Relevant bibliographies by topics / Метод кластеризації

Academic literature on the topic 'Метод кластеризації'

Author: Grafiati
Published: 30 May 2022
Last updated: 31 May 2022

Create a spot-on reference in APA, MLA, Chicago, Harvard, and other styles

Select a source type:

Contents

Consult the lists of relevant articles, books, theses, conference reports, and other scholarly sources on the topic 'Метод кластеризації.'

Next to every source in the list of references, there is an 'Add to bibliography' button. Press on it, and we will generate automatically the bibliographic reference to the chosen work in the citation style you need: APA, MLA, Harvard, Chicago, Vancouver, etc.

You can also download the full text of the academic publication as pdf and read online its abstract whenever available in the metadata.

Journal articles on the topic "Метод кластеризації"

1

Kobylin, O. A., S. O. Vyskrebentseva, and R. V. Petrova. "ОБРОБКА ДАНИХ, ЩО МІСТЯТЬ ПРОПУСКИ В ЗАДАЧАХ КЛАСТЕРИЗАЦІЇ." Системи управління, навігації та зв’язку. Збірник наукових праць 5, no. 57 (October 30, 2019): 45–50. http://dx.doi.org/10.26906/sunz.2019.5.045.

Full text
Abstract:
Предметом досліджень є методи підготовки та обробки вхідних даних, що містять пропущені значення, для їх подальшого аналізу та кластеризації. Метою дослідження є розгляд існуючих методів позбавлення від пропусків у даних в задачах кластеризації та доцільність їх використання у реальних задачах. Завдання: аналіз переваг та недоліків кожного з методів, що направлені на відновлення даних, для визначення доцільності використання їх в задачах кластеризації та виділення оптимального методу, порівняльний аналіз методів, оцінка результативності за наслідками порівняння кластеризації відновлених даних з результатами кластеризації еталонних даних. Методи: FCM - для проведення безпосередньо кластеризації даних, метод видалення всіх рядків, що містять пропуски, заповнення пропусків вибірковими статистиками, заповнення пропусків з урахуванням структури зв’язків. Результати: ефективність застосування методів при підготовці даних для подальшої кластеризації залежить від кількості наявних пропусків в похідному наборі. Якщо таких рядків досить мало, то кожен, з розглянутих методів, може бути використаний і дати необхідні результати. Але, якщо рядків з пропусками досить багато, наприклад 30%, тоді найбільш прийнятними для використання можна назвати методи, що пов’язані з заміною значень, однак слід враховувати, що така заміна може призвести до спотворення даних, а з рештою і результатів. Висновки. Наукова новизна – дослідження проблеми кластеризації даних, що містять пропущені значення та розгляд методів, які дозволяють розв’язати цю задачу. Проведення експериментів та порівняння результатів кожного з методів, висновки про доцільність використання того чи іншого методу та побічні ефекти. Практична значущість роботи полягає у визначені можливості використання в реальних задачах, що зазвичай не є ідеальними і з великою ймовірністю міститимуть пропуски, методів обробки даних для використання їх в задачах кластеризації.
APA, Harvard, Vancouver, ISO, and other styles
2

Ханін, O., В. Лотиш, Л. Гуменюк, and П. Гуменюк. "Удосконалений метод χ 2-кластеризації та його застосування до аналізу аварійності на автомобільному транспорті." КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, no. 36 (November 28, 2019): 88–96. http://dx.doi.org/10.36910/6775-2524-0560-2019-36-23.

Full text
Abstract:
Існує чимало методів кластеризації даних, але вони мають ряд недоліків, зокрема, з одного боку, це – неоднозначність розбиття масиву даних на групи, а з іншого – неможливість оцінити ступінь однорідності об’єктів, що належать одному і тому ж кластеру. Мета цієї роботи - розробити метод кластерного аналізу багатовимірних даних різної природи, який забезпечить однозначність розбиття набору незалежних вибірок на кластери, що не перетинаються, так, щоб ймовірність помилкової кластеризації не перевищувала певного наперед заданого рівня. Метод кластеризації ґрунтується на використанні критерію узгодженості χ2 . З іншої сторони, проблема аварійності на автомобільному транспорті є достатньо гострою у вітчизняних реаліях, оскільки рівень ДТП з потерпілими значно перевищує середній європейський. В той же час, кластеризація регіонів України за видами дорожньо-транспортних пригод з постраждалими, їх причинами та винуватцями дозволить зрозуміти спільні регіональні фактори, що впливають на рівень аварійності, визначити та впровадити кращі практики її запобігання. Саме тому представляється актуальним застосування запропонованого методу до аналізу аварійності на автомобільному транспорті в Україні.Розроблений метод реалізований програмно та застосований до порівняльного аналізу рівня аварійності на автомобільному транспорті по регіонах України.
APA, Harvard, Vancouver, ISO, and other styles
3

Shakhovska, N. B., and N. I. Melnykova. "Нові методи та рішення щодо побудови моделі поведінки користувачів." Scientific Bulletin of UNFU 30, no. 5 (November 3, 2020): 76–83. http://dx.doi.org/10.36930/40300513.

Full text
Abstract:
Наведено нові методи та рішення щодо побудови моделі поведінки користувачів, які дадуть змогу виявити закономірності планування зустрічей друзів на підставі аналізу їхнього щоденного руху. Для цього попередньо проаналізовано низку методів і алгоритмів кластеризації даних і виокремлено особливості їхнього застосування. З'ясовано, що основними перевагами методів кластеризації даних на підставі їхньої щільності є можливість виявлення кластерів вільної форми різного розміру та стійкості до шуму та викидів. Однак до недоліків цих методів можна віднести високу чутливість до встановлення вхідних параметрів, не чіткий опис класів і непридатність для кластеризації даних великих розмірів. З'ясовано, що основною проблемою всіх алгоритмів кластеризації є їх масштабованість із збільшенням обсягу оброблених даних. Встановлено, що основними проблемами більшості з них є складність налаштування оптимальних вхідних параметрів (для алгоритмів щільності, сітки чи моделі), ідентифікація кластерів різної форми та щільності (алгоритми розподілу, алгоритми на підставі сітки), нечіткі критерії завершення (ієрархічний, розділовий та на підставі моделі). Оскільки процедура кластеризації є тільки одним із етапів оброблення даних системи загалом, обраний алгоритм повинен бути простим у використанні та простим для налаштування вхідних параметрів. Дослідження показують, що ієрархічні методи кластеризації містять ряд алгоритмів, придатних як для оброблення даних невеликого обсягу, так і для аналізу великих даних, що є актуальним у галузі соціальних мереж. На підставі виконаного аналізу даних, зібрано інформацію для заповнення розумного профілю користувача. Значну увагу приділено дослідженню асоціативних правил, на підставі чого запропоновано алгоритм для вилучення асоціативних правил, що дало змогу знаходити статистично значущі правила, а також шукати тільки залежності, визначені загальним набором вхідних даних, та має високу обчислювальну складність, якщо існує багато правил класифікації. Розроблено підхід, що орієнтований на створення та розуміння моделей поведінки користувачів, прогнозування майбутньої поведінки за допомогою створеного шаблону. Досліджено методи моделювання попереднього оброблення даних (кластеризація) та виявлено закономірності планування зустрічей друзів на підставі аналізу щоденного руху людей та їхніх друзів. Наведено методи створення та розуміння моделей поведінки користувачів, застосовано алгоритм k-means для групування користувачів, що дало змогу визначити, наскільки добре кожен об'єкт знаходиться у своєму кластері. Введено поняття правил асоціації, розроблено метод пошуку залежностей, оцінено точність моделі.
APA, Harvard, Vancouver, ISO, and other styles
4

Бодянський, Є. В., А. Ю. Шафроненко, and І. М. Климова. "Метод адаптивної достовірної нечіткої кластеризації даних на основі еволюційного алгоритму." Збірник наукових праць Харківського національного університету Повітряних Сил, no. 2(68) (April 21, 2021): 80–83. http://dx.doi.org/10.30748/zhups.2021.68.10.

Full text
Abstract:
Методи обчислювального інтелекту широко використовуються для вирішення багатьох складних проблем, включаючи, звичайно, традиційні: видобуток даних та такі нові напрямки, як динамічний видобуток даних, видобуток потоків даних, видобуток великих даних, веб-видобуток, видобуток тексту, тощо. Одна з основних областей обчислювального інтелекту – це еволюційні алгоритми, які по суті представляють певні математичні моделі еволюції біологічних організмів. У роботі запропоновано адаптивний метод нечіткої кластеризації з використанням оптимізації еволюційних котячих зграй. Використовуючи запропонований підхід, можна вирішити завдання кластеризації в режимі он-лайн.
APA, Harvard, Vancouver, ISO, and other styles
5

Bulba, S., V. Davydov, and H. Kuchuk. "МЕТОД РОЗПОДІЛУ РЕСУРСІВ МІЖ КОМПОЗИТНИМИ ЗАСТОСУНКАМИ." Системи управління, навігації та зв’язку. Збірник наукових праць 4, no. 50 (September 12, 2018): 99–104. http://dx.doi.org/10.26906/sunz.2018.4.099.

Full text
Abstract:
Предмет розгляду – методи оптимального розподілу ресурсів. Метою статті є розробка методу розподілу ресурсів між композитними за стосунками, орієнтованому на динамічний вибір алгоритму оптимізації. методи, що використовуються, – жадібні та мурашині алгоритми, кластерізаційний підхід. Результати роботи. Розглянуто узагальнення існуючих евристик динамічного планування, які відносяться до класу жадібних алгоритмів та знаходять на кожному кроці локально оптимальне рішення. Проведено укрупнену класифікацію методів розподілу пакету композитних застосунків. Проаналізовано два типи кластеризації - вертикальну та горизонтальну. Розглянута можливість планування наборів композитних застосунків на базі кластерізаціонного підходу. Наведено спосіб розподілу наборів композитних за стосунків як з використанням мурашиного алгоритму, так і на базі кластерізаційного підходу з використанням мурашиного алгоритму. Проаналізовано переваги та недоліки кожного із розглянутих підходів, що дало змогу визначити межі застосування кожного із підходів. Висновки. Запропоновано чотири різних підходи до розподілу ресурсів між композитними за стосунками з використанням таких методів: жадібні алгоритми, мурашині алгоритми, вертикальна та горизонтальна кластерізація, сумісне використання мурашиного алгоритму та кластерізації. Розроблений метод дозволяє динамічно провести найкращий вибір. Подальші дослідження будуть направлені на розробку відповідного алгоритму.
APA, Harvard, Vancouver, ISO, and other styles
6

Удовенко, С. Г., Д. В. Келембет, and О. В. Тесленко. "Комбінований метод нечіткої кластеризації даних в системах технічної діагностики." Системи обробки інформації, no. 1(160), (March 30, 2020): 7–17. http://dx.doi.org/10.30748/soi.2020.160.01.

Full text
Abstract:
У статті наведено результати аналізу методів нечіткої кластеризації даних поточних спостережень в технічних системах. Запропоновано і протестовано комбінований підхід до нечіткої кластеризації даних з використанням комбінації алгоритму Густафсона-Кесселя, методу остовного лісу та фільтра Калмана, що може бути використаний в системах технічної діагностики (зокрема, діагностики стану основних параметрів технологічних процесів). Розглянуто можливість подальшого розширення функціональних можливостей наведеного комбінованого методу кластеризації з наданням йому адаптивних властивостей. Наведено результати тестування та визначено переваги запропонованого підходу.
APA, Harvard, Vancouver, ISO, and other styles
7

Орленко, Н. С., К. М. Мажуга, М. Б. Душар, and В. В. Маслечкін. "ПОРІВНЯЛЬНИЙ АНАЛІЗ ІЄРАРХІЧНИХ МЕТОДІВ КЛАСТЕРІЗАЦІЇ, ПРИДАТНИХ ДЛЯ ОБРОБЛЕННЯ ДАНИХ МОРФОЛОГІЧНИХ ОЗНАК СОРТІВ РОСЛИН." Вісник Полтавської державної аграрної академії, no. 2 (June 28, 2019): 261–69. http://dx.doi.org/10.31210/visnyk2019.02.35.

Full text
Abstract:
Незважаючи на те, що кластеризація є безконтрольною класифікацією багатовимірних даних увідповідні кластери, застосування кластерного аналізу під час дослідження морфологічних харак-теристик сортів рослин дозволяє зменшити розмірність вибірки даних, що сприяє більш точній іде-нтифікації нових сортів. Саме тому важливим питанням є порівняння результатів кластеризації іззастосуванням різних методів і метрик та виявлення найбільш придатних для аналізу морфологічниххарактеристик. Методи: аналітичний, математичний, статистичний, графічний. Під час виконан-ня досліджень використано широко відомий набір даних, що має назву Іриси Фішера. Результати.Досліджено вплив на результат кластерного аналізу різних ієрархічних агломеративних методівкласифікації (ближнього сусіда, дальнього сусіда, середнього зв'язку, середнього сусіда (центроїда)та метода Варда) із застосуванням евклідових та не евклідових метрик. Оцінено результати клас-терізації з використанням засобів описової статистики (методу перехресних таблиць). Встановле-но, що найбільш придатними для проведення кластеризації за морфологічними характеристикамидля наборів даних, які описуються метричними шкалами є методи: середнього зв'язку (між групами)із застосуванням кореляції Пірсона, середнього зв'язку (всередині групи) із застосуванням метрикКосінус та кореляції Пірсона, а також методу Варда із застосуванням метрики Косінус. Запропо-новано використовувати апарат частотної статистики (перехресні таблиці) для оцінювання якос-ті результатів класифікації. Висновки. Проведене тестування довело, що не існує жодного універса-льного алгоритму, який би ідеально розподілив набір Ірисів Фішера на кластери. Не зважаючи на те,що встановлено методи й метрики, які є найбільш вдалими для класифікації протестованого наборуданих, ці методи не можна рекомендувати для використання під час тестування морфологічних оз-нак усіх ботанічних таксонів. Кластеризацію сортів рослин потрібно проводити ітераційно, послі-довно застосовуючи найбільш поширені алгоритми кластеризації та ретельно оцінювати результа-ти кластеризації з метою вибору метода та метрики, які найбільш оптимально класифікують сор-ти рослин та дозволять правильно інтерпретувати результати класифікації. Результати такоїкластеризації рекомендовано оцінювати з використанням методу перехресних таблиць та обиратикращий за якістю кластерів.
APA, Harvard, Vancouver, ISO, and other styles
8

Ланде, Д. В., Л. Страшной, and І. В. Балагура. "Метод формування та кластеризації кореляційних мереж понять." Реєстрація, зберігання і обробка даних 23, no. 2 (June 29, 2021): 27–36. http://dx.doi.org/10.35681/1560-9189.2021.23.2.239209.

Full text
Abstract:
Для вирішення задачі формування та кластеризації понять запропоновано методику формування, кластеризації, ранжирування та подальшої візуалізації спрямованих кореляційних мереж, зв’язки яких визначаються на основі рядів динаміки, що відповідають цим поняттям. Як приклади розглянуто часові ряди динаміки вживання термінів, що формуються сервісом Google Books Ngram Viewer для формування кореляційної мережі наукових понять, і часові ряди динаміки захворюваності на коронавірус у різних країнах для формування та кластерізації мережі країн за ознакою подібності відповідних статистичних рядів. Наведена методика може застосовуватися з метою узагальнення множини сутностей без явно виражених зв’язків між ними на основі даних, отриманих в аналітичних системах різного призначення
APA, Harvard, Vancouver, ISO, and other styles
9

Бойченко, О. С., and П. В. Поздняков. "Метод багатокритерійної кластеризації бездротової інформаційно-комунікаційної мережі." Системи обробки інформації, no. 1(152) (March 27, 2018): 80–86. http://dx.doi.org/10.30748/soi.2018.152.12.

Full text
APA, Harvard, Vancouver, ISO, and other styles
10

Gorokhovatskyi, V., A. Vasylchenko, K. Manko, and R. Ponomarenko. "ДОСЛІДЖЕННЯ МОДИФІКАЦІЙ МЕТОДУ ВСТАНОВЛЕННЯ РЕЛЕВАНТНОСТІ ЗОБРАЖЕНЬ ОБ’ЄКТІВ ЗА ОПИСАМИ У ВИГЛЯДІ МНОЖИНИ ДЕСКРИПТОРІВ КЛЮЧОВИХ ТОЧОК." Системи управління, навігації та зв’язку. Збірник наукових праць 5, no. 51 (October 30, 2018): 74–78. http://dx.doi.org/10.26906/sunz.2018.5.074.

Full text
Abstract:
Предметом досліджень статті є моделі для встановлення ступеня релевантності зображень у просторі дескрипторів ключових точок зображень для реалізації структурних методів розпізнавання зорових образів у системах комп’ютерного зору. Метою є проведення експериментального дослідження ефективних за параметром швидкодії модифікацій способів встановлення подібності описів у просторі дескрипторів ключових точок на підставі апарату аналізу бітових даних. Завдання: розроблення математичних та програмних моделей оброблення даних при обчисленні подібності структурних описів, вивчення властивостей та особливостей застосування цих моделей, оцінювання ефективності за результатами оброблення конкретних зображень. Застосовуваними методами є: детектор BRISK для формування дескрипторів ключових точок, інтелектуальний аналіз даних, метод кластеризації к-середніх, методи побітового оброблення та підрахунку частоти входження даних, теорія хешування бітових даних, програмне моделювання. Отримані такі результати. Методи класифікації зображень з використанням подібності описів у просторі дескрипторів ключових точок отримують подальший розвиток та застосування на підставі впровадження апарату аналізу бітових даних. Кластерне подання описів не тільки скорочує час оброблення, але й показує чутливість модифікації методу до незначних особливостей зображення і його можливість широкого застосування у системах комп’ютерного зору. Хешування опису без втрати даних суттєво прискорює (у експерименті у сотні разів) процес обчислення ступеня релевантності описів. Вибрана хеш-функція може впливати на результат і сприяти покращенню рівня розрізнення зображень. Побудова узагальненого опису у вигляді спільного дескриптора значно скорочує час обчислень, при цьому виникає потреба у попередньому обробленні опису з метою формування скороченого опису із списку значущих дескрипторів. Висновки. Наукова новизна дослідження полягає в удосконаленні методу структурного розпізнавання зображень на основі опису як множини дескрипторів ключових точок шляхом застосування апарату кластеризації, виявлення узагальнених властивостей та хешування даних для визначення модифікованих мір релевантності аналізованих та еталонних описів. Практична значущість роботи – досягнення суттєвого рівня підвищення швидкодії обчислення релевантності зображень, підтвердження результативності запропонованих модифікацій на прикладах зображень, отримання прикладних програмних моделей для дослідження та впровадження методів класифікації у системах комп’ютерного зору.
APA, Harvard, Vancouver, ISO, and other styles
More sources

Dissertations / Theses on the topic "Метод кластеризації"

1

Паливода, В. В. "Метод когнітивної кластеризації." Thesis, Київський національний університет технологій та дизайну, 2018. https://er.knutd.edu.ua/handle/123456789/11823.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Манзюк, Едуард Андрійович. "Метод агрегативної кластеризації на базі послідовного підходу." Магістерська робота, Хмельницький національний університет, 2021. http://elar.khnu.km.ua/jspui/handle/123456789/11007.

Full text
APA, Harvard, Vancouver, ISO, and other styles
3

Манзюк, Едуард Андрійович. "Метод агрегативної кластеризації на базі послідовного підходу." Магістерська робота, Хмельницький національний університет, 2021. http://elar.khnu.km.ua/jspui/handle/123456789/10870.

Full text
APA, Harvard, Vancouver, ISO, and other styles
4

Безменова, Ольга Миколаївна. "Про результати діагностування наявності захворювань з використанням алгоритмів класифікації на основі нечітких правил." Thesis, Національний технічний університет "Харківський політехнічний інститут", 2016. http://repository.kpi.kharkov.ua/handle/KhPI-Press/45814.

Full text
APA, Harvard, Vancouver, ISO, and other styles
5

Кулік, Євгенія Сергіївна, Евгения Сергеевна Кулик, Євгенія Сергіївна Кулік, Захар Вікторович Козлов, Захар Викторович Козлов, and Zakhar Viktorovych Kozlov. "Використання SR-дерев у щільнісному методі кластеризації числових просторів DBSCAN." Thesis, Cумський державний університет, 2016. http://essuir.sumdu.edu.ua/handle/123456789/46528.

Full text
Abstract:
Алгоритм щільнісного кластерного аналізу DBSCAN при обробці просторових даних дуже часто потребує знаходження ε-околу точки у n-вимірному просторі. Цей крок алгоритму виконується для кожної точки щонайменше один раз [1], отже покращення ефективності знаходження ε-околу матиме значний вплив на результати роботи алгоритму загалом.
APA, Harvard, Vancouver, ISO, and other styles
6

Смирнов, Олександр Владиславович. "Визначення емоційного стану людини на базі аналізу голосових характеристик." Master's thesis, Київ, 2018. https://ela.kpi.ua/handle/123456789/23637.

Full text
Abstract:
Метою даної роботи є дослідження голосових сигналів у частотній та часовій області для ідентифікації об’єктивних параметрів, що дозволяють класифікувати голос людини за емоційним забарвленням. За проведеними дослідженнями розроблене програмне забезпечення із використанням програмного пакету Mathlab 2014a. У результаті виконання роботи: створено нові методи обробки голосу, які передбачають використання для характеристики психологічного типу людини; отримані результати, які в подальшому можуть бути використані в психіатрії для якісної оцінки емоційно-вольових порушень при різних психо-паталогіях; для оцінки кадрового потенціалу працівників; важливим застосуванням подібних методів можуть стати правоохоронні системи та засоби безпеки в напрямку виявлення агресивно забарвлених голосів; розроблено програмне забезпечення, що дозволяє класифікувати голос людини в залежності від її емоційного стану.
The purpose of this work is to study the voice signals in the frequency and time domain for the identification of objective parameters that allow to classify a person's voice by emotional coloring According to the research, software was developed using the Mathlab 2014a software package. As a result of the work: created new methods of voice processing, which provide for use to characterize the psychological type of person; obtained results that can be used in psychiatry for qualitative evaluation of emotional and volitional disorders in various psychological pathologies; to assess staffing potential of employees; law enforcement systems and security measures in the direction of detecting aggressively colored voices may become an important use of such methods; Software has been developed that allows you to classify a person's voice depending on her emotional state.
Целью данной работы является исследование голосовых сигналов в частотной и временной области для идентификации объективных параметров, позволяющих классифицировать голос человека по эмоциональной окраске. По проведенным исследованиям разработанное программное обеспечение с использованием программного пакета Mathlab 2014a. В результате выполнения работы: созданы новые методы обработки голоса, которые предусматривают использование для характеристики психологического типа человека; полученные результаты, которые в дальнейшем могут быть использованы в психиатрии для качественной оценки эмоционально-волевых нарушений при различных психо-патологии; для оценки кадрового потенциала работников; важным применением подобных методов могут стать правоохранительные системы и средства безопасности в направлении выявления агрессивно окрашенных голосов; разработано программное обеспечение, позволяющее классифицировать голос человека в зависимости от его эмоционального состояния.
APA, Harvard, Vancouver, ISO, and other styles
7

Костельна, Тамара Валентинівна. "Кіберфізична система виявлення просторових аномалій руху суден на основі методу кластеризацї маршрутів." Магістерська робота, Хмельницький національний університет, 2021. http://elar.khnu.km.ua/jspui/handle/123456789/10344.

Full text
Abstract:
Об’єктом дослідження є процес обробки даних у системі висвітлення надводної обстановки.Предметом дослідження є науково-методичний апарат обробки даних у системі висвітлення надводної обстановки. Метою дипломної роботи є розробка кіберфізичної системи виявленя просторових аномалій руху суден. Наукова новизна отриманих результатів полягає в тому, що удосконалено метод кластеризації маршрутів руху суден, який дає можливість для більш точнішого виявлення просторових аномалій руху суден.
APA, Harvard, Vancouver, ISO, and other styles
8

Федоренко, Є. Д., and Д. Є. Яндуков. "Виявлення колективних аномалій у часових рядах." Thesis, ХНУРЕ, 2021. https://openarchive.nure.ua/handle/document/16429.

Full text
Abstract:
Anomaly detection for time series data has been an important area of research for a long time. The main work on anomaly detection techniques has focused on statistical approaches. In recent years, more and more machine learning algorithms have been developed to detect anomalies in time series. There are three basic types of anomalies, this work we devoted to the study of collective anomalies as the most complex and frequently encountered type of anomalies. The implementation of this type of anomalies was carried out by the k-means method as the most universal method in our opinion.
APA, Harvard, Vancouver, ISO, and other styles
9

Мельникова, П. А. "Поиск аномалий во временных рядах на основе оценивания их параметров." Thesis, ХНУРЕ, 2021. https://openarchive.nure.ua/handle/document/16436.

Full text
Abstract:
Anomaly detection in every domain is an important topic of discussion and the knowledge about the effective ways to perform anomaly detection is an important skill to have for any Data Scientist. A problem of anomaly detection in time series is considered. A method is proposed, which allows to detect anomalies in time series efficiently by their parameters.
APA, Harvard, Vancouver, ISO, and other styles
10

Бешлей, Галина Володимирівна. "Моделі та метод оптимального розподілу мережних ресурсів в програмно-конфігурованих гетерогенних мережах мобільного зв'язку." Diss., Національний університет "Львівська політехніка", 2021. https://ena.lpnu.ua/handle/ntb/56768.

Full text
APA, Harvard, Vancouver, ISO, and other styles

Book chapters on the topic "Метод кластеризації"

1

БЕРИКОВ, ВЛАДИМИР БОРИСОВИЧ, and ИВАН АЛЕКСАНДРОВИЧ НОВИКОВ. "МОДЕЛЬ И ВЫЧИСЛИТЕЛЬНО ЭФФЕКТИВНЫЙ МЕТОД АНСАМБЛЕВОЙ КЛАСТЕРИЗАЦИИ." In ИНТЕЛЛЕКТУАЛИЗАЦИЯ ОБРАБОТКИ ИНФОРМАЦИИ, 10–11. TORUS PRESS, 2018. http://dx.doi.org/10.30826/idp201801.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

ХАНЫКОВ, ИГОРЬ ГЕОРГИЕВИЧ. "МОДЕЛЬ СКОРОСТНОЙ КЛАСТЕРИЗАЦИИ ПИКСЕЛЕЙ ИЗОБРАЖЕНИЯ НА ОСНОВЕ МЕТОДА УОРДА." In ИНТЕЛЛЕКТУАЛИЗАЦИЯ ОБРАБОТКИ ИНФОРМАЦИИ, 112–13. TORUS PRESS, 2018. http://dx.doi.org/10.30826/idp201851.

Full text
APA, Harvard, Vancouver, ISO, and other styles

Conference papers on the topic "Метод кластеризації"

1

Налапко, О. Л., В. Г. Козлов, and О. О. Звєрєв. "Метод кластеризації даних на основі еволюційної оптимізації котячих зграй." In NEW DEVELOPMENT AREAS OF DIGITALIZATION AT THE BEGINNING OF THE THIRD MILLENNIUM. Baltija Publishing, 2021. http://dx.doi.org/10.30525/978-9934-26-172-5-6.

Full text
APA, Harvard, Vancouver, ISO, and other styles
2

Айрапетян, Жирайр Сережаевич, Дмитрий Сергеевич Фролов, and Борис Григорьевич Миркин. "Метод максимального правдоподобия для обобщения нечетких множеств в таксономиях." In Математические основы информатики и информационно-коммуникационных систем. Crossref, 2021. http://dx.doi.org/10.26456/mfcsics-21-15.

Full text
Abstract:
В работе предлагается новый метод обобщения тематической текстовой коллекции, оснащенной таксономией предметной области. С помощью спектральных методов кластеризации из текстовой коллекции извлекаются нечеткие множества листьев таксономии, соответствующие понятиям, одновременно используемым в статьях коллекции. Эти нечеткие множества обобщаются путем их подъема в дереве таксономии с использованием критерия максимального правдоподобия. Оптимальный подъем подразумевает нахождение вершины или множества вершин в дереве таксономии, наиболее плотно покрывающих листовые понятия из обобщаемого множества. Наш метод включает два основных этапа: (1) извлечение кластеров из текстовой коллекции и (2) обобщение этих кластеров. В данной работе модернизируются оба этапа. Алгоритмы применены к структурному анализу и описанию текстовой коллекции из 17 тыс. аннотаций научных статей в области Наук о данных, опубликованных в журналах издательства Шпрингер. Таксономия Наук о данных, используемая в данной работе, является шестиуровневой иерархической таксономией, разработанной вручную международной Ассоциацией Вычислительной Техники и Вычислительных Систем (ACM-CSS [4])
APA, Harvard, Vancouver, ISO, and other styles
You might also be interested in the extended bibliographies on the topic 'Метод кластеризації' for particular source types:
Journal articles
We offer discounts on all premium plans for authors whose works are included in thematic literature selections. Contact us to get a unique promo code!

To the bibliography