Метод точной квадратичной регуляризации в задачах кластеризации данных
В работе рассматривается задача кластеризации данных, в которой множество точек в n-мерном пространстве
 покрывается непересекающимися шарами − кластерами. Эта задача сводится к максимизации нормы
 вектора на невыпуклом допустимом множестве. Для решения оптимизационной задачи использ...
Gespeichert in:
| Veröffentlicht in: | Искусственный интеллект |
|---|---|
| Datum: | 2013 |
| 1. Verfasser: | |
| Format: | Artikel |
| Sprache: | Russisch |
| Veröffentlicht: |
Інститут проблем штучного інтелекту МОН України та НАН України
2013
|
| Schlagworte: | |
| Online Zugang: | https://nasplib.isofts.kiev.ua/handle/123456789/85146 |
| 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 точной квадратичной регуляризации в задачах кластеризации данных / А.И. Косолап // Искусственный интеллект. — 2013. — № 1. — С. 158–162. — Бібліогр.: 7 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1862549815007641600 |
|---|---|
| author | Косолап, А.И. |
| author_facet | Косолап, А.И. |
| citation_txt | Метод точной квадратичной регуляризации в задачах кластеризации данных / А.И. Косолап // Искусственный интеллект. — 2013. — № 1. — С. 158–162. — Бібліогр.: 7 назв. — рос. |
| collection | DSpace DC |
| container_title | Искусственный интеллект |
| description | В работе рассматривается задача кластеризации данных, в которой множество точек в n-мерном пространстве
покрывается непересекающимися шарами − кластерами. Эта задача сводится к максимизации нормы
вектора на невыпуклом допустимом множестве. Для решения оптимизационной задачи используется
метод точной квадратичной регуляризации, который показал преимущество над генетическими и
эволюционными методами при решении многочисленных тестовых задач.
В роботі розглядається задача кластеризації даних, в якій множина точок у n-вимірному просторі
покривається кулями, що не перетинаються. Ця задача зводиться до максимізації норми вектору на
неопуклій допустимій множині. Для розв’язку оптимізаційної задачі використовується метод точної
квадратичної регуляризації, який показав перевагу над генетичними та еволюційними методами при
розв’язку багатьох тестових задач.
In this paper, we consider a problem clustering of data. The set of points cover of spheres in space ndimensional.
This problem is reduced to of vector norm maximization on feasible nonconvex set. Then we
use a method of an exact quadratic regularization for the solution of an optimizing problem which has shown
its superiority over genetic and evolution methods at the solution of numerous test problems.
|
| first_indexed | 2025-11-25T20:43:15Z |
| format | Article |
| fulltext | |
| id | nasplib_isofts_kiev_ua-123456789-85146 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-11-25T20:43:15Z |
| publishDate | 2013 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Косолап, А.И. 2015-07-19T19:05:41Z 2015-07-19T19:05:41Z 2013 Метод точной квадратичной регуляризации в задачах кластеризации данных / А.И. Косолап // Искусственный интеллект. — 2013. — № 1. — С. 158–162. — Бібліогр.: 7 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/85146 519.85 В работе рассматривается задача кластеризации данных, в которой множество точек в n-мерном пространстве
 покрывается непересекающимися шарами − кластерами. Эта задача сводится к максимизации нормы
 вектора на невыпуклом допустимом множестве. Для решения оптимизационной задачи используется
 метод точной квадратичной регуляризации, который показал преимущество над генетическими и
 эволюционными методами при решении многочисленных тестовых задач. В роботі розглядається задача кластеризації даних, в якій множина точок у n-вимірному просторі
 покривається кулями, що не перетинаються. Ця задача зводиться до максимізації норми вектору на
 неопуклій допустимій множині. Для розв’язку оптимізаційної задачі використовується метод точної
 квадратичної регуляризації, який показав перевагу над генетичними та еволюційними методами при
 розв’язку багатьох тестових задач. In this paper, we consider a problem clustering of data. The set of points cover of spheres in space ndimensional.
 This problem is reduced to of vector norm maximization on feasible nonconvex set. Then we
 use a method of an exact quadratic regularization for the solution of an optimizing problem which has shown
 its superiority over genetic and evolution methods at the solution of numerous test problems. ru Інститут проблем штучного інтелекту МОН України та НАН України Искусственный интеллект Обучающие и экспертные системы Метод точной квадратичной регуляризации в задачах кластеризации данных Метод точної квадратичної регуляризації в задачах кластерізації даних Method of an exact quadratic regularization into clustering problem of data Article published earlier |
| spellingShingle | Метод точной квадратичной регуляризации в задачах кластеризации данных Косолап, А.И. Обучающие и экспертные системы |
| title | Метод точной квадратичной регуляризации в задачах кластеризации данных |
| title_alt | Метод точної квадратичної регуляризації в задачах кластерізації даних Method of an exact quadratic regularization into clustering problem of data |
| title_full | Метод точной квадратичной регуляризации в задачах кластеризации данных |
| title_fullStr | Метод точной квадратичной регуляризации в задачах кластеризации данных |
| title_full_unstemmed | Метод точной квадратичной регуляризации в задачах кластеризации данных |
| title_short | Метод точной квадратичной регуляризации в задачах кластеризации данных |
| title_sort | метод точной квадратичной регуляризации в задачах кластеризации данных |
| topic | Обучающие и экспертные системы |
| topic_facet | Обучающие и экспертные системы |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/85146 |
| work_keys_str_mv | AT kosolapai metodtočnoikvadratičnoiregulârizaciivzadačahklasterizaciidannyh AT kosolapai metodtočnoíkvadratičnoíregulârizacíívzadačahklasterízacíídanih AT kosolapai methodofanexactquadraticregularizationintoclusteringproblemofdata |