O’zbekiston respublikasi aloqa, axborotlashtirish va telekommunikasiya texnologiyalari davlat qo`mitasi

Noierarxik algoritmlar 
Klasterizatsiya masalasini yechishda masalaning ma‘nosidan kelib 
chiqqan holda bo‘linish hosil qiluvchi algoritmlardan foydalaniladi. Berilgan 
algoritmlar ma‘lumotlarni shunday guruhlashga harakat qiladiki, bo‘lish 
algoritmining maqsad funksiyasi ekstremumga (minimumga) erishsin. 
Klasterizatsiyaning bo‘lishlar usuliga asoslangan uchta asosiy algoritmini 
qaraymiz. 
Berilgan 
algoritmlarni 
tahlil 
qilishda 
quyidagi 
bazaviy 
tushunchalardan foydalanamiz[17]. 
-
M o‘rganilayotgan bo‘linishlar to‘plami; 
-
Quyidagi formula masofa matritsasi formulasi deyiladi: 
,
,
)
,
(
,
)
,
(
)
(
)
(
2
)
(
)
(
2
i
j
i
i
j
A
i
j
i
j
A
c
m
A
c
m
c
m
c
m
d
(4) 

---

35 
bu yerda A matritsa – masofani hisoblash usulini aniqlaydi. Masalan, birlik 
matritsa bo‘yicha Evklad masofasidan foydalanish.
-
C – klasterlar markazlari vektori; 
-
U – klasterizatsiya bo‘yicha bo‘linish matritsasi; 
-
)
,
,
,
(
U
C
d
M
J
J
- maqsad funksiyasi; 
-
Chegaralanishlar majmuasi[18]. 
k – means
 algoritmi (
K-means
) 
Yaxshiroq ko‘rish uchun ikkita parameter – kosacha bargning uzunligi va 
kengligi bilan chegaralanamiz. Bu ma‘lumotni ikki o‘lchamli fazoda ifodalashga 
imkon beradi. Nuqtalar ob‘ektlar nomeri bilan belgilangan. Dastlab, barcha 
ob‘ektlar fazosidagi nuqtalar markazlardan ixtiyoriy
k
boshlang‘ich nuqtalar 
olinadi. Bu markazlarni bo‘lish usuli muhim emas, boshlang‘ich nuqtalarni 
tanlash hisoblash vaqtida namoyon bo‘ladi. Masalan, I to‘plamdagi dastlabki 
k
ta ob‘ekt bo‘linishi mumkin. Berilgan misolda bu nuqta 1,2 va 3. Ikkinchi 
qadamda jarayon iteratsion bajariladi.