Search academic texts

Information × Registration Number 0414U004423, Candidate dissertation Status к.т.н. Date 24-09-2014 popup.evolution o Title Adaptive neuro-fuzzy systems for fuzzy cluster analysis under conditions of uncertainty Author Kolchygin Bogdan Vladlenovych, popup.head Bodyanskiy Yevgeniy Volodymyrovych popup.opponent Литвиненко Володимир Іванович popup.opponent Гороховатський Володимир Олексійович Description 1. Дисертація присвячена дослідженню та розробці методів адаптивної нечіткої кластеризації з використанням нейромереж Кохонена та їх ансамблів. Розглядаються засновані на прототипах методи кластеризації та їх модифікації. Зазначено, що, як усі методи навчання без вчителя, будь-які методи кластеризації мають деякі апріорні припущення про характер розподілу даних в оброблюваній вибірці. Побудова системи кластеризації, яка вдало працює в умовах заздалегідь невідомих або мінливих характеристик даних, можлива тільки при використанні методів колективного виведення. Побудова такої системи на основі кластеризаторів пов'язана зі складнощами, що виходять з самої природи задачі кластеризації, а саме з відсутності об'єктивних критеріїв якості розбиття, наявності великого числа параметрів, що настроюються, та використанням переважно пакетних методів роботи з даними. У роботі пропонується ряд методів кластеризації, які охоплюють найпоширеніші методи обробки джерел нестаціонарності в даних і модифіковані для можливості роботи в on-line режимі. Всі методи побудовані на загальному підході, який полягає в мінімізації числа параметрів, що настроюються, та наданні їм ясного фізичного сенсу, а також у забезпеченні можливості роботи цих методів з вибіркою, що поповнюється. Отримані таким чином методи кластеризації працюють у деякому сенсі одноманітно, що дозволяє об'єднувати їх в нейромережеві ансамблі для колективного отримання матриці розбиття, кращої кожної із тих, що отримані окремими методами. Використовуючи особливості роботи нечітких методів кластеризації, побудованих на прототипах, уперше була реалізована система кластеризації в парадигмі нечіткої логіки типу-2, що працює повністю в on-line режимі. Використання такого потужного інструменту продемонструвало свою ефективність на зростаючих вибірках даних, у яких спостерігається суттєвий дрейф характеристик із часом: поява й зникнення кластерів, зміна їх характерних масштабів і щільності, міри перетину тощо. Проведено експериментальне дослідження властивостей і характеристик розроблених методів, вирішена низка практичних задач. Registration Date 2014-09-24 popup.nrat_date 2020-04-03 Close