The 8 references with contexts in paper K. Leontiev A., S. Panin D., Yu. Kholodniy I., К. Леонтьев А., С. Панин Д., Ю. Холодный И. (2016) “Оценка результатов тестирования на полиграфе методами регрессионного анализа // Polygraph Test Results Assessment by Regression Analysis Methods” / spz:neicon:technomag:y:2014:i:0:p:230-243

1
Холодный Ю.И., Парфенов А.А. Оценка результатов судебно-психофизиологической экспертизы с применением полиграфа // Межд. науч.-практ. конф. «Актуальные проблемы расследования преступлений» (ИПК СК РФ, Москва, 23.05.2013 г.). М.: Изд-во ООО «Буки Веди», 2013. С. 383-388.
Total in-text references: 2
  1. In-text reference with the coordinate start=2267
    Prefix
    Классификация стимулов по значимости для исследуемого человека на основе оценки динамики его физиологического реагирования может рассматриваться как «1» или «0» - т.е. «значимый» или «незначимый». На практике эксперты часто делают чисто качественную оценку показателей реакций человека при классификации стимулов, что является проявлением субъективизма
    Exact
    [1, 2]
    Suffix
    . Достоверное решение проблем классификации требует реализации математического аппарата для принятия решений, и существуют различные подходы как к методам классификации, так и к числовой оценке полиграмм.

  2. In-text reference with the coordinate start=3257
    Prefix
    Метрическая оценка, когда, осуществив замеры реакций в каких-то единицах измерений (например, миллиметрах или пикселях), полиграфолог применяет в ходе дальнейших расчетов методы математической статистики
    Exact
    [1]
    Suffix
    . В данной работе использована метрическая оценка полиграмм и классификация их результатов с помощью алгоритма бинарной логистической регрессии [8] по следующим соображениям:  числовые статистические данные в нормированном виде обеспечивает метрическая оценка полиграмм;  логистическая кривая имеет две асимптоты и обеспечивает достоверное разделение на два класса при небольших затратах вре

2
Оглоблин С.И., Молчанов А.Ю. Инструментальная «детекция лжи»: академический курс. Ярославль: Нюанс, 2004. С. 353-354.
Total in-text references: 2
  1. In-text reference with the coordinate start=2267
    Prefix
    Классификация стимулов по значимости для исследуемого человека на основе оценки динамики его физиологического реагирования может рассматриваться как «1» или «0» - т.е. «значимый» или «незначимый». На практике эксперты часто делают чисто качественную оценку показателей реакций человека при классификации стимулов, что является проявлением субъективизма
    Exact
    [1, 2]
    Suffix
    . Достоверное решение проблем классификации требует реализации математического аппарата для принятия решений, и существуют различные подходы как к методам классификации, так и к числовой оценке полиграмм.

  2. In-text reference with the coordinate start=6139
    Prefix
    Под Z-оценками будем понимать первичные данные, выраженные в стандартных отклонениях наблюдаемых величин. О процессе выбора информативных признаков и снятия первичных данных описано в открытой литературе, например
    Exact
    [2]
    Suffix
    . Проверка гипотезы о нормальности выборки можно выполнить с помощью теста Харке-Бера в среде MATLAB, и некоторые результаты такого подхода для разных информативных признаков приведены ниже. Для примера были выбраны 4 параметра физиологических реакций, снятых с каналов кожно-гальванического рефлекса (КГР), сердечно-сосудистой системы (ССС) и канала дыхания (Д):  Амплитуда КГР

5
Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. 2nd ed. Springer New York, 2009. P. 119-128; P. 210-211. DOI: 10.1007/978-0-387-84858-7
Total in-text references: 1
  1. In-text reference with the coordinate start=4860
    Prefix
    будет следующей: (2) Здесь вектор оценок параметров регрессии ; его получают обработкой значений признаков объекта, приведенных к стандартизованному виду. Значения оценок коэффициентов вычисляют различными способами, например, методом максимального правдоподобия
    Exact
    [5]
    Suffix
    по результатам экспериментов на полиграфе. Происходит обучение на конкретных опытных данных. Качество классификации было проверено с помощью ROC-анализа (Receiver Operator Characteristics или функциональные характеристики приемника).

6
Peduzzi P., Concato J., Kemper E., Holford T.R., Feinstein A.R. A simulation study of the number of events per variable in logistic regression analysis // Journal of Clinical Epidemiology.1996. Vol. 49, iss. 12. P. 1373-1379. DOI: 10.1016/S0895-4356(96)00236-3
Total in-text references: 1
  1. In-text reference with the coordinate start=5532
    Prefix
    часто используют формулу: , (3) где N – минимальное число наблюдений, K – число предикторов (независимых переменных) и d – меньшее относительное значение положительных или отрицательных исходов. Для теста формата «5 предъявлений по 5 стимулов с выделенными 4 информативными признаками» получаем достаточный объем выборки в 200 наблюдений, или 8 контрольных тестов
    Exact
    [6]
    Suffix
    . При этом, если вычисленное N < 100 следует дополнить выборку до 100 элементов [7]. 1. Пример классификации стимулов по результатам исследований на полиграфе С первичными метрическими результатами, полученными при опросе на полиграфе, сначала необходимо провести процедуру стандартизации и перевода данных в Z-оценки, а также проверить нормальность распределения полученных данных.

7
Long J.S. Regression Models for categorical and limited dependent variables. Thousand Oaks, CA: Sage Publications, 1996. P. 65.
Total in-text references: 1
  1. In-text reference with the coordinate start=5613
    Prefix
    Для теста формата «5 предъявлений по 5 стимулов с выделенными 4 информативными признаками» получаем достаточный объем выборки в 200 наблюдений, или 8 контрольных тестов [6]. При этом, если вычисленное N < 100 следует дополнить выборку до 100 элементов
    Exact
    [7]
    Suffix
    . 1. Пример классификации стимулов по результатам исследований на полиграфе С первичными метрическими результатами, полученными при опросе на полиграфе, сначала необходимо провести процедуру стандартизации и перевода данных в Z-оценки, а также проверить нормальность распределения полученных данных.

8
The Polygraph and Lie Detection / Committee to Review the Scientific Evidence on the Polygraph; Cognitive, and Sensory Sciences Board on Behavioral; Committee on National Statistics; Division of Behavioral and Social Sciences and Education; National Research Council. The National Academies Press, 2003. P. 300-322.
Total in-text references: 1
  1. In-text reference with the coordinate start=3403
    Prefix
    Метрическая оценка, когда, осуществив замеры реакций в каких-то единицах измерений (например, миллиметрах или пикселях), полиграфолог применяет в ходе дальнейших расчетов методы математической статистики [1]. В данной работе использована метрическая оценка полиграмм и классификация их результатов с помощью алгоритма бинарной логистической регрессии
    Exact
    [8]
    Suffix
    по следующим соображениям:  числовые статистические данные в нормированном виде обеспечивает метрическая оценка полиграмм;  логистическая кривая имеет две асимптоты и обеспечивает достоверное разделение на два класса при небольших затратах времени на вычисления.

9
Hosmer D.W., Lemeshow S. Applied Logistic Regression. 2 nd ed. N.Y.: John Wiley & Sons, Inc., 2000. P. 164.
Total in-text references: 1
  1. In-text reference with the coordinate start=10526
    Prefix
    Оценка качества эффективности модели В регрессионном анализе для оценки эффективности модели принято пользоваться коэффициентом детерминации (коэффициентом множественной корреляции), показывающим долю объясненной дисперсии зависимой переменной с помощью рассматриваемой модели. Но в работе
    Exact
    [9]
    Suffix
    указано, что настоящая мера точности подгонки модели базируется исключительно на сравнении между наблюдаемыми и предсказанными значениями. Тогда имеет смысл оценить эффективность модели, и тем самым, качество классификации.

13
Горяинова Е.Р., Слепнева Т.И. Методы бинарной классификации объектов с номинальными показателями // Журнал Новой Экономической Ассоциации. 2012. No 2. С. 27-49. . Science and Education of the Bauman MSTU,
Total in-text references: 1
  1. In-text reference with the coordinate start=3878
    Prefix
    Этот алгоритм применяют в задачах классификации в социологии, экономике и в технических науках. Кроме приемлемого качества классификации, алгоритм позволяет оценить вероятности попадания объектов в классы
    Exact
    [13]
    Suffix
    . В качестве начальных данных используется вектор выходных признаков объекта (метрически измеренные показатели реакций), преобразованный к стандартизованному виду , по ним вычисляют коэффициенты линейной регрессии, а затем уже по логистической кривой происходит классификация.