Многоуровневый профиль кластерного разбиения

  • С.В. Дронов Алтайский государственный университет Email: dsv@math.asu.ru
Ключевые слова: визуализация кластеров, метод нечисловой оценки структуры кластеров, однородность кластеров, сравнение кластерных разбиений, анализ соответствий

Аннотация

Предлагается новый, по сути нечисловой, подход к изучению структуры кластерного разбиения с возможностью сравнения нескольких кластеризаций одного и того же конечного множества объектов. Подход основан на представлении кластеризуемых объектов и формирующих признаков этих объектов точками одного и того же искусственно построенного универсального пространства. При этом предложены как количественные характеристики рассматриваемых кластеризаций, так и способ чисто визуального анализа даже в случае, когда количество формирующих разбиения показателей достаточно велико, поскольку размерность универсального пространства может выбираться практически произвольно.

Литература

1. Rui Xu, Wunsch D. II. Survey of Clustering Algorithms // IEEE Transactions on Neural Networks. – 2005. – Vol. 16, no. 3. – P. 645–678.
2. Xu D., Tian Y. A. Comprehensive Survey of Clustering Algorithms // Ann. Data. Sci. – 2015. – Vol. 2. – P. 165–193.
3. Halkidi M., Batistakis Y., Vazirgiannis M. On clustering validation techniques // Journal of intelligent information systems. – 2001. – Vol. 17(2-3). – P. 107–145.
4. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Классификация и снижение размерности. — М.: Финансы и статистика, 1989.
5. Rousseeuw P.J. Silhouettes: A graphical aid to the interpretation and validation of cluster analysis // Journal of Computational and Applied Mathematics. – 1987. – Vol. 20. – P. 53 – 65.
6. Журавлева В.В., Куракина А.А. Упрощенный показатель силуэта кластерной структуры // МАК: Математики – Алтайскому краю. сборник трудов всероссийской конференции по математике с международным участием / Главный редактор профессор Н.М. Оскорбин. — Барнаул: Изд-во Алт. ун-та, 2019. — С. 254 – 255.
7. Pages J. Multiple Factor Analysis by Example Using R. (CRC The R Series). – London: Chapman & Hall, 2014.
8. Dronov S.V., Leongardt K.A. Multidimensional unfolding problem solution in the case of a single target // IOP Conf. Series: Journal of Physics: Conf. Series 1210. – 2019. – 012034.
9. Дронов С.В. Методы и задачи многомерной статистики. — Барнаул: Изд-во Алт. ун-та, 2015.
10. Greenacre M. Correspondence Analysis in Practice. – 3rd edition. – Boca Raton: CRC Press, 2021.
Опубликован
2022-12-21
Как цитировать
Дронов С. Многоуровневый профиль кластерного разбиения // Труды семинара по геометрии и математическому моделированию, 2022, № 8. С. 41-48. URL: http://journal.asu.ru/psgmm/article/view/12319.

Наиболее читаемые статьи этого автора (авторов)