НОВЫЕ АЛГОРИТМЫ ИЕРАХИЧЕСКОЙ КЛАСТЕРИЗАЦИИ В СРАВНЕНИИ С КЛАССИЧЕСКИМИ МЕТОДАМИ ИЕРАХИЧЕСКОЙ КЛАСТЕРИЗАЦИИ

                                                Валиева З. И., магистр

Миссаров М.Д., д.ф.-м.н., профессор

 КФУ, г. Казань, Россия

Аннотация. Предложены два новых метода аггломеративной иерархической кластеризации, основанные на новых способах расчета расстояния между кластерами. Качество кластеризации оценивается с использованием 3 внутренних показателей качества: коэффициента силуэта, индекса Данна и индекса Дэвиса-Болдуина. Эксперименты с использованием метода Монте-Карло проводились для разного количества точек, разного количества кластеров и разных размерностей данных. Новые алгоритмы в большинстве экспериментов показывают средние характеристики показателей качества, превышающие средние характеристики этих показателей для классических алгоритмов монотонной иерархической кластеризации.

Ключевые слова: иерархическая кластеризация, расстояния между кластерами, индексы качества, метод Монте-Карло.

          Кластерный анализ относится к области машинного обучения без учителя. Методы кластерного анализа используются в экономике, финансах, социологии, медицине, биоинформатике и других областях [1]- [3]. 

...

полный текст во вложении

Вложения:

Валиева_Миссаров_статья__(сохранение из Яндекс браузера).pdf

[ ]

111 Kb