Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів
Розглянуто один із варіантів розв’язку задачі кластеризації на основі алгоритму к-середніх, який широко застосовується в багатьох сферах науки і техніки. Головними недоліками алгоритму к-середніх є залежність результатів кластеризації від вибору початкової конфігурації центроїдів (ініціалізації) та...
Gespeichert in:
| Veröffentlicht in: | Реєстрація, зберігання і обробка даних |
|---|---|
| Datum: | 2012 |
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | Ukrainian |
| Veröffentlicht: |
Інститут проблем реєстрації інформації НАН України
2012
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/50557 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Zitieren: | Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів / О.М. Ткаченко, Н.О. Біліченко, О.Ф. Грійо-Тукало, О.В. Дзісь // Реєстрація, зберігання і обробка даних. — 2012. — Т. 14, № 1. — С. 25-34. — Бібліогр.: 8 назв. — укр. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-50557 |
|---|---|
| record_format |
dspace |
| spelling |
Ткаченко, О.М. Біліченко, Н.О. Грійо-Тукало, О.Ф. Дзісь, О.В. 2013-10-23T19:25:41Z 2013-10-23T19:25:41Z 2012 Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів / О.М. Ткаченко, Н.О. Біліченко, О.Ф. Грійо-Тукало, О.В. Дзісь // Реєстрація, зберігання і обробка даних. — 2012. — Т. 14, № 1. — С. 25-34. — Бібліогр.: 8 назв. — укр. 1560-9189 https://nasplib.isofts.kiev.ua/handle/123456789/50557 621.39 Розглянуто один із варіантів розв’язку задачі кластеризації на основі алгоритму к-середніх, який широко застосовується в багатьох сферах науки і техніки. Головними недоліками алгоритму к-середніх є залежність результатів кластеризації від вибору початкової конфігурації центроїдів (ініціалізації) та збіжність до локального мінімуму цільової функції. Запропонований в роботі вдосконалений метод к-середніх дозволяє отримати розв'язок, наближений до глобального мінімуму спотворення шляхом послідовного запуску к-середніх для 1,2,...,к центроїїдів. Значне прискорення роботи досягається за рахунок обчислення відстаней лише до активних центроїдів, а також зменшення кількості векторів-кандидатів на вибір місця початкового розташування нового центроїду. Перевага даного підходу суттєво зростає за великих обсягів даних і зі збільшенням розмірності. Запропонований алгоритм доцільно використовувати в задачах кластеризації мовленнєвих даних при створенні кодових книг. Рассмотрен один из вариантов решения задачи кластеризации на основе алгоритма к-средних, который широко применяется во многих областях науки и техники. Главными недостатками алгоритма к-средних являются зависимость результатов кластеризации от выбора начальной конфигурации центроидов (инициализации) и сходимость к локальному минимуму целевой функции. Предложенный в работе усовершенствованный метод к-средних позволяет получить решение, приближенное к глобальному минимуму искажения путем последовательного запуска к-средних для 1.2,...,к центроидов. Значительное ускорение работы достигается за счет вычисления расстояний только к активным центроидам, а также уменьшения количества векторов-кандидатов на выбор места первоначального расположения нового центроида. Преимущество данного подхода существенно возрастает при больших объемах данных и с увеличением размерности. Предложенный алгоритм целесообразно использовать в задачах кластеризации речевых данных при создании кодовых книг. A variant of the clustering problem solution based on k-means algorithm is considered. This algorithm is widely used in many fields of science and technology. The main drawbacks of k-means algorithm are the clustering results dependence on the choice of the initial configuration of centroids (initialization) and convergence to local minimum of the objective function. The proposed improved k-means provides a solution close to the global minimum distortion by the sequential k-means running for 1, 2,..., k centroids. A significant speed-up of operation is achieved by calculating the distances only to the active centroids and reducing the number of candidate vectors for the initial choice of the new centroid location. The advantage of this approach is more appreciable when a larger data set with higher dimension is used. The proposed algorithm should be used in the speech data clustering problems when creating code books. uk Інститут проблем реєстрації інформації НАН України Реєстрація, зберігання і обробка даних Математичні методи обробки даних Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів Метод кластеризации на основе последовательного запуска к-среднпх с вычислением расстояний до активных центроидов The Clustering Method Based on the Consequential Running of k-Means with Calculation of the Distances to the Active Centroids Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів |
| spellingShingle |
Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів Ткаченко, О.М. Біліченко, Н.О. Грійо-Тукало, О.Ф. Дзісь, О.В. Математичні методи обробки даних |
| title_short |
Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів |
| title_full |
Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів |
| title_fullStr |
Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів |
| title_full_unstemmed |
Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів |
| title_sort |
метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів |
| author |
Ткаченко, О.М. Біліченко, Н.О. Грійо-Тукало, О.Ф. Дзісь, О.В. |
| author_facet |
Ткаченко, О.М. Біліченко, Н.О. Грійо-Тукало, О.Ф. Дзісь, О.В. |
| topic |
Математичні методи обробки даних |
| topic_facet |
Математичні методи обробки даних |
| publishDate |
2012 |
| language |
Ukrainian |
| container_title |
Реєстрація, зберігання і обробка даних |
| publisher |
Інститут проблем реєстрації інформації НАН України |
| format |
Article |
| title_alt |
Метод кластеризации на основе последовательного запуска к-среднпх с вычислением расстояний до активных центроидов The Clustering Method Based on the Consequential Running of k-Means with Calculation of the Distances to the Active Centroids |
| description |
Розглянуто один із варіантів розв’язку задачі кластеризації на основі алгоритму к-середніх, який широко застосовується в багатьох сферах науки і техніки. Головними недоліками алгоритму к-середніх є залежність результатів кластеризації від вибору початкової конфігурації центроїдів (ініціалізації) та збіжність до локального мінімуму цільової функції. Запропонований в роботі вдосконалений метод к-середніх дозволяє отримати розв'язок, наближений до глобального мінімуму спотворення шляхом послідовного запуску к-середніх для 1,2,...,к центроїїдів. Значне прискорення роботи досягається за рахунок обчислення відстаней лише до активних центроїдів, а також зменшення кількості векторів-кандидатів на вибір місця початкового розташування нового центроїду. Перевага даного підходу суттєво зростає за великих обсягів даних і зі збільшенням розмірності. Запропонований алгоритм доцільно використовувати в задачах кластеризації мовленнєвих даних при створенні кодових книг.
Рассмотрен один из вариантов решения задачи кластеризации на основе алгоритма к-средних, который широко применяется во многих областях науки и техники. Главными недостатками алгоритма к-средних являются зависимость результатов кластеризации от выбора начальной конфигурации центроидов (инициализации) и сходимость к локальному минимуму целевой функции. Предложенный в работе усовершенствованный метод к-средних позволяет получить решение, приближенное к глобальному минимуму искажения путем последовательного запуска к-средних для 1.2,...,к центроидов. Значительное ускорение работы достигается за счет вычисления расстояний только к активным центроидам, а также уменьшения количества векторов-кандидатов на выбор места первоначального расположения нового центроида. Преимущество данного подхода существенно возрастает при больших объемах данных и с увеличением размерности. Предложенный алгоритм целесообразно использовать в задачах кластеризации речевых данных при создании кодовых книг.
A variant of the clustering problem solution based on k-means algorithm is considered. This algorithm is widely used in many fields of science and technology. The main drawbacks of k-means algorithm are the clustering results dependence on the choice of the initial configuration of centroids (initialization) and convergence to local minimum of the objective function. The proposed improved k-means provides a solution close to the global minimum distortion by the sequential k-means running for 1, 2,..., k centroids. A significant speed-up of operation is achieved by calculating the distances only to the active centroids and reducing the number of candidate vectors for the initial choice of the new centroid location. The advantage of this approach is more appreciable when a larger data set with higher dimension is used. The proposed algorithm should be used in the speech data clustering problems when creating code books.
|
| issn |
1560-9189 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/50557 |
| citation_txt |
Метод кластеризації на основі послідовного запуску k-середніх з обчисленням відстаней до активних центроїдів / О.М. Ткаченко, Н.О. Біліченко, О.Ф. Грійо-Тукало, О.В. Дзісь // Реєстрація, зберігання і обробка даних. — 2012. — Т. 14, № 1. — С. 25-34. — Бібліогр.: 8 назв. — укр. |
| work_keys_str_mv |
AT tkačenkoom metodklasterizacíínaosnovíposlídovnogozapuskukseredníhzobčislennâmvídstaneidoaktivnihcentroídív AT bílíčenkono metodklasterizacíínaosnovíposlídovnogozapuskukseredníhzobčislennâmvídstaneidoaktivnihcentroídív AT gríiotukaloof metodklasterizacíínaosnovíposlídovnogozapuskukseredníhzobčislennâmvídstaneidoaktivnihcentroídív AT dzísʹov metodklasterizacíínaosnovíposlídovnogozapuskukseredníhzobčislennâmvídstaneidoaktivnihcentroídív AT tkačenkoom metodklasterizaciinaosnoveposledovatelʹnogozapuskaksrednphsvyčisleniemrasstoâniidoaktivnyhcentroidov AT bílíčenkono metodklasterizaciinaosnoveposledovatelʹnogozapuskaksrednphsvyčisleniemrasstoâniidoaktivnyhcentroidov AT gríiotukaloof metodklasterizaciinaosnoveposledovatelʹnogozapuskaksrednphsvyčisleniemrasstoâniidoaktivnyhcentroidov AT dzísʹov metodklasterizaciinaosnoveposledovatelʹnogozapuskaksrednphsvyčisleniemrasstoâniidoaktivnyhcentroidov AT tkačenkoom theclusteringmethodbasedontheconsequentialrunningofkmeanswithcalculationofthedistancestotheactivecentroids AT bílíčenkono theclusteringmethodbasedontheconsequentialrunningofkmeanswithcalculationofthedistancestotheactivecentroids AT gríiotukaloof theclusteringmethodbasedontheconsequentialrunningofkmeanswithcalculationofthedistancestotheactivecentroids AT dzísʹov theclusteringmethodbasedontheconsequentialrunningofkmeanswithcalculationofthedistancestotheactivecentroids |
| first_indexed |
2025-12-07T15:58:11Z |
| last_indexed |
2025-12-07T15:58:11Z |
| _version_ |
1850865710291484672 |