26,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
13 °P sammeln
  • Broschiertes Buch

Metody klasteryzacji mają na celu uzyskanie jednorodnych podzialów obiektów, jednocześnie promując heterogenicznośc między tymi podzialami. Każde podejście do klasteryzacji, takie jak metody hierarchiczne, partycjonujące i neuronowe, ma ostatecznie swoje zalety i ograniczenia. Skupiamy się na metodach neuronowych, ponieważ pokonują one ograniczenia metod hierarchicznych i partycjonowania i są najbardziej odpowiednimi metodami klasteryzacji do stosowania w przypadku dużej ilości danych. W niniejszej pracy proponujemy algorytm multi-SOM wykorzystujący inne kryterium oceny. Konieczny jest zatem…mehr

Produktbeschreibung
Metody klasteryzacji mają na celu uzyskanie jednorodnych podzialów obiektów, jednocześnie promując heterogenicznośc między tymi podzialami. Każde podejście do klasteryzacji, takie jak metody hierarchiczne, partycjonujące i neuronowe, ma ostatecznie swoje zalety i ograniczenia. Skupiamy się na metodach neuronowych, ponieważ pokonują one ograniczenia metod hierarchicznych i partycjonowania i są najbardziej odpowiednimi metodami klasteryzacji do stosowania w przypadku dużej ilości danych. W niniejszej pracy proponujemy algorytm multi-SOM wykorzystujący inne kryterium oceny. Konieczny jest zatem przegląd miar oceny proponowanych w literaturze. Niemniej jednak metoda multi-SOM, wraz ze swoją silą i skutecznością w wyznaczaniu granic klastrów, ma również ograniczenia w zakresie warunków zatrzymania.