Борис Миркин, ведущий научный сотрудник Международной научно-учебной лаборатории анализа и выбора решений

Кандидатуру предлагает Международная научно-учебная лаборатория анализа и выбора решений. Выдвигается за выдающуюся работу в области анализа данных.

Профессор Борис Григорьевич Миркин является безусловным лидером в области моделей и методов кластер-анализа.

Научные результаты профессора Миркина, полученные в 2010-2012 годах (в том числе в соавторстве):

— разработан оптимально-экономичный метод представления, визуализации и интерпретации множеств понятий «запросов» в иерархической онтологии предметной области, примененный для автоматизации анализа деятельности организаций и аннотирования научных статей;

— разработан спектрально-аддитивный метод последовательного выявления нечётких кластеров по матрице связей;

— разработана интеллектуальная версия метода k-средних кластерного анализа с автоматическим определением числа кластеров и весов признаков для каждого кластера;

— получено математическое обоснование двух наиболее популярных методов дивизимного кластер-анализа и разработан комбинированный метод «случайных проекций»;

— разработан аппроксимационный метод последовательного выделения трикластеров по «триединым» данным;

— адаптирован метод суффиксных деревьев применительно к анализу русскоязычных текстов произвольной длины, с помощью которого решена задача формирования онтологий и анализа связей между ключевыми словосочетаниями с целью структурирование совокупностей текстов.

Борис Григорьевич Миркин в 2010-2012гг. входил в оргкомитет 6-ти международных конференций, в том числе как Председатель (General Chair); член редколлегии 4-х журналов (2 из них – международные). Выступил с пленарными докладами на 7-ми международных конференций.

Основные публикации в 2010-2012гг.

Книги:

B. Mirkin, Core concepts in data analysis: Summarization, Correlation, Visualization. 2011, Springer, 390 p.

(“The author presents his theses with a refreshing clarity seldom seen in a text of this sophistication.” From Computing Reviews of the ACM, 27/06/2012)

B. Mirkin, Clustering: A data recovery approach, 2012, Chapman and Hall/CRC, 374 p.

 

Статьи в реферируемых журналах:

1. B.G. Mirkin, Nascimento S.

Additive spectral method for fuzzy cluster analysis of similarity data including community struc-ture and affinity matrices // Information Sciences, 2012. № 183. C. 16—34

2. R.Amorim, B.G. Mirkin.

Minkowski metric, feature weighting and anomalous cluster initializing in K-Means clustering // Pattern Recognition, 2012. № 45. C. 1061—1075

3. Миркин Б. Г., Черняк Е. Л., Чугунова О. Н.

Метод аннотированного суффиксного дерева для оценки степени вхождения строк в текстовые документы, Бизнес-Информатика, 3, 2012, 31-41

4. B.G. Mirkin.

Choosing the number of clusters // WIRE Data Mining and Knowledge Discovery, 2011. № 3. C. 252—60

5. Voulgaris Z., B.G. Mirkin.

Choosing a discernibility measure for reject option of individual and multiple classifiers // International Journal of General Systems, 2010. Т. 39. № 8. C. 855—871

6. B.G. Mirkin, Nascimento S., Fenner T., Pereira L.M.

Fuzzy Thematic Clusters Mapped to Higher Ranks in a Taxonomy // International Journal of Software and Informatics, 2010. № 4(3). C. 257—275

7. Chiang M., B.G. Mirkin.

Intelligent Choice of the Number of Clusters in K-Means Clustering: An Experimental Study with Different Cluster Spreads // Journal of Classification, 2010. Т. 27. № 1. C. 3—41

8. B.G. Mirkin, Camargo R., Fenner T., Loizou G., Kellam P.

Similarity clustering of proteins using substantive knowledge and reconstruction of evolutionary gene histories in herpesvirus // Theoretical Chemistry Accounts: Theory, Computation, and Modeling, 2010. Т. 125. № 3-6. C. 569—581