Детальная информация
Название | Обобщенный алгоритм определения максимального количества распознаваемых кластеров в неточных данных // Системный анализ в проектировании и управлении: сборник научных трудов XXV Международной научной и учебно-практической конференции, 13–14 октября 2021 г.: [в 3 частях]. Ч. 3 |
---|---|
Авторы | Больщиков Виталий Андреевич; Семенов Константин Константинович |
Организация | Санкт-Петербургский политехнический университет Петра Великого |
Выходные сведения | Санкт-Петербург: ПОЛИТЕХ-ПРЕСС, 2021 |
Электронная публикация | Санкт-Петербург, 2022 |
Коллекция | Общая коллекция |
Тематика | Алгоритмы; Системный анализ; кластеризация; неточные данные; результаты измерений; трансформация погрешности; метрологическое автосопровождение |
УДК | 510.5; 004.421; 681.51.012 |
Тип документа | Статья, доклад |
Тип файла | |
Язык | Русский |
DOI | 10.18720/SPBPU/2/id21-402 |
Права доступа | Доступ по паролю из сети Интернет (чтение, печать, копирование) |
Ключ записи | RU\SPSTU\edoc\67874 |
Дата создания записи | 21.02.2022 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
В работе представлен обобщенный алгоритм определения максимального количества кластеров, в принципе распознаваемых при обработке неточных данных с учетом их неопределенности. Соответствующая процедура обеспечивает возможность оценки наибольшего числа групп в структуре анализируемой совокупности кластеризуемых векторов. Представленный алгоритм может быть применен к произвольным алгоритмам кластеризации и обобщает ранние результаты авторов.
The paper presents a generalized algorithm for determining the maximum number of clusters, in principle, recognized when processing inaccurate data, taking into account their uncertainty. The corresponding procedure makes it possible to estimate the largest number of groups in the structure of the analyzed set of clustered vectors. The presented algorithm can be applied to arbitrary clustering algorithms and generalizes the early results of the authors.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 4
За последние 30 дней: 0