Дослідження присвячено розробці гнучкого математичного апарату, який мав би досить широкий спектр засобів для групування об'єктів за різними видами мір подібності. Це дає можливість в межах розробленого підходу ефективно розв'язувати достатньо широкі класи прикладних задач із різних предметних областей та проводити розбиття об'єктів кластерами різних геометричних форм. Мета роботи - підвищення ефективності розв'язання прикладних задач кластеризації шляхом використання довжинної міри подібності векторних ознак об'єктів. Описано нечітке бінарне відношення та його функцію належності, що характеризує схожість об'єктів за довжинною мірою подібності їх векторних ознак. Модифіковано метод однорівневої кластеризації, заснований на нечітких бінарних відношеннях для використання довжинної міри подібності. При цьому задаються певні величини - пороги кластеризації, що характеризують ступінь подібності об'єктів в середині кластеру. Змінюючи пороги кластеризації можна проаналізувати динаміку формування кластерів, дослідити їх структуру та взаємозв'язки між об'єктами, визначити граничні об'єкти, зробити ірунтовніший аналіз отриманих результатів. Запропонований підхід не потребує попереднього визначення кількості кластерів та дозволяє проводити кластеризацію даних концентричними сферами в умовах відсутності додаткової апріорної інформації, тому може використовуватись і на етапі попереднього аналізу даних. Розроблений підхід реалізовано у вигляді програмної системи, на основі якої розв'язано актуальну прикладну задачу дослідження інтенсивності міграційного руху населення за регіонами України. Висновки: проведені експериментальні дослідження показали зручність та ефективність використання довжинної міри подібності при розв'язанні прикладних задач, що потребують групування кластерами у вигляді концентричних сфер. Представлений підхід забезпечив можливість проводити нові змістовні дослідження вхідних даних. Перспективи подальших досліджень полягають у розробці системи підтримки прийняття рішень, для розв'язання задач групування об'єктів на кластери концентричними сферами, конусами, еліпсами та їх перетинами; реалізації паралельної багаторівневої кластеризації проведеної одночасно за декількома критеріями подібності об'єктів та її застосуванні; дослідженні розбиттів об'єктів різними геометричними формами кластерів для однієї вибірки вхідних даних та проведенні змістовної інтерпретації отриманих результатів.

  Повний текст PDF - 657.846 Kb    Зміст випуску     Цитування публікації

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"