Sun'iy neyron tarmoqlari Biologiyadan parallellik

Klasterlash

Klasterlash ob'ektlar to'plamini bir hil guruhlarga (klasterlar yoki sinflarga) bo'lish uchun mo'ljallangan. Agar namunaviy ma'lumotlar xususiyat maydonida nuqta sifatida taqdim etilgan bo'lsa, klasterlash muammosi "nuqtalarning kontsentratsiyasini" aniqlashga qisqartiriladi.

Klasterlashning maqsadi mavjud tuzilmalarni izlashdir.
Klasterlash tavsiflovchi protsedura bo'lib, u hech qanday statistik xulosalar qilmaydi, ammo u tadqiqot tahlilini o'tkazish va "ma'lumotlarning tuzilishini" o'rganish imkoniyatini beradi.
"Klaster" tushunchasining o'zi noaniq ta'riflangan: har bir tadqiqotning o'ziga xos "klasterlari" mavjud. Klaster tushunchasi “klaster”, “tuda” deb tarjima qilingan.
Klaster umumiy xususiyatlarga ega bo'lgan ob'ektlar guruhi sifatida tavsiflanishi mumkin.
Klasterning xarakteristikalari ikki xil bo'lishi mumkin:

• 
  ichki bir xillik;
  
• 
  tashqi izolyatsiya.
  

Tahlilchilar ko'p muammolarni hal qilishda so'raladigan savol - ma'lumotlarni vizual tuzilmalarga qanday tartibga solish, ya'ni. taksonomiyalarni kengaytiradi.
Klasterlash dastlab biologiya, antropologiya va psixologiya kabi fanlarda keng qo'llanilgan. Klasterlash iqtisodiy ma'lumotlar va hodisalarning o'ziga xos xususiyati tufayli uzoq vaqtdan beri iqtisodiy muammolarni hal qilishda kam qo'llanilgan.
2-jadvalda tasniflash va klasterlash masalalarining ayrim parametrlarini taqqoslash keltirilgan.

jadval 2

Shaklda. 8 tasniflash va klasterlash muammolarini sxematik tarzda taqdim etadi.

Guruch. 8 - Klassifikatsiya va klasterlash masalalarini taqqoslash

Klasterlar ajratilgan yoki eksklyuziv ( bir - birining ustiga tushmaydigan , eksklyuziv ) va kesishuvchi ( bir-biriga mos keladigan ) bo'lishi mumkin.

Bir-birining ustiga tushmaydigan va kesishuvchi klasterlarning sxematik ko'rinishi shaklda keltirilgan. 9.



Guruch. 9 - ajratilgan va kesishgan klasterlar
Shuni ta'kidlash kerakki, klaster tahlilining turli usullarini qo'llash natijasida har xil shakldagi klasterlarni olish mumkin. Masalan, "zanjirli" tipdagi klasterlar, agar klasterlar uzun "zanjirlar", cho'zilgan klasterlar va boshqalar bilan ifodalangan bo'lsa, mumkin va ba'zi usullar ixtiyoriy shakldagi klasterlarni yaratishi mumkin.
Turli usullar ma'lum o'lchamdagi (masalan, kichik yoki katta) klasterlarni yaratishga intilishi yoki ma'lumotlar to'plamida turli o'lchamdagi klasterlar mavjudligini taxmin qilishi mumkin.
Ba'zi klasterlarni tahlil qilish usullari shovqin yoki tashqi ko'rsatkichlarga ayniqsa sezgir, boshqalari esa kamroq.
Klasterlashning turli usullarini qo'llash natijasida turli xil natijalarga erishish mumkin, bu normaldir va ma'lum bir algoritmning ishlashining o'ziga xos xususiyati hisoblanadi.
Klasterlash usulini tanlashda ushbu xususiyatlarni hisobga olish kerak. Bugungi kunga qadar yuzdan ortiq turli xil klasterlash algoritmlari ishlab chiqilgan.
Klasterlashtirishga yondashuvlarning qisqacha tavsifi

• 
  Ma'lumotlarni taqsimlashga asoslangan algoritmlar ( bo'limga bo'lish algoritmlar ), shu jumladan. iterativ:
  
  • 
    k klasterlarga bo'lish ;
    
  • 
    Klasterlashni yaxshilash uchun ob'ektlarni takroriy qayta taqsimlash.
    
• 
  Ierarxiya algoritmlari:
  
  • 
    aglomeratsiya: har bir ob'ekt dastlab klaster, klasterlar, bir-biri bilan bog'lanadi, kattaroq klasterni hosil qiladi va hokazo.
    
• 
  Ob'ektlarning kontsentratsiyasiga asoslangan usullar ( Zichlik - asoslangan usullari ):
  
  • 
    ob'ektlarni ulash qobiliyatiga asoslangan;
    
  • 
    shovqinga e'tibor bermang va ixtiyoriy shakldagi klasterlarni toping.
    
• 
  Gridga asoslangan usullar:
  
  • 
    ob'ektlarni grid tuzilmalariga kvantlash.
    
• 
  Model usullari (modelga asoslangan):
  
  • 
    ma'lumotlarga eng mos keladigan klasterlarni topish uchun modeldan foydalanish.