Реєстраційний номер
2123U011484, Матеріали видань та локальних репозитаріїв
Категорія
Опубліковано, Стаття
Назва роботи
ДОСТОВІРНА РОБАСТНА ОНЛАЙН НЕЧІТКА КЛАСТЕРИЗАЦІЯ В ЗАДАЧАХ ІНТЕЛЕКТУАЛЬНОГО АНАЛІЗУ ПОТОКІВ ДАНИХ
Автор
Шафроненко А. Ю.
Касаткіна Н. B.
Бодянський Є. В.
Шафроненко Є. О.
Shafronenko A. Yu.
Kasatkina N. V.
Bodyanskiy Ye. V.
Shafronenko Ye. O.
Дата публікації
13-10-2023
Постачальник інформації
Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка")
Першоджерело
https://ric.zp.edu.ua/article/view/288118
Видання
National University "Zaporizhzhia Polytechnic"
Опис
Актуальність. Задача кластеризації-класифікації без вчителя масивів даних займає важливе місце у загальній проблемі Data Mining, а для її вирішення існує на цей час безліч підходів, методів та алгоритмів. Існує достатньо багато ситуацій, коли реальні дані, що підлягають кластеризації, забруднені аномальними викидами або збуреннями з не Гаусівськими розподілами. Це веде до того, що традиційні методи, що використовують квадратичні метрики не забезпечують бажані результати. Метою статті є розробка достовірного робастного методу нечіткої кластеризації онлайн, який поєднує в собі переваги теорії довіри та робастних підходів у задачах нечіткої кластеризації.
Метод. Процедура нечіткої кластеризації даних з використанням достовірного підходу, заснованого на використанні як робастних цільових функцій спеціального типу, нечутливих до викидів, так і призначених для роботи як у пакетному режимі, так і в його повторюваній онлайн-версії, призначеній для вирішення проблем Data Stream Mining, коли дані надходять на обробку послідовно в режимі реального часу.
Результати. Аналізуючи загальну точність отриманих результатів методів і алгоритму кластеризації, запропонований метод подібний до результату достовірного методу нечіткої кластеризації, але має перевагу в часі незалежно від кількості спостережень, які були використані в процесі кластеризації.
Висновки. Розглянута задача нечіткої кластеризації потоків даних, забруднених аномальними викидами. Введено у розгляд рекурентний достовірний онлайн алгоритм, заснований на цільовій функції спеціального вигляду, що придушує ці викиди за допомогою використання функції гіперболічного тангенса, що крім нейронних мереж використовується у задачах робастного оцінювання. Запропонований алгоритм є достатньо простим у чисельній реалізації і є узагальненням деяких відомих онлайн процедур нечіткої кластеризації призначених для вирішення задач Data Stream Mining.
Додано/оновлено в НРАТ
2026-02-26