Розроблено і досліджено методи й алгоритми неієрархічної кластеризації, які дають змогу визначити оптимальну початкову кількість кластерів без будь-якої початкової інформації про їхнє розміщення. Розроблені методи і алгоритми досліджено на відомому тестовому наборі Iris.
Developed and studied the methods and non-hierarchical clustering algorithms for determining the optimal initial number of clusters without any background information on the location of the clusters. The methods and algorithms are studied in the famous test set Iris.
1. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Модели и методы анализа данных: OLAP и Data Mining. – СПб.: БХВ-Петербург, 2004. – 236 с. 2. Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. – СПб.: БХВ-Петербург, 2007. – 384 с. 3. Ким Дж.-О., Мьюллер Ч.У., Клекка У.Р. Факторный, дискриминантный и кластерный анализ: пер. с англ. – М.: Финансы и статистика 1989. – 215 с. 4. Ту Дж., Гонсалес Р. Принципы распознавания образов: пер. с англ. – М.: Мир, 1978. – 411 с. 5. Классификация и кластер / под ред. Дж. Вэн Райзина: пер. с англ. – М.: Мир. – 389 с. 6. Jain A.J., Murty M.N., Flynn P.J. Data clustering: a review // ACM Computing Surveys, 1999. –
V. 31, № 3. – P. 264–323. 7. Стех Ю.В., Файсал М.Е. Сардіх, Лобур М.В., Керницький А.Б. Алгоритм пошуку оптимальної кількості кластерів // Вісник Національного університету «Львівська політехніка». – 2009. – № 651. – С. 129–132.