ИСТИНА |
Войти в систему Регистрация |
|
Интеллектуальная Система Тематического Исследования НАукометрических данных |
||
В докладе предложена модификация алгоритма нечеткого кластер-анализа с использованием обучающей выборки, основанного на использовании ТНМ. Обучающая выборка позволяет получить проблемно-ориентированную кластеризацию. Эта ориентация «заложена» в принципе отбора объектов для обучения. Применение фаззификации (преобразующей входные данные или четкие числа в нечеткие множества) алгоритма k-means кластеризации в задачах аграрной типологии губерний позволяет расширить возможности интерпретации результатов многомерного анализа, введя в рассмотрение количественные оценки степени типичности объектов каждого кластера . В настоящее время опубликованы уже десятки работ, в которых предлагаются различные алгоритмы кластеризации, имеющих целью определение степеней принадлежности объектов к кластерам — размытым (нечетким) множествам. Алгоритмы нечеткой кластеризации с обучающей выборкой можно рассматривать как естественное развитие соответствующих «традиционных» алгоритмов. В докладе приводятся результаты использования алгоритма для оценки пространственного соотношения двух путей аграрного развития Европейской России в начале ХХ века.