Работа посвящена исследованию различных процедур маркировки при кластеризации с применением SV-подхода и сравнению их эффективности. Задачи, которые решались в ходе исследования: 1) Ознакомление с SV-подходом к решению задачи кластеризации. 2) Отбор эффективных алгоритмов маркировки при SV-кластеризации. 3) Реализация отобранных алгоритмов. 4) Апробация работы реализованных алгоритмов на модельных данных. 5) Сравнение результатов работы реализованных алгоритмов кластеризации на данных из репозитория и их интерпретация. В процессе работы были реализованы три алгоритма маркировки данных при решении задачи кластеризации на основе SV-подхода. Численные эксперименты, проведенные на ряде данных из репозитория, позволили выявить из числа исследуемых алгоритмов наиболее эффективную процедуру маркировки. Все алгоритмы были реализованы в среде MATLAB, версия 2020 b. Результаты данного исследования могут быть использованы при решении практических задач кластеризации данных различной природы.

The paper is devoted to the study of various labeling procedures for clustering using the SV approach and comparing their effectiveness. The research set the following goals: 1) Introduction to the SV approach to solving the clustering problem. 2) Selection of effective labeling algorithms for SV clustering. 3) Implementation of the selected algorithms. 4) Testing the operation of the implemented algorithms on model data. 5) Comparison of the results of the implemented clustering algorithms on the data from the repository and their interpretation. In the course of the work, three algorithms for data labeling were implemented in solving the clustering problem based on the SV approach. Numerical experiments conducted on several data from the repository allowed us to identify the most effective labeling procedure among the algorithms under study. All algorithms were implemented in the MATLAB environment, version 2020 b. The results of this study can be applied in solving practical problems of clustering data of various nature.