислительные системы. С. 3-18.

76. Загоруйко Н. Г. Анализ данных и анализ знаний // Анализ последовательностей и таблиц данных. Новосибирск, 1994. Вып.150: Вычислительные системы. С. 3-17.

77. Загоруйко Н. Г. АРСО и речевые технологии // Прикладные системы искусственного интеллекта. Новосибирск, 1995. Вып. 153: Вычислительные системы. С. 3 31.

78. Загоруйко Н. Г. Алгоритмы редактирования базы знаний (алгоритмы семейства ZKB) // Искусственный интеллект и экспертные системы. Новосибирск, 1996. Вып. 157: Вычислительные системы. С. 3-12.

79. Загоруйко Н. Г. Исследование проблем, связанных с моделированием процессов развития ноосферы // Искусственный интеллект и экспертные системы. Новосибирск, 1997. Вып. 160: Вычислительные системы. С. 3-17.

80. Загоруйко Н. Г. Самообучающийся генетический алгоритм прогнозирования (GAP) // Искусственный интеллект и экспертные системы. Новосибирск, 1997. Вып. 160: Вычислительные системы. С. 80-95.

81. Загоруйко Н. Г., Бушуев М. В. Меры расстояния в пространстве знаний // Анализ данных в экспертных системах. Новосибирск, 1986. Вып. 117: Вычислительные системы. С. 24-35.

82. Загоруйко Н. Г., Елкина В. Н., Емельянов С. В., Лбов Г. С. Пакет прикладных программ ОТЭКС. М.: Финансы и статистика, 1986.

83. Загоруйко Н. Г., Елкина В. Н., Тимеркаев В. С. Алгоритм заполнения пропусков в эмпирических таблицах (алгоритм ZET) // Эмпирическое предсказание и распознавание образов. Новосибирск, 1975. Вып. 61: Вычислительные системы. С. 3-27.

84. Загоруйко Н. Г., Елкина В. Н., Полякова Г. Л. Полигон для сравнения алгоритмов таксономии // Обнаружение эмпирических закономерностей с помощью ЭВМ. Новосибирск, 1984. Вып. 102: Вычислительные системы. С.120-126.

85. Загоруйко Н. Г., Елкина В. Н., Лбов Г. С. Алгоритмы обнаружения эмпирических закономерностей. Новосибирск: Наука, 1985.

86. Загоруйко Н. Г., Заславская Т. И. Применение методов распознавания образов в социологии. Новосибирск: Наука, 1968.

87. Загоруйко Н. Г., Кужелев О. В. Синхронизация многомерных динамических процессов / / Анализ данных и знаний в экспертных системах. Новосибирск, 1990. Вып. 134: Вычислительные системы. С. 85-96.

88. Загоруйко Н. Г., Пичуева А. Г. Сравнение иерархических структур // Искусственный интеллект и экспертные системы. Новосибирск, 1996. Вып. 157: Вычислительные системы. С. 101-111.

89. Загоруйко Н. Г., Савельев Л. Я. Относительная мощность измерительных шкал // Структурный анализ символьных последовательностей. Новосибирск, 1984. Вып. 101: Вычислительные системы. С. 114-129.

90. Загоруйко Н. Г., Самохвалов К. Ф., Свириденко Д. И. Логика эмпирических исследований. Новосибирск: изд. НГУ, 1974.

91. Загоруйко Н. Г., Свириденко Д. И. Формализация процесса углубления понимания // Эмпирическое предсказание и распознавание образов. Новосибирск, 1976. Вып. 67: Вычислительные системы. С. 87-92.

92. Загоруйко Н. Г., Скоробогатов В. А., Хворостов П. В. Вопросы анализа и распознавания молекулярных структур на основе общих фрагментов // Алгоритмы анализа структурной информации. Новосибирск, 1984. Вып. 103: Вычислительные системы. С. 26-50.

93. Загоруйко Н. Г., Ульянов Г. В. Локальные методы заполнения пробелов в эмпирических таблицах // Экспертные системы и распознавание образов. Новосибирск, 1988. Вып. 126: Вычислительные системы. С. 75-121.

94. Ивахненко Г. И. Самообучающиеся системы распознавания и автоматического управления. Киев: Техника, 1969.

95. Ивахненко А. Г. Применение принципа самоорганизации для объективной кластеризации изображений, системного анализа и долгосрочного прогноза // Автоматика. 1986. №1. С. 5-11.

96. Карнап Р. Философские основания физики. М.: Прогресс, 1971.

97. Кедров Б. М. Открытие галлия — первое химическое открытие нового типа // Прогнозирование в учении о периодичности. М.: Наука, 1976. С. 6-31.

98. Кемени Дж., Снелл Дж. Кибернетическое моделирование. М.: Сов. радио, 1972.

99. Кенделл М. Ранговые корреляции. М.: Статистика, 1975.

100. Кингсан Фу. (King-Sun Fu) The optimal secventional decisions. Lafayette: Purdue Univ. Press, 1967.

101. Ковалевский В. А. Корреляционный метод распознавания изображений // Журн. вычисл. математики и мат. физики. 1962. Т. 2, №4. С. 584-592.

102. Ковер Т. (Cover Т. М.) Classification and generalisation capabilities of linear Threshold units: Technical documentary report RADS-TDS-64-32, Febr. 1964. Rome: Air Development Center, 1964.

103. Ковер Т., Чарт П. (Cover Т. М., Chart P. Е.) Nearest- neighbor-pattern classification // IEEE Trans. Inform. Theory. 1967. V. IT-13, №1. P. 21-27.

104. Коптюг В. А. Конференция ООН по окружающей среде и развитию (Рио-де-Жанейро, июнь 1992 г.): Информационный обзор. Новосибирск: Наука, 1992.

105. Котюков В. И. Формирование решающих правил // Вычислительные системы. Новосибирск, 1971. Вып. 44. С. 37-48.

106. Кузнецов И. П. Язык декларативного типа ДЕКЛ. М.: Наука, 1986.

107. Лбов Г. С. Об ошибках классификации образов при неравных матрицах ковариации // Вычислительные системы. Новосибирск, 1964. Вып.14. С. 31-38.

108. Лбов Г. С. Методы обработки разнотипных экспериментальных данных. Новосибирск: Наука, 1981.

109. Лбов Г. С., Старцева Н. Г. Сложность распределений в задачах классификации // Докл. РАН. 1994. Т. 338, №5. С. 592-594.

110. Левинсон С. Е. Структурные методы автоматического распознавания речи: Пер. с англ. // Тр. ТИИЭР. М., 1985. Т. 73, №11. С. 100-129.

111. Леман Э. Проверка статистических гипотез. М.: Наука, 1979.

112. Лемешко Б. Ю. Программная система «Оценивание параметров распределений» // Тез. докл. Рос. науч.-техн. конф. «Информатика и проблемы телекоммуникаций». Новосибирск: изд. НЭТИ, 1994. С. 128-129.

113. Литтл Р., Рабин Д. (Little R. J., Rubin D. В.) Statistical Analysis with Missing Data. N. V.: John Wiley & Sons, 1987.

114. Литтл P., Смит П. (Little R. J., Smith P. J.) Editing and imputation for quantitative survey data // J. Amer. Statist. Assoc. 1987. V. 82. P. 58-68.

115. Литтл P., Шлюстер M. (Little R. J., Schlusther M. D.) Maximum likelihood estimation for mixed continuous and categorical data with missing values // Biometrika. 1985. V. 72. P. 497-512.

116. Мазуров В. Д., Тягу нов Л. И. Метод комитетов в распознавании образов // Метод комитетов в распознавании образов. Свердловск: изд. Уральск, отд-ния АН СССР. 1974. С. 10-40.

117. Макаров Л. И., Скоробогатов В. А. Комплекс программ для исследования зависимости «структура-свойство» химических соединений // Алгоритмический анализ графов и его применения. Новосибирск, 1988. Вып. 127: Вычислительные системы. С. 92-129.

118. Мальцева Н. И. Аппроксимация непрерывных распределений некоторыми смесями: Дис. ... канд. физ.-мат. наук. Казань, 1971.

119. Мамчур Е. А. Проблема выбора теории. М.: Наука, 1975.

120. Манохин А. Н. Методы распознавания, основанные на логических решающих функциях // Эмпирическое предсказание и распознавание образов. Новосибирск, 1976. Вып. 67: Вычислительные системы. С. 42-53.

121. Материалисты древней Греции. М.: Мир, 1957.

122. Менделеев Д. И. Периодический закон. Основные статьи. М.: Изд-во АН СССР, 1958.

123. Мерилл Т., Грин О. (Merill Т., Green О. М.) On the effectiveness of receptors in recognition systems // IEEE Trans. Inform. Theory. 1963. V. IT-9. P. 11-17.

124. Мики Д. (Michie D.) Machine learning in the next five years // EWLS-88: Proc. 3-th Europ. working session on learning. Glasgow; London: Pitman, 1988.

125. Миллер Г. (Miller G. A.) The magical number seven, plus or minus two: some limits in our capacity for processing information // Psycholog. Rev. 1956. N63. P. 81-97.

126. Михальски P. (Michalski R. S.) Variable-valued logic: system VL1 // Proc. Symp. on multiple valued logic. Morgentown, 1974.

127. Михальски P., Братко И., Кубат M. (Michalski R. S, Bratko I., Kubat M.) Machine Learning and Data Mining, Methods and Applications. N. Y.: John Wiley & Sons, 1998.

128. Михальски P., Степп P. (Michalski R. S., Stepp R.) Learning from obsevation: conceptual clustering // Machine learning: An artifitial intelligence approach. Morgan Caufmann, 1983.

129. Моисеев H. H. Алгоритмы развития. M.: Наука, 1987.

130. Некрасов Б. В. Основы общей химии. М.: Химия, 1973.

131. Немытикова Л. А. Методы сравнения символьных последовательностей // Методы обработки символьных последовательностей и сигналов. Новосибирск, 1989. Вып. 132: Вычислительные системы. С. 1-34.

132. Ниманн Г. (Niemann Н.) Pattern Analysis and Understanding. Berlin e. a.: Springer-Verl., 1998.

133. Перегудов Ф. И., Тарасенко Ф. П. Основы системного анализа. Томск: Изд-во науч.-техн. лит., 1997.

134. Пирогов А. А., Слуцкер Г. С. К фонетической теории речи // Тез. докл. VI Всесоюз. акустической конф. М.: изд. Акустич. ин-та АН СССР, 1968. С. 62-64.

135. Прим 3. Л. Кратчайшие связывающие сети и некоторые обобщения // Кибернетический сб. 1961. №2. С. 95-107.

136. Раппопорт А. М., Шнейдерман М. В. Анализ экспертных суждений, заданных в виде структур // Прикладной многомерный статистический анализ. М.: Наука, 1978. С.150-164.

137. Растригин Л. А., Пономарев Ю. П. Экстраполяционные методы проектирования и управления. М.: Машиностроение, 1986.

138. Растригин Л. А., Эренштейн P. X. Принятие решений коллективом решающих правил в задачах распознавания образов // Изв. АН СССР. Сер. Автоматика и телемеханика. 1975. №9. С. 133-144.

139. Раудис Ш. Ю. Об определении объема обучающей выборки линейного классификатора // Вычислительные системы. Новосибирск, 1967. Вып. 28. С. 79-88.

140. Розенфельд А. Распознавание и обработка изображений с помощью вычислительных машин. М.: Мир, 1972.

141. Розин Б. Б., Котюков В. И., Ягольницер М. А. Экономико-статистические модели с переменной структурой. Новосибирск: Наука, 1984.

142. Романовский В. И. Дискретные цепи Маркова. М.; Л: Гостехиздат,1949.

143. Самохвалов К. Ф. О теории эмпирических предсказаний // Вычислительные системы. Новосибирск, 1973. Вып. 50. С. 3-35.

144. Себестиан Г. С. Процессы принятия решений при распознавании образов: Пер. с англ. Киев: Техника, 1965.

145. Семенова Н. В. Расширение функций блока анализа знаний в инструментальной системе ЭКСНА // Анализ последовательностей и таблиц данных. Новосибирск, 1994. Вып. 150: Вычислительны системы. С. 211-219.

146. Супес П., Зинес Дж. Основы теории измерений // Психологические измерения. М.: Мир, 1967. С. 117-132.

147. Тейяр де Шарден П Феномен человека. М.: Наука, 1987.

148. Титтерингтон Д., Джанг Дж. (Titterington D. М., Jiang J. М.) Recursive estimation procedures for missing data problems // Biometrika. 1983. V. 70. P. 258-267.

149. Турбович И. Т. Опознание образов. М.: Наука, 1968.

150. Уилкс С. (Wilks S. S.) Moments and distributions of estimates of population from fragmentary samples // Ann. Math. Statist. 1932. V. 3. P. 163-195.

151. Уолш Дж. (Walsh J. E.) Computer-feasible method for handling incomplete data regression analysis // J. Assos. Comput. Math. 1961. V. 18. P. 201-211.

152. Уотсон Д. Д. Двойная спираль. М.: Мир, 1969.

153. Урсул А. Д. Ноосферная стратегия перехода Российской Федерации на модель устойчивого развития // Научные и технические аспекты охраны окружающей среды. М.: ВИНИТИ, 1995. Вып. 10.

154. Федоров Н. Ф. Собрание сочинений в 4-х томах. М.: Прогресс, 1995.

155. Фейнман Р. Природа физических законов. М.: Мир, 1967.

156. Фогель Д. (Fogel D. В.) Evolutionary Computation: Toward a New Philosophy of Machine Intelligence. Piscataway; N. Y.: IEEE Press, 1995.

157. Фрейн Г. (Frane G. M.) Some simple procedure for handling missing values in multivariate analysis // Psychometrika. 1976. V. 41. P. 409-415.

158. Харкевич А. А. Борьба с помехами. M: Наука, 1965.

159. Хартли Г., Хокинг P. (Hartley Н. О., Hocking R. R.) The analysis of incomplete data // Biometrics. 1971. V. 27. P. 783-808.

160. Хасби Дж., Швертман Н., Аллен Д. (Huseby J. R., Schwertman N. С., Allen D. M.) Computation of the mean vector and dispersion matrix for incomplete multivariate data // Communs Statist. B. 1980. V. 9. P. 301-309.

161. Хокинг P., Маркс Д. (Hocking R. R., Marx D. L.) Estimation with incomplete data: an improved computational method and the analysis of nested data // Comm. Statist. Theory Methods. A. V. 8. P. 1151-1181.

162. Хоменко Л. В. Методы параллельного формирования понятий на основе пирамидальных сетей // Экспертные системы и распознавание образов. Новосибирск, 1988. Вып. 126: Вычислительные системы. С. 24-35.

163. Черный Л. Б. Порождение мер связи между объектами с помощью мер связи между признаками // Проблемы анализа дискретной информации. Новосибирск: изд. ИЭиОПП СО АН СССР, 1975. С. 167-174.

164. Шривастава М. (Srivastava М. S.) Multivariate data with missing observations // Comm. Statist. Theory Methods. 1985. V. 14. P. 775-792.

165. Шусторович A. M. Об адекватных парных мерах сходства в задачах распознавания образов с разнотипными признаками // Вопросы обработки информации при проектировании систем. Новосибирск, 1977. Вып. 69: Вычислительные системы. С. 147-162.

166. Эверитт Б. (Everitt В.) Cluster analysis. London: Heine- mann, 1981.

167. Энгельман Л. (Engelman L.) An efficient algorithm for computing covariance matrices from data with missing values // Comm. Statist. Theory Methods. B. 1982. V. 11. P. 113-121.

168. Proceeding of the Second International Conference on Knowledge Discovery and Data Mining. Portland, 1996.