Другие журналы

научное издание МГТУ им. Н.Э. Баумана

НАУКА и ОБРАЗОВАНИЕ

Издатель ФГБОУ ВПО "МГТУ им. Н.Э. Баумана". Эл № ФС 77 - 48211.  ISSN 1994-0408

Оценка результатов тестирования на полиграфе методами регрессионного анализа

# 10, октябрь 2014
DOI: 10.7463/1014.0728906
Файл статьи: SE-BMSTU...o243.Pdf (993.42Кб)
авторы: Леонтьев К. А., Панин С. Д., Холодный Ю. И.

УДК 51.76

Россия,  МГТУ им. Н.Э. Баумана

Рассмотрена задача установления значимости для исследуемого субъекта задаваемых ему вопросов при проведении судебно-психофизиологической экспертизы с применением полиграфа,  с помощью  методов  математической статистики. Предложен алгоритм классификации на основе логистической регрессии как оптимального байесовского классификатора, учитывающий весовые коэффициенты информативности для регистрируемых полиграфом физиологических параметров без условия независимости измеряемых признаков.
Собственно бинарная классификация выполнена по результатам экспертизы на полиграфе  с предварительной нормализацией и стандартизацией первичных результатов, с проверкой гипотезы о нормальности  распределения полученных данных, а также вычислением  коэффициентов линейной регрессии между входными величинами и откликами методом максимального правдоподобия. В дальнейшем логистическая кривая разделяла признаки на два класса типа "значимый" и "незначимый".
Эффективность модели оценена с помощью ROC-анализа (Receiver Operator Characteristics) и показано, что  необходимая минимальная выборка должна содержать результаты не менее 45 измерений. При соблюдении методик тестирования и достаточной квалификации эксперта-полиграфолога, данный подход обеспечивает достоверный результат.

Список литературы
  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.
  2. Оглоблин С.И., Молчанов А.Ю. Инструментальная «детекция лжи»: академический курс. Ярославль: Нюанс, 2004. С. 353-354.
  3. Hosmer D.W., Lemeshow S. Applied Logistic Regression. 2nd ed. N.Y.: John Wiley & Sons, Inc., 2000. P. 34.
  4. Mitchell T.M. Ch. 6. Bayesian Learning // In book: Machine Learning. McGraw-Hill Science/Engineering/Math, 1997. P. 154-200.
  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
  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
  7. Long J.S. Regression Models for categorical and limited dependent variables. Thousand Oaks, CA: Sage Publications, 1996. P. 65.
  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.
  9. Hosmer D.W., Lemeshow S. Applied Logistic Regression. 2nd ed. N.Y.: John Wiley & Sons, Inc., 2000. P. 164.
  10. Machin D., Campbell M.J., Walters S.J. Medicial Statistics. 4th ed. N.Y.: John Wiley & Sons, Inc., 2007. 331 p.
  11. Schölkopf B., Smola A.J. Learning with Kernels. Support Vector Machines, Regularization, Optimization, and Beyond. MIT Press, Cambridge, MA, 2002. 626 p.
  12. Смирнов Н.В., Дунин-Барковский И.В. Курс теории вероятностей и математической статистики. М.: Наука, 1965. 512 с.
  13. Горяинова Е.Р., Слепнева Т.И. Методы бинарной классификации объектов с номинальными показателями // Журнал Новой Экономической Ассоциации. 2012. №2. С. 27-49.
Поделиться:
 
ПОИСК
 
elibrary crossref ulrichsweb neicon rusycon
 
ЮБИЛЕИ
ФОТОРЕПОРТАЖИ
 
СОБЫТИЯ
 
НОВОСТНАЯ ЛЕНТА



Авторы
Пресс-релизы
Библиотека
Конференции
Выставки
О проекте
Rambler's Top100
Телефон: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00)
  RSS
© 2003-2020 «Наука и образование»
Перепечатка материалов журнала без согласования с редакцией запрещена
 Тел.: +7 (915) 336-07-65 (строго: среда; пятница c 11-00 до 17-00)