ПІ
Дорожко О. О. Дослідження методів та моделей кластеризації щільно зашумлених вхідних даних : магістерська атестаційна робота, пояснювальна записка / О. О. Дорожко ; кер. роботи доц. Шатовська Т.Б ; ХНУРЕ, Кафедра Програмної інженерії. – Харків, 2014. – 94 с. : CD
Дорожко О. О. Дослідження методів та моделей кластеризації щільно зашумлених вхідних даних : магістерська атестаційна робота, пояснювальна записка / О. О. Дорожко ; кер. роботи доц. Шатовська Т.Б ; ХНУРЕ, Кафедра Програмної інженерії. – Харків, 2014. – 94 с. : CD
Статистика використання: Видач: 0
Анотація:
Метою роботи є розробка математичної моделі залежності вибору комбінації алгоритмів на різних етапах алгоритму Хамелеон від вихідних характеристик аналізованого набору даних з метою поліпшення якості кластеризації.
Об'єкт дослідження - процес динамічної кластеризації лінейнонеразделімих експериментальних даних з різними характеристиками.
Предмет дослідження - методи і моделі динамічної кластеризації лінейнонеразделімих експериментальних даних з різними характеристиками.
Методи дослідження. У роботі використовувалися різні методи кластеризації та роботи з графами, моделювання для розробки математичної моделі вибору найкращого методу для кластеризації вибірок на підставі характеристик вхідних даних.
У результаті роботи програмно реалізована сервіс для аналізу методів кластеризації.
КЛАСТЕРИЗАЦІЯ, ДИНАМІЧНІ КЛАСИ, ЩІЛЬНІСТЬ РОЗПОДІЛУ, НАБОРИ ДАНИХ, СХОЖІСТЬ ОБ'ЄКТІВ.
The aim is to develop a mathematical model of choice depending on a combination of algorithms at different stages of the algorithm Chameleon on the output characteristics of the test data set to improve the quality of clustering.
Object of research - the process of dynamic clustering lineynonerazdelimyh experimental data with different characteristics.
Purpose of the study - methods and models of dynamic clustering lineynonerazdelimyh experimental data with different characteristics.
Research Methods. We used different methods of clustering and working with graphs modeling to develop a mathematical model of choosing the best method for clustering samples based on the characteristics of the input data.
As a result of implemented software service analysis clustering methods.
CLUSTERING, DYNAMIC CLASSES, DENSITY DISTRIBUTION, DATA SETS, THE SIMILARITY OBJECTS.
Об'єкт дослідження - процес динамічної кластеризації лінейнонеразделімих експериментальних даних з різними характеристиками.
Предмет дослідження - методи і моделі динамічної кластеризації лінейнонеразделімих експериментальних даних з різними характеристиками.
Методи дослідження. У роботі використовувалися різні методи кластеризації та роботи з графами, моделювання для розробки математичної моделі вибору найкращого методу для кластеризації вибірок на підставі характеристик вхідних даних.
У результаті роботи програмно реалізована сервіс для аналізу методів кластеризації.
КЛАСТЕРИЗАЦІЯ, ДИНАМІЧНІ КЛАСИ, ЩІЛЬНІСТЬ РОЗПОДІЛУ, НАБОРИ ДАНИХ, СХОЖІСТЬ ОБ'ЄКТІВ.
The aim is to develop a mathematical model of choice depending on a combination of algorithms at different stages of the algorithm Chameleon on the output characteristics of the test data set to improve the quality of clustering.
Object of research - the process of dynamic clustering lineynonerazdelimyh experimental data with different characteristics.
Purpose of the study - methods and models of dynamic clustering lineynonerazdelimyh experimental data with different characteristics.
Research Methods. We used different methods of clustering and working with graphs modeling to develop a mathematical model of choosing the best method for clustering samples based on the characteristics of the input data.
As a result of implemented software service analysis clustering methods.
CLUSTERING, DYNAMIC CLASSES, DENSITY DISTRIBUTION, DATA SETS, THE SIMILARITY OBJECTS.