Радивоненко О. С. Моделі та методи нечіткого кластерного аналізу даних в умовах невизначеності

Дисертацію присвячено розробці моделей та інтелектуальних методів кластерного аналізу даних, що дозволяють проводити класифікацію даних в умовах апріорної невизначеності щодо стуктури розбиття та кількості кластерів, а також врахувати інтуїтивне уявлення про угрупування даних, тим самим забезпечуючи підвищення якості класифікації. В дисертації запропоновано метод нечіткого кластерного аналізу даних на підставі розбиття множини на класи еквівалентності по нечіткому відношенню та модель формування ознакового простору в задачах кластерного аналізу зображень, яка на відміну від існуючих використовує хаотичні відображення, що дає можливість істотно знизити кореляційні залежності між елементами зображень. Результати, які отримано, розширено на класи задач стиснення і кодування графічної інформації, формування апроксимаційних нечітких моделей складних об'єктів та методи обробки часових рядів біомедичних даних, що дозволило підвищити якість угрупування даних в умовах апріорної невизначеності щодо стуктури розбиття та кількості кластерів. Синтезовані моделі та методи підтвердили свою ефективність при створенні систем аналізу біомедичної інформації для виділення груп епідемічних даних при розрахунках толерантних меж неепідемічної захворюваності на грип та гострі респіраторні вірусні інфекції, при створенні систем підтримки проектних рішень на стадії ескізного проектування авіаційних газотурбінних двигунів для формування апроксимаційної нечіткої моделі двигуна, а також в системах аналізу візуальної інформації для кодування та стиснення зображень.