https://libeldoc.bsuir.by/handle/123456789/34612| Title: | Approach to determining the number of clusters in a data set |
| Other Titles: | Подход к определению количества кластеров в наборе данных |
| Authors: | Ishchenko, I. Globa, L. S. Buhaienko, Y. Liashenko, A. |
| Keywords: | материалы конференций;clustering;decision-making system;data analyses;optimization;fuzzy logic;elbow method;X-means clustering;silhouette method |
| Issue Date: | 2019 |
| Publisher: | БГУИР |
| Citation: | Approach to determining the number of clusters in a data set / I. Ishchenko [et al.] // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2019) : материалы международной научно-технической конференции, Минск, 21 - 23 февраля 2019 г. / Белорусский государственный университет информатики и радиоэлектроники; редкол.: В. В. Голенков (гл. ред.) [и др.]. - Минск, 2019. - С. 151 - 154. |
| Abstract: | For different decision-making systems, they build knowledge bases with sets of fuzzy logic rules and when constructing these rules on the basis of statistical information, a complex question is the determination of the number of clusters. The article is devoted to the analysis of methods that allow to automatically determine the number of clusters and their application in decision-making systems. The analysis conducted helped to distinguish the elbow method as the most suitable of all the scanned ones. This was able to find the optimal number of clasters on a test data set. |
| Alternative abstract: | Для различных технических систем принятия решений создают базы знаний с наборами правил нечеткой логики. При построении таких правил на основе статистической информации сложным вопросом является определение количества кластеров. Статья посвящена анализу методов, позволяющих автоматически определять количество кластеров с целью их применения в системах принятия решений. Проведенный анализ математических методов, позволяющих автоматически определять количество кластеров при построении нечеткой базы знаний, а значит и количество нечетких правил, позволяет выделить метод «локтя» как наиболее подходящий. Метод позволил найти оптимальное количество кластеров в наборе тестовых данных. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/34612 |
| Appears in Collections: | OSTIS-2019 |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Ishchenko_Approach.PDF | 209.03 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.