Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.230.76.153
    [SESS_TIME] => 1711671435
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 14adaecc140e4d6f7237994476db7d48
    [UNIQUE_KEY] => be8ff5375d7aca6d09e5adc0fc541730
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Сибирский журнал вычислительной математики

2018 год, номер 2

Алгоритмы кластерного анализа для решения задач с асимметричной мерой близости

А.Р. Айдинян, О.Л. Цветкова
Донской государственный технический университет, пл. Гагарина, 1, Ростов-на-Дону, 344000
aydinian.andrey@yandex.ru
Ключевые слова: кластеризация, кластерный анализ, алгоритмы кластеризации, асимметричная мера близости, аксиома симметрии, clustering, cluster analysis, cluster algorithms, asymmetric proximity measure, the axiom of symmetry
Страницы: 127-138

Аннотация

Кластерный анализ используется в различных научных и прикладных областях и является актуальной темой исследований. В отличие от существующих методов предложенные в работе алгоритмы предназначены для кластеризации объектов, описываемых векторами признаков в пространстве с несоблюдением аксиомы симметрии. В этом случае особенностью решения задачи кластеризации является использование асимметричной меры близости объектов. Суть первого из предложенных алгоритмов кластеризации заключается в последовательном формировании кластеров с одновременным перенесением кластеризованных объектов из ранее созданных кластеров в текущий кластер в случае, если это уменьшит критерий качества. По сравнению с существующими алгоритмами неиерархической кластеризации такой подход к формированию кластеров позволяет уменьшить вычислительные затраты. Второй алгоритм является модифицированной версией первого и дополнительно позволяет выполнять переназначения главных объектов кластера с целью дальнейшего уменьшения величины предложенного критерия качества.

DOI: 10.15372/SJNM20180201