Пошук академічних текстів

Інформація × Реєстраційний номер 0414U004423, Кандидатська дисертація На здобуття к.т.н. Дата захисту 24-09-2014 Статус Запланована Назва роботи Адаптивні нейро-фаззі системи для нечіткого кластерного аналізу в умовах невизначеності Здобувач Колчигін Богдан Владленович, Керівник Бодянський Євгеній Володимирович Опонент Литвиненко Володимир Іванович Опонент Гороховатський Володимир Олексійович Опис 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. Дата реєстрації 2014-09-24 Додано в НРАТ 2020-04-03 Закрити