Штучний інтелект

Анотація: Ця робота присвячена тестуванню, дослідженню та порівняльному аналізу найбільш відомих і широко використовуваних на практиці методів і алгоритмів кластеризації наборів числових даних. Для оцінки результатів розв’язання задачі кластеризації за допомогою візуалізації наборів даних на всіх етапах реалізації досліджуваних алгоритмів було застосовано метод багатовимірного шкалювання. Усі алгоритми були перевірені на штучних і реальних наборах даних. Для кожного з досліджених алгоритмів було сформульовано основні характеристики у вигляді їхніх відносних переваг і недоліків. На підставі результатів тестування сформульовано висновки і рекомендації щодо використання цих алгоритмів.

Ключові слова: інтелектуальний аналіз даних, кластерний аналіз, тестування алгоритмів, візуалізація даних, багатовимірне шкалювання

Посилання:

1. Negnivitsky, М. (2002). Artificial IntelligenceA Guide to Intelligent Systems. Harlow: Addison-Wesley, Pearson Education Limited.
2. Data Mining, Web Mining, Text Mining, andKnowledge Discovery. URL: http://kdnuggets.com.
3. Tan P.-N., Steinbach M., Karpatne A., Kumar V.(2017). Introduction to Data Mining (What’s New inComputer Science). Addison-Wesley.
4. Бериков, В.С., Лбов, Г.С. (2008). Современныетенденции в кластерном анализе. Всероссийскийконкурсныйотборобзорно-аналитическихстатейпоприоритетномунаправлению«Информационно-телекоммуникационныесистемы».
5. Толстова, Ю.Н. (2006). Основы многомерногошкалирования. Москва: КДУ.
6. Кулаичев, А.П. (2006). Методы и средствакомплексного анализа данных. Москва: ФОРУМ:ИНФРА-М.
7. Krak, I.V., Kudin, G.I., Kulyas, A.I. (2019).MultidimensionalScalingbyMeansofPseudoinverse Operations. Cybernetics and SystemsAnalysis. Vol. 55, Iss. 1. P. 30-38.