Лур’є І. А., Осипенко В. В., Литвиненко В. І., Таиф М. А., Корніловська Н. В., Гібридизація алгоритму індуктивного кластер-аналізу з використанням оцінки щільності розподілу даних

УДК 681.513

І. А. Лур’є1, В. В. Осипенко2, В. І. Литвиненко1, М. А.Таиф1, Н. В. Корніловська1
1Херсонський національний технічний університет,
2Національний університет біоресурсів і природокористування України

ГІБРИДИЗАЦІЯ АЛГОРИТМУ ІНДУКТИВНОГО КЛАСТЕР-АНАЛІЗУ З ВИКОРИСТАННЯМ ОЦІНКИ ЩІЛЬНОСТІ РОЗПОДІЛУ ДАНИХ

© Лур’є І. А., Осипенко В. В., Литвиненко В. І., Таиф М. А., Корніловська Н. В., 2015
Запропоновано нову техніку кластеризації, в основу якої покладено два методи: щільнісний алгоритм DBSCAN та індуктивний алгоритм об'єктивної кластеризації. Експерементально доведено, що комбінацією двох цих методів дозволяє вирішити проблему розпізнавання кластерів різної нелінійної форми та значно підвищити точність при розпізнаванні складних об'єктів.
Ключові слова: щільнісний метод кластеризації DBSCAN, об’єктивний алгоритм кластеризації, індуктивні методи самоорганізації моделей, МГУА, гібридні методи кластеризації.

In this article proposed a new clustering technique, which is based on two methods: density algorithm DBSCAN and inductive objective clustering algorithm. Experimentally proved that the combination of two these methods can solve the problem of recognition of clusters of different nonlinear form, and greatly increase the accuracy in the detection of complex objects.
Key words: Density-based spatial clustering, DBSCAN, objective clustering algorithm, inductive methods of self-organization models, GMDH, hybrid clustering methods.

Література – 29