Search academic texts

Information × Registration Number 2119U007839, Article popup.category Опубліковано, Стаття Title A COMPARATIVE STUDY OF CLUSTER VALIDITY INDICES popup.author Кондрук Н. Е.Kondruk N. E. popup.publication 25-11-2019 popup.source_user Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") popup.source https://ric.zp.edu.ua/article/view/192108 popup.publisher National University "Zaporizhzhia Polytechnic" Description Актуальність. Кластерний аналіз є методом класифікації без учителя, тобто в умовах коли попередня інформація прокількість кластерів заздалегідь невідома. Тому, знаходження оптимальної кількості кластерів і перевірка результатіврозбиття наборів даних є складною задачею і потребує додаткових досліджень.Метою дослідження є вивчення ефективності знаходження природної структури даних чіткими та нечіткими індексамиякості кластеризації реалізованої методом кластеризації основаним на нечітких бінарних відношеннях та проведення їхпорівняльного аналізу.Методи. Для розбиття наборів даних використано метод заснований на нечітких бінарних відношеннях, який дозволяєодночасно проводити чітку та нечітку кластеризацію об’єктів за різними видами мір подібності. В роботі використана міраподібності «відстань», яка розбиває дані на еліпсоїдні кластери. Згенеровано два синтетичні набори двовимірних данихспеціального виду, природна кластеризація яких можлива двома способами. Обидва набори є гаусівськими. Описанонайбільш ефективні та використовувані групи чітких та нечітких індексів якості кластеризації, що дозволяють виявитиоптимальну структуру даних.Результати. Проведено дослідження оцінки якості кластеризації методом заснованим на нечітких бінарнихвідношеннях шістьма індексами на двох наборах даних. Зроблено порівняльний аналіз ефективності визначання індексамиякості кластерної та підкластерної структури даних.Висновки. На практиці для деяких індексів достовірності розбиття важливим є знаходження не тільки глобальногоекстремуму, а й локальних. Вони можуть фіксувати оптимальну підкластерну структуру даних із меншим показникомрозділення. Для забезпечення ефективності оцінки якості кластеризації та отримання об’єктивного результату доцільним єврахування не одного індексу, а декількох. В перспективних дослідженнях передбачається побудова комбінованогокритерію, що поєднував би найефективніші індекси оцінки кластеризації методом заснованим на нечітких бінарнихвідношеннях за відстаневою мірою подібності; створення узагальненого індексу якості кластеризації за будь-якою міроюподібності методу нечітких бінарних відношень; розробка програмної системи, що забезпечить автоматичне групуванняоб’єктів на кластери концентричними сферами, конусами, еліпсами без попереднього визначення порогу кластеризації. popup.nrat_date 2026-02-09 Close