Метод оценки кластерной структуры и кластеризации данных
В статье рассматривается проблема разработки методов кластеризации, которые являются устойчивыми к инициализации (количество кластеров и начальные параметры кластеров), к различным по объему кластерам, к выбросам в данных. Предлагается метод оценки кластерной структуры и кластеризации данных, которы...
Gespeichert in:
| Veröffentlicht in: | Штучний інтелект |
|---|---|
| Datum: | 2010 |
| Hauptverfasser: | , |
| Format: | Artikel |
| Sprache: | Russian |
| Veröffentlicht: |
Інститут проблем штучного інтелекту МОН України та НАН України
2010
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/58492 |
| 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 оценки кластерной структуры и кластеризации данных / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2010. — № 4. — С. 442-452. — Бібліогр.: 18 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| id |
nasplib_isofts_kiev_ua-123456789-58492 |
|---|---|
| record_format |
dspace |
| spelling |
Новоселова, Н.А. Том, И.Э. 2014-03-25T15:19:39Z 2014-03-25T15:19:39Z 2010 Метод оценки кластерной структуры и кластеризации данных / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2010. — № 4. — С. 442-452. — Бібліогр.: 18 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/58492 004.8 В статье рассматривается проблема разработки методов кластеризации, которые являются устойчивыми к инициализации (количество кластеров и начальные параметры кластеров), к различным по объему кластерам, к выбросам в данных. Предлагается метод оценки кластерной структуры и кластеризации данных, который основан на расчете значений близости объектов данных в многомерном признаковом пространстве. Метод является устойчивым к инициализации параметров кластеризации, к выбросам в данных и позволяет определять кластерную структуру и количество кластеров в ходе самоорганизации объектов данных. У статті розглядається проблема розробки методів кластеризації, які є стійкими до ініціалізації (кількість кластерів і початкові параметри кластерів), до різних за об’ємом кластерів, до викидів в даних. Пропонується метод оцінки кластерної структури і кластеризації даних, який заснований на розрахунку значень близькості об’єктів даних в багатовимірному ознаковому просторі. Метод є стійким до ініціалізації параметрів кластеризації, до викидів в даних і дозволяє визначати кластерну структуру і кількість кластерів в ході самоорганізації об’єктів даних. The paper is devoted to the problem of development of the clustering methods, which are robust to initialization (number of clusters and initial cluster parameters), to the different cluster volumes, to the outliers. It is proposed a method for estimation of cluster structure and clustering of data, based on the evaluation of similarity measure between data objects in multidimensional space. The proposed method is robust to initialization of clustering parameters, to outliers and allows definition of cluster structure and number of clusters in the data self-organizing process. ru Інститут проблем штучного інтелекту МОН України та НАН України Штучний інтелект Интеллектуальные системы планирования, управления, моделирования и принятия решений Метод оценки кластерной структуры и кластеризации данных Метод оцінки кластерної структури і кластеризації даних Method of Evaluation of Clustering Structure and Data Clustering Article published earlier |
| institution |
Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| collection |
DSpace DC |
| title |
Метод оценки кластерной структуры и кластеризации данных |
| spellingShingle |
Метод оценки кластерной структуры и кластеризации данных Новоселова, Н.А. Том, И.Э. Интеллектуальные системы планирования, управления, моделирования и принятия решений |
| title_short |
Метод оценки кластерной структуры и кластеризации данных |
| title_full |
Метод оценки кластерной структуры и кластеризации данных |
| title_fullStr |
Метод оценки кластерной структуры и кластеризации данных |
| title_full_unstemmed |
Метод оценки кластерной структуры и кластеризации данных |
| title_sort |
метод оценки кластерной структуры и кластеризации данных |
| author |
Новоселова, Н.А. Том, И.Э. |
| author_facet |
Новоселова, Н.А. Том, И.Э. |
| topic |
Интеллектуальные системы планирования, управления, моделирования и принятия решений |
| topic_facet |
Интеллектуальные системы планирования, управления, моделирования и принятия решений |
| publishDate |
2010 |
| language |
Russian |
| container_title |
Штучний інтелект |
| publisher |
Інститут проблем штучного інтелекту МОН України та НАН України |
| format |
Article |
| title_alt |
Метод оцінки кластерної структури і кластеризації даних Method of Evaluation of Clustering Structure and Data Clustering |
| description |
В статье рассматривается проблема разработки методов кластеризации, которые являются устойчивыми к инициализации (количество кластеров и начальные параметры кластеров), к различным по объему кластерам, к выбросам в данных. Предлагается метод оценки кластерной структуры и кластеризации данных, который основан на расчете значений близости объектов данных в многомерном признаковом пространстве. Метод является устойчивым к инициализации параметров кластеризации, к выбросам в данных и позволяет определять кластерную структуру и количество кластеров в ходе самоорганизации объектов данных.
У статті розглядається проблема розробки методів кластеризації, які є стійкими до ініціалізації (кількість кластерів і початкові параметри кластерів), до різних за об’ємом кластерів, до викидів в даних. Пропонується метод оцінки кластерної структури і кластеризації даних, який заснований на розрахунку значень близькості об’єктів даних в багатовимірному ознаковому просторі. Метод є стійким до ініціалізації параметрів кластеризації, до викидів в даних і дозволяє визначати кластерну структуру і кількість кластерів в ході самоорганізації об’єктів даних.
The paper is devoted to the problem of development of the clustering methods, which are robust to initialization (number of clusters and initial cluster parameters), to the different cluster volumes, to the outliers. It is proposed a method for estimation of cluster structure and clustering of data, based on the evaluation of similarity measure between data objects in multidimensional space. The proposed method is robust to initialization of clustering parameters, to outliers and allows definition of cluster structure and number of clusters in the data self-organizing process.
|
| issn |
1561-5359 |
| url |
https://nasplib.isofts.kiev.ua/handle/123456789/58492 |
| citation_txt |
Метод оценки кластерной структуры и кластеризации данных / Н.А. Новоселова, И.Э. Том // Штучний інтелект. — 2010. — № 4. — С. 442-452. — Бібліогр.: 18 назв. — рос. |
| work_keys_str_mv |
AT novoselovana metodocenkiklasternoistrukturyiklasterizaciidannyh AT tomié metodocenkiklasternoistrukturyiklasterizaciidannyh AT novoselovana metodocínkiklasternoístrukturiíklasterizacíídanih AT tomié metodocínkiklasternoístrukturiíklasterizacíídanih AT novoselovana methodofevaluationofclusteringstructureanddataclustering AT tomié methodofevaluationofclusteringstructureanddataclustering |
| first_indexed |
2025-11-29T12:48:19Z |
| last_indexed |
2025-11-29T12:48:19Z |
| _version_ |
1850854916846780417 |