Метод автоматической классификации на базе нечеткого отношения сходства
Для решения задачи автоматической классификации предлагается IFC-метод нечеткой кластеризации, в котором используются новые нечеткие логические операторы — пороговые треугольные нормы и конормы. Данный метод отличается от методов кластеризации на основе нечеткого отношения эквивалентности тем, что п...
Збережено в:
| Опубліковано в: : | Кибернетика и системный анализ |
|---|---|
| Дата: | 2016 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2016
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/131388 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Метод автоматической классификации на базе нечеткого отношения сходства / Л.Ф. Гуляницкий, И.И. Рясная // Кибернетика и системный анализ. — 2016. — Т. 52, № 1. — С. 34-41. — Бібліогр.: 7 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862539888196321280 |
|---|---|
| author | Гуляницкий, Л.Ф. Рясная, И.И. |
| author_facet | Гуляницкий, Л.Ф. Рясная, И.И. |
| citation_txt | Метод автоматической классификации на базе нечеткого отношения сходства / Л.Ф. Гуляницкий, И.И. Рясная // Кибернетика и системный анализ. — 2016. — Т. 52, № 1. — С. 34-41. — Бібліогр.: 7 назв. — рос. |
| collection | DSpace DC |
| container_title | Кибернетика и системный анализ |
| description | Для решения задачи автоматической классификации предлагается IFC-метод нечеткой кластеризации, в котором используются новые нечеткие логические операторы — пороговые треугольные нормы и конормы. Данный метод отличается от методов кластеризации на основе нечеткого отношения эквивалентности тем, что позволяет разрабатывать более быстрые алгоритмы построения кластеров. При этом не искажаются данные о связях между элементами исследуемого множества, что обеспечивает прозрачность интерпретации результатов исследований. Приведены примеры применения метода к некоторым известным задачам.
Для розв’язування задачі автоматичної класифікації запропоновано IFC-метод нечіткої кластеризації, у якому використовуються нові нечіткі логічні оператори — порогові трикутні норми і конорми. Цей метод відрізняється від методів кластеризації на основі нечіткого відношення еквівалентності тим,що дозволяє розробляти більш швидкі алгоритми побудови кластерів. При цьому не (спотворюються) змінюються дані про зв’язки між елементами множини, що досліджується. Це забезпечує прозорість інтерпретування результатів досліджень. Наведено приклади застосування методу до деяких відомих задач.
The IFC-method of fuzzy clustering is proposed to solve the problem of automatic classification/ The method is based on new fuzzy logical operators: threshold triangular norms and conorms. This method differs from clustering methods based on fuzzy equivalence relation since it allows developing faster algorithms to generate clusters without distorting data on connections between elements of the studied set. This provides transparent interpretation of the results of research. The results of application of the method to some well-known problems are given
|
| first_indexed | 2025-11-24T15:49:04Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-131388 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0023-1274 |
| language | Russian |
| last_indexed | 2025-11-24T15:49:04Z |
| publishDate | 2016 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Гуляницкий, Л.Ф. Рясная, И.И. 2018-03-21T20:22:26Z 2018-03-21T20:22:26Z 2016 Метод автоматической классификации на базе нечеткого отношения сходства / Л.Ф. Гуляницкий, И.И. Рясная // Кибернетика и системный анализ. — 2016. — Т. 52, № 1. — С. 34-41. — Бібліогр.: 7 назв. — рос. 0023-1274 https://nasplib.isofts.kiev.ua/handle/123456789/131388 519.8 Для решения задачи автоматической классификации предлагается IFC-метод нечеткой кластеризации, в котором используются новые нечеткие логические операторы — пороговые треугольные нормы и конормы. Данный метод отличается от методов кластеризации на основе нечеткого отношения эквивалентности тем, что позволяет разрабатывать более быстрые алгоритмы построения кластеров. При этом не искажаются данные о связях между элементами исследуемого множества, что обеспечивает прозрачность интерпретации результатов исследований. Приведены примеры применения метода к некоторым известным задачам. Для розв’язування задачі автоматичної класифікації запропоновано IFC-метод нечіткої кластеризації, у якому використовуються нові нечіткі логічні оператори — порогові трикутні норми і конорми. Цей метод відрізняється від методів кластеризації на основі нечіткого відношення еквівалентності тим,що дозволяє розробляти більш швидкі алгоритми побудови кластерів. При цьому не (спотворюються) змінюються дані про зв’язки між елементами множини, що досліджується. Це забезпечує прозорість інтерпретування результатів досліджень. Наведено приклади застосування методу до деяких відомих задач. The IFC-method of fuzzy clustering is proposed to solve the problem of automatic classification/ The method is based on new fuzzy logical operators: threshold triangular norms and conorms. This method differs from clustering methods based on fuzzy equivalence relation since it allows developing faster algorithms to generate clusters without distorting data on connections between elements of the studied set. This provides transparent interpretation of the results of research. The results of application of the method to some well-known problems are given ru Інститут кібернетики ім. В.М. Глушкова НАН України Кибернетика и системный анализ Кибернетика Метод автоматической классификации на базе нечеткого отношения сходства Метод автоматичної класифікації на базі нечіткого відношення Method of automatic classification on the basis of fuzzy similarity relation Article published earlier |
| spellingShingle | Метод автоматической классификации на базе нечеткого отношения сходства Гуляницкий, Л.Ф. Рясная, И.И. Кибернетика |
| title | Метод автоматической классификации на базе нечеткого отношения сходства |
| title_alt | Метод автоматичної класифікації на базі нечіткого відношення Method of automatic classification on the basis of fuzzy similarity relation |
| title_full | Метод автоматической классификации на базе нечеткого отношения сходства |
| title_fullStr | Метод автоматической классификации на базе нечеткого отношения сходства |
| title_full_unstemmed | Метод автоматической классификации на базе нечеткого отношения сходства |
| title_short | Метод автоматической классификации на базе нечеткого отношения сходства |
| title_sort | метод автоматической классификации на базе нечеткого отношения сходства |
| topic | Кибернетика |
| topic_facet | Кибернетика |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/131388 |
| work_keys_str_mv | AT gulânickiilf metodavtomatičeskoiklassifikaciinabazenečetkogootnošeniâshodstva AT râsnaâii metodavtomatičeskoiklassifikaciinabazenečetkogootnošeniâshodstva AT gulânickiilf metodavtomatičnoíklasifíkacíínabazínečítkogovídnošennâ AT râsnaâii metodavtomatičnoíklasifíkacíínabazínečítkogovídnošennâ AT gulânickiilf methodofautomaticclassificationonthebasisoffuzzysimilarityrelation AT râsnaâii methodofautomaticclassificationonthebasisoffuzzysimilarityrelation |