ЕОМ
Черняєв О. В. Гібридна модель кластеризації даних за умов їх викривленості : магістерська атестаційна робота, пояснювальна записка / О. В. Черняєв ; кер. роботи проф. Корабльов М.М. ; ХНУРЕ, Кафедра Електронних обчислювальних машин. – Харків, 2015. – 100 с. : CD
Черняєв О. В. Гібридна модель кластеризації даних за умов їх викривленості : магістерська атестаційна робота, пояснювальна записка / О. В. Черняєв ; кер. роботи проф. Корабльов М.М. ; ХНУРЕ, Кафедра Електронних обчислювальних машин. – Харків, 2015. – 100 с. : CD
Статистика використання: Видач: 0
Анотація:
Предметом даної магістерської атестаційної роботи є дослідження роботи штучних імунних систем та їх використання для рішення задач кластеризації даних за умов їх викривленості.
Цілю даної роботи є аналіз існуючих методів кластеризації об'єктів, створення нової гібридної моделі кластеризації даних на основі k-menas і aiNet.
В даній роботі було розроблено гібридну модель на основі імунного алгоритму aiNet та класичного алгоритму кластеризації k-means.
Дана робота може бути використана для рішення проблем кластеризації даних.
КЛАСТЕРИЗАЦІЯ, ІМУННІ СИСТЕМИ, АНТИТІЛА, АНТИГЕНИ, ЕВКЛІДОВА ВІДСТАНЬ, МУТАЦІЯ, КЛОНУВАННЯ, K-MEANS, AINET, ІМУННІ МЕРЕЖІ
The aim of project is to analyze existing data clustering methods, create new hybrid data clustering model based on k-means and aiNet algorithms.
The subject of the project is a research work in the field of artificial immune systems and their application in data clustering.
In the diploma project it has been designed a hybrid algorithm based on artificial immune systems and a classic data clustering algorithm.
This work can be used to solve data clustering problems.
CLUSTERIZATION, IMMUNE SYSTEMS, ANTIBODIES, ANTIGENS, EUCLIDEAN DISTANCE, MUTATION, CLONING, K-MEANS, AINET, IMMUNE NETWORK
Цілю даної роботи є аналіз існуючих методів кластеризації об'єктів, створення нової гібридної моделі кластеризації даних на основі k-menas і aiNet.
В даній роботі було розроблено гібридну модель на основі імунного алгоритму aiNet та класичного алгоритму кластеризації k-means.
Дана робота може бути використана для рішення проблем кластеризації даних.
КЛАСТЕРИЗАЦІЯ, ІМУННІ СИСТЕМИ, АНТИТІЛА, АНТИГЕНИ, ЕВКЛІДОВА ВІДСТАНЬ, МУТАЦІЯ, КЛОНУВАННЯ, K-MEANS, AINET, ІМУННІ МЕРЕЖІ
The aim of project is to analyze existing data clustering methods, create new hybrid data clustering model based on k-means and aiNet algorithms.
The subject of the project is a research work in the field of artificial immune systems and their application in data clustering.
In the diploma project it has been designed a hybrid algorithm based on artificial immune systems and a classic data clustering algorithm.
This work can be used to solve data clustering problems.
CLUSTERIZATION, IMMUNE SYSTEMS, ANTIBODIES, ANTIGENS, EUCLIDEAN DISTANCE, MUTATION, CLONING, K-MEANS, AINET, IMMUNE NETWORK