Кластеризація об’єктів із нечітко заданими значеннями характеристик

• Date: 2008
• Main Author: Говорухін, С.О.
• Format: Article
• Language: Ukrainian
• Published: Інститут проблем штучного інтелекту МОН України та НАН України 2008
• Subjects: Нейросетевые и нечеткие системы
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/7577
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Кластеризація об’єктів із нечітко заданими значеннями характеристик / С.О. Говорухін // Штучний інтелект. — 2008. — № 4. — С. 567-576. — Бібліогр.: 4 назв. — укр.

Запропоновано метод кластеризації об’єктів із нечітко заданими значеннями характеристик. Виконана
 формалізована постановка задачі кластеризації об’єктів, значення характеристик яких задані нечітко.
 Сформульовано нечіткий критерій якості кластеризації. Для розв’язання поставленої задачі модифіковано
 метод К-середніх. На прикладі реальних даних, які містять значення характеристик автомобілів, проведено
 його експериментальну верифікацію. Запропоновано процедуру автоматичної ідентифікації кластерів та
 визначення якості результатів кластеризації на базі відомого розподілу об’єктів по кластерах. Предложен метод кластеризации объектов с нечетко заданными значениями характеристик. Выполнена
 формализованная постановка задачи кластеризации объектов, значения характеристик которых заданы
 нечетко. Сформулирован нечеткий критерий качества кластеризации. Для решения поставленной задачи
 модифицировано метод К-средних. На примере реальных данных, которые содержат значения характеристик
 автомобилей, выполнена его экспериментальная верификация. Предложена процедура автоматической
 идентификации кластеров и определение качества результатов кластеризации на базе известного
 распределения объектов по кластерам. The method of clustering objects with fuzzy characteristic values is offered. An formalized problem of clustering
 objects with fuzzy characteristic is defined. Fuzzy criterion of clusterization quality is formulated. To arrive at a task
 solution the K-means method is modified. An experiment verification of it using real data that contains cars
 characteristic values is carried out. A procedure of automatic clusters identification and determination of clustering
 results quality on base of known distribution of objects between clusters is offered.