Адаптивная нечеткая кластеризация с переменным фаззификатором

• Опубліковано в: : Кибернетика и системный анализ
• Дата: 2013
• Автори: Колчигин, Б.В., Бодянский, Е.В.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2013
• Теми: Кибернетика
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/86233
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Адаптивная нечеткая кластеризация с переменным фаззификатором / Б.В. Колчигин, Е.В. Бодянский // Кибернетика и системный анализ. — 2013. — Т. 49, № 3. — С. 47-55. — Бібліогр.: 18 назв. — рос.

Розглянуто задачу нечіткої кластеризації багатовимірних спостережень та запропоновано групу адаптивних алгоритмів самонавчання нейронної мережі Кохонена для можливістної кластеризації зі змінним параметром нечіткості, які здатні у реальному часі виділяти в даних кластери, що перетинаються. Наведені алгоритми характеризуються чисельною простотою та гнучкістю при роботі в умовах апріорної невизначеності відносно характеру розподілення даних в кластерах. The problem of fuzzy clustering of multivariate observations is considered and a group of Kohonen neural network adaptive self-learning algorithms is proposed. The algorithms allow on-line possibilistic fuzzy clustering with variable fuzziness level and are characterized with computational simplicity and great flexibility when operating under conditions of a priori uncertainty about the nature of data distribution in clusters.