Представлены алгоритмы двумерного анализа главных компонент (Two-dimensional Principal Component Analysis – 2D PCA) ориентированные на обработку цифровых изображе-ний больших размеров в условиях малой выборки. Алгоритмы основаны на прямом вычисле-нии двух матриц ковариации по всем исходным изображениям без их преобразования в векто-ры. Результат анализа – нахождение главных компонент для строк и столбцов исходных изо-бражений и построение соответствующих им матриц двумерной проекции. Обсуждаются два способа выполнения 2D PCA, соответствующие параллельной и каскад-ной формам его реализации. Оценены характеристики представленных алгоритмов
Компьютерная Оптика, 2010г., том 34, № 4, стр. 545-551.

Представлены алгоритмы двумерного анализа главных компонент (Two-dimensional Principal Component Analysis – 2D PCA) ориентированные на обработку цифровых изображений больших размеров в условиях малой выборки. Рассматриваются два способа выполнения 2D PCA, соответствующие параллельной и каскадной формам его реализации. Оценены характеристики представленных алгоритмов. Обсуждаются возможности использования представленных алгоритмов в других областях.
«Бизнес-информатика», 2011, №4, с. 31-38.

Представлен алгоритм классификации для случая линейно неразделимых классов. Классы определены координатами центров и их границами или заданы наборами исходных данных - соответствующими координатами на плоскости XY. Алгоритм классификации основан на определении положения точки относительно многоугольников [1, 2], описывающих границы классов.
Естественные и технические науки, №1, 2012 г., с. 358-364.