O’zbekiston respublikasi aloqa, axborotlashtirish va telekommunikasiya texnologiyalari davlat qo`mitasi
Yüklə 1,59 Mb. Pdf görüntüsü
|
- Bu səhifədəki naviqasiya:
- II bob bo’yicha xulosalar
- Klasterizatsiya usullari uchun amaliy dasturiy paketlarda ishlash
- SPSS (inglizcha
| Usul
Sinfi Yutug’i Kamchiligi Ma’lumot Tezligi CURE Iyerarxik (aglomerativ) Turli o‘lchamli va murakkab shakldagi klasterlarni quradi Porog qiymati va klasterlar sonini talab qiladi sonli O(n 2 ) BIRCH Iyerarxik (divizim) Klasterlash tezligi baland, Ikki etapli 2-etapda boshqa algoritm ishlatiladi sonli O(n 2 ) CLARA (Kafman- Rassel algoritmi) Iterativ Katta Mbda ishlaydi, yaxshi klasterlaydi Obraz bo‘yicha klasterlaydi va uning sifatiga bog‘liq sonli O(max(n, m)), m < n(n-1)/2 MST Iyerarxik (divizim) Qavariq va botiq klasterlar quradi. Klaster sonini talab qilad ixtiyoriy O(ElogV) k-means Iterativ Sodda va tez ishlaydi, Tez xatoga yo‘l qo‘yadi Kichik xajmli O(nkl), k – klaster soni, l – iterasiya soni PAM Iterativ Sodda va tez ishlaydi, xatolikka sezgirligi k- means dan kamroq klasterlar sonini talab kiladi, katta Mbda sekin ishlaydi sonli O(nkl), k – klaster soni, l – iterasiya soni CLOPE Iterativ Tez hisob-laydi va interpreta- siyalanadi, klasterlar sonini avtomatik tanlaydi Tez xatoga yo‘l qo‘yadi kategoriyali O(nkl), k – klaster soni, l – iterasiya soni Koxonena Notiniq O‘zi tashkil qilinadagan neyrotarmoq, tadbiqi oson, tarmoqni o‘rganish o‘qituvchisiz, kafolatli Faqat sonlar bilan ishlaydi, tarmoq o‘lchami minimal, klasterlar sonini talab qiladi sonli O(n 2 log n) Hard C – Means Iterativ Oson qo‘llaniladi, hisoblash sodda klaster sonini talab qiladi va optimal yechim kafolatlanmagan sonli O(nkl), k – klaster soni, l – iterasiya soni Fuzzy C- means Notiniq Klaster chegarasidagi obyektlarni aniqlaydi Murakkab xisoblashlar, klaster sonini talab qiladi sonli O(nkl), k – klaster soni, l – iterasiya soni 51 3-jadval. Algoritmlarning ishlash vaqtini (sekundlarda) kiruvchi elementlar soniga bog‘liqligi Algoritmlar turi 500 Elementlar 1000 Elementlar 1500 Elementlar 2000 Elementlar 2500 Elementlar CLARA (Kafman- Rassel algoritmi) 5,459 46,703 180,820 385,016 777,763 MST 0,344 2,832 12,212 23,095 55,579 k-means 0,020 0,084 0,221 0,375 0,596 PAM 0,357 2,837 10,782 22,940 49,787 CLOPE 0,339 2,813 10,054 22,505 43,669 Koxonena 0,347 2,828 10,789 23,195 55,752 Hard C – Means 0,017 0,081 0,217 0,363 0,580 Fuzzy C- means 0,036 0,162 0,483 0,717 1,352 52 II bob bo’yicha xulosalar Ushbu bobda ma‘lumotlarni intellektual tahlil etish jarayonida klasterizatsiya masalasi algoritmlari aks ettirilgan bo‗lib, paragrafning birinchi qismida klasterizatsiya masalasini tizimli yechishning formal qo‘yilishi va algoritmlar tahlillari to‘g‘risida ma‘lumotlar berilgan va ular qarab o‗tilgan. Bu paragrfda kalasterizatsiya usuli algoritmlari qadamlari oydin yoritib berilgan. Ushbu algoritmlar Aglomerativ algoritmlar, Divizim algoritmlari, noierarxik algoritmlar, k-means, Fuzzy C-means, Gustafson-Kassel bo‘yicha klasterlash kibi algoritmlar o‘rganildi va ushbu algoritmlar asosida II bobning ikkinchi qismida esa klasterizatsiya algoritmlarida qo‘llaniladigan masofaga asoslangan yaqinlik darajasining o‘lchovi keltirildi. Uchunchi qismida esa o‘rganilgan algoritmlarning qiyosiy tahlili qilindi. Tahlillar natijasida algoritmlarning bir- biridan farqli jihatlari algoritmning yutug‘i, kamchigi, ma‘lumotlar bilan ishlash turlari, ishlash tezligi, qulaylilik darajasi ushbu qismda jadvallar asosida keltirilgan. 53 III BOB. MA’LUMOTLARNI INTELLEKTUAL TAHLILIDA KLASTERIZATSIYA ALGORITMLARI DASTURIY TA’MINOTLARINING AMALIY TADBIQLARI 1. Klasterizatsiya usullari uchun amaliy dasturiy paketlarda ishlash Ma‘lumotlar intellektual tahlili usullarining ayrimlari uchun professional statistik va matematik paketlarda turli dasturiy modullar ishlab chiqilgan. Masalan, MATLAB – matritsaviy laboratoriya paketi va qiymatlar statistik tahlil qilishga mo‘ljallangan SPSS paketi, ma‘lumotlarni intellektual tahlil qilish WEKE ( Waikato Environment for Knowledge Analysis ) dasturiy paketlarini misol qilib keltirish mumkin. Bu paketlar yordamida turli sonli va analitik (simvolli) ma‘lumotlarni klassifikatsiya va klasterizatsiya masalalari orqali tahlil qilish, dendogrammalarni hosil qilish, vizuallashtirish imkoniyatlari mavzud. 1.1. SPSS – ijtimoiy fanlar statistik paketida klasterizatsiya moduli SPSS (inglizcha «Statistical Package for the Social Sciences» — «statistik fanlar uchun statistik paket») — ma‘lumotlarni statistik qayta ishlash kompyuter dasturi bo‘lib, ijtimoiy ilm-fanda amaliy tadqiqotlar o‘tkazishga mo‘ljallangan tijorat dasturlari bozorida peshqadamlaridan biri hisoblanadi 1 . Bu dasturning birinchi versiyasi 1968 yilda Norman Nay, Xedli Xall va Deyl Bentlar (talabalar) tomonidan yaratilgan va Chikago universitetida rivojlantirilgan. 1975 yilda SPSS Inc alohida kompaniya bo‘lib, 1992 yilda Microsoft Windows ostida paketning birinchi versiyasi chiqqan. Xozirgi kunda uning 10 dan ziyod paketlari Mac OS X va Linux OS lari uchun ham yaratilgan. Ishda 2008 yil aprel oyida chiqqan SPSS16.0.1Evaluation versiyasida klasterizatsiyalash usullarini tadqiq qilindi[32]. Misol uchun, bizga tibbiyot muassasasi tomonidan yig‘ilgan o‘smirlar haqidagi ma‘lumotlar 1-ilovadagi 1-jadval ko‘rinishda berilgan bo‘lsin, bu ma‘lumot asosida ularni maktab sinflariga sinflashtirishni SPSS – ijtimoiy fanlar uchun statistik paketida bajarib ko‘ramiz. 1 http://ru.wikipedia.org/wiki/SPSS 54 Jadvaldagi x 1 – o‘smirlar yoshini bildiradi, x 2 – o‘smirlar jinsi 1 (o‘gil bola) va 0 (qiz bola) bilan berilgan. Jami 861 ta satrni ob‘yekt sifatida qaralganda, berilgan 861 ta ob‘yekt 2 ta belgi bilan berilgan deyiladi. 3.1-rasm. SPSS statistik paketining ma‘lumotlarni taxrirlash oynasi va k -means usulida klasterizatsilash modulini ishga tushirish SPSS paketida bu ma‘lumotlarni fayldan yuklash mumkin (3.1-rasm). Taxrirlash oynasi yoki asosiy oynaning menyusida Analyze/Classify/K-means bo‘limi tanlash orqali yuklangan ma‘lumotlarni k -means algoritmi asosida klasterizatsiyalash mumkin. k -means klassifikatorning parametrlar (3.2-rasm) oynasida natijalarni bayon qilish va asosiy faktorlarni tanlash mumkin. 55 a) b) 3.2-rasm. k -means klasteizatsiya uchun parametrlarni tanlash oynasi: a) – parametr darchasi; b) – Options… - sozlash darchasi. Number of Cluster: taxrir satriga bizga kerakli klasterlar soni kiritiladi, ushbu misolda o‘smirlarni maktab sinflari bo‘yicha klasterlashimiz uchun klasterizatsiya soni 9 deb olindi. Natijada SPSS paketi asosiy oynasida quyidagi natijaviy jadvallar hosil qilindi (3.3-rasm). 1.1-jadval. Natijaviy klasterlar markazlari. Yüklə 1,59 Mb. Dostları ilə paylaş:
|