нечітка кластеризація

Запропоновано архітектуру та методи самонавчання гібридної нейрофаззі системи обчислювального інтелекту для кластерування даних за умов, коли кластери, що формуються, можуть мати довільну форму і взаємно перетинатися. В основу запропонованої системи покладено нечітку узагальнену регресійну нейронну мережу та нейро-фаззі кластерувальну мережу Т. Когонена, налаштування яких основано як на лінивому навчанні, так і на навчанні, що ґрунтується на оптимізації.

Проаналізовано поточний стан розробки та застосування рекомендаційних систем, моделей і методів побудови рекомендаційних систем. Показано, що найбільш широко використовується метод колаборативної фільтрації фільтрації. Розроблено метод нечіткої кластеризації, який підвищує точність прогнозування рейтингів продуктів.

The problem of clustering vector data sets with missing values in some components is considered. The adaptive approach to clustering of data in situation then classes overlap is proposed. The basis of the approach is the using of the modified Kohonen maps with the neighborhood function of special kind.