All issues

List of references:

1. В. Н. Вапник, А. Я. Червоненкис. Теория распознавания образов (статистические проблемы обучения). — М: Наука, 1974. — 416 с.
2. А. Н. Дмитриев, Ю. И. Журавлев, Ф. П. Кренделев. О математических принципах классификации предметов и явлений // Дискретный анализ. — Новосибирск: ИМ СО АН СССР, 1966. — № 7. — С. 3–11.
3. В. М. Жуковская, И. Б. Мучник. Факторный анализ в социально-экономических исследованиях. — М: Статистика, 1976.
4. Ю. И. Журавлев, В. В. Никифоров. Алгоритмы распознавания, основанные на вычислении оценок / Кибернетика. — 1971. — С. 1–11.
5. Ю. И. Журавлев. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики. — 1978. — № 33. — С. 5–68.
6. Ю. И. Журавлев. Избранные научные труды. — М: Магистр, 1998. — 420 с.
7. Ю. И. Журавлев, В. В. Рязанов, О. В. Сенько. «Распознавание». Математические методы. Программная система. Практические применения. — М: Фазис, 2006. — 159 с.
8. С. Г. Кирдина. Институциональные матрицы и развитие России. Введение в Х-Y-теорию. — М.–СПб: Нестор-История, 2014. — 468 с. — Изд. 3-е, перераб., расш. и иллюстр.
9. С. Г. Кирдина. К анализу макроинституциональной циклической динамики / Эволюция экономической теории: воспроизводство, технологии, институты. Материалы Х международного симпозиума по эволюционной экономике. — СПб: Алетейя, 2015. — г. Пущино 12–14 сентября 2013 г. — В. И. Маевский и С. Г. Кирдина.
10. В. А. Кузнецов, О. В. Сенько, А. В. Кузнецова и др. Распознавание нечетких систем по методу статистически взвешенных синдромов и его применение для иммуногематологической характеристики нормы и хронической патологии // Химическая физика. — 1996. — Т. 15, № 1. — С. 81–100.
11. Н. В. Латова. В какой матрице мы живем? (Этнометрическая проверка теории институциональных матриц) // Экономический вестник Ростовского государственного университета. — 2003. — Т. I, № 3. — С. 89–94.
12. А. Ю. Мельвиль. «Политический атлас современности»: замысел и общие теоретико-методологические контуры проекта // Полис. — 2006. — № 5. — С. 6–14.
13. В. В. Рязанов. Логические закономерности в задачах распознавания (параметрический подход) // Ж. вычисл. матем. и матем. физ. — 2007. — Т. 47, № 10. — С. 1793–1808.
14. Chris. J. C. Burges. A Tutorial on Support Vector Machines for Pattern Recognition. — Boston. Manufactured in The Netherlands: Kluwer Academic Publishers. — MathSciNet: MR2841444.
    • Chris. J. C. Burges. A Tutorial on Support Vector Machines for Pattern Recognition // Data Mining and Knowledge Discovery. — 1998. — no. 2. — P. 121–167.
15. C. Vapnik V. Cortes. Support-vector networks // Machine Learning. — 1995. — V. 20, no. 3. — P. 273.
16. G. Hofstede. Cultures and Organizations: Software of the Mind // Administrative Science Quarterly. — Johnson Graduate School of Management, Cornell University, 1993. — V. 38(1). — P. 132–134.
17. A. V. Kuznetsova, I. V. Kostomarova, O. V. Sen'ko. Modification of the method of optimal valid partitioning for comparison of patterns related to the occurrence of ischemic stroke in two groups of patients // Pattern Recognition and Image Analysis. — 2014. — V. 24, no. 1. — P. 114–123. — DOI: 10.1134/S105466181401009X.
18. O. V. Senko, A. V. Kuznetsova. The Optimal Valid Partitioning Procedures. — http://interstat.statjournals.net/YEAR/2006/articles/0604002.pdf.
19. O. В. Senko, A. В. Kuznetsova. A recognition method based on collective decision making using systems of regularities of various types // Pattern Recognition and Image Analysis. — 2010. — V. 20, no. 2. — P. 152–162. — DOI: 10.1134/S1054661810020069.