кластеризація

Дослідження спрямоване на розробку тестового опитування для ефективного відбору фахівців в ІТ-галузі, що базується на використанні сучасних методів машинного навчання, зокрема кластерного аналізу з застосуванням методу k-середніх. Зважаючи на обмежений доступ до існуючих тестувальних платформ, які зазвичай доступні лише для великих компаній на платній основі, було прийнято рішення створити альтернативний веб-додаток. Цей додаток стане доступним інструментом для більш широкого кола користувачів та дозволить автоматизувати процес оцінки навичок кандидатів.

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.

Пропонується гнучкий і універсальний підхід для опису електричних схем та дерева згортання, за яким можна оптимізувати виконання ключових етапів ієрархічної кластеризації.

A flexible and universal approach for presentation of electric circuits and reduction tree, which can optimizes the performance of key stages of hierarchical clustering is proposed.

Описано три підходи до кластеризації робочого поля для задачі комівояжера, що забезпечує поділ множини точок на частини з заданими обмеженнями. Один із відомих алгоритмів використовується для отримання розв’язків в кожному кластері з подальшим зшиванням часткових розв’язків.

Article describes three approaches to clustering set of points of TSP into subsets with given constraints. One of the well-known basic algorithms is used for solutions at every cluster with further joining of partial solutions.

У сучасну епоху, управління та візуалізація геопросторової інформації у веб-браузерах набули більшого значення. Веб-карти є незамінними інструментами в різних областях, таких як туризм, доставка товарів чи екологія. Важливим є також широка підтримка веб-браузерів на різних пристроях, що робить використання геоданих у веб більш доступним для різних користувачів. Але постійне збільшення геопросторової інформації створює нові виклики у ефективному відображенні даних та навігації по цих даних на веб-картах. Тому при роботі з геоданими важливою є їх кластеризація.

Головна мета статті – аналіз інтелектуальної системи кластеризації користувачів со- ціальних мереж на основі аналізу тональності даних. Основна мета цієї інтелектуальної системи – формування загального «образу» користувача системи за допомогою аналізу тональності даних соціальних мереж користувача та їх подальшої кластеризації. Спроєктовано інтелектуальну систему, яка з використанням алгоритмів Identity та Access/Refresh JWT токенів забезпечує швидкі та максимально безпечні функції реєстрації, автентифікації та опрацювання різних сеансів користувачів системи.

Здійснено порівняльний кластерний аналіз соціально-економічного стану та розвитку районів Львівської області за п’ятирічний період. Виявлено показники, які найбільше впливають на формування кластерів. Запропоновано підхід, що може слугувати підґрунтям для розробки ефективних інструментів управління територіями на підставі аналізу статистичних соціально-економічних показників.

Наведено методи побудови моделі поведінки користувачів, які дадуть змогу виявити закономірності планування зустрічей друзів на підставі аналізу їхнього щоденного руху. Для цього попередньо проаналізовано низку методів і алгоритмів кластеризації даних і виокремлено особливості їхнього застосування. З'ясовано, що основними перевагами методів кластеризації даних на підставі їхньої щільності є можливість виявлення кластерів вільної форми різного розміру та стійкості до шуму та викидів.

Нині існує багато алгоритмів кластеризації документів, кожен з яких має певні переваги та недоліки. Запропонований у цій статті алгоритм є спробою компромісу між якістю категоризації документів і вимогами до обчислювальних ресурсів, залишаючись незалежним від мови документів. Алгоритм використовує техніку пошуку ключових слів документів для формування вхідних даних та карти Кохонена в поєднанні з ієрархічною кластеризацією для категоризації та візуалізації документів.

Розглянуто особливості використання методу оптимального згортання схеми
для острівкування енергетичних мереж. Запропоновано модифікований алгоритм
послідовно-паралельного згортання з формуванням ієрархічно вкладених кластерів.
Обґрунтовано переваги розробленого алгоритму й описано його програмну реалізацію,
застосовувану для острівкування енергетичних мереж.