Жернова П. Є. Нечітка кластеризація потоків даних за умов невідомої кількості кластерів

У дисертаційній роботі запропоновано ансамбль самоорганізовних карт Т. Кохонена, який базується на використанні онлайн методу К-середніх. Такий підхід дозволяє обробляти інформацію, яка надходить на вхід системи спостереження за спостереженням. На відміну від існуючих методів кластеризації використання ансамблевого підходу дозволяє обійти проблему, коли кількість класів заздалегідь невідома, оскільки кожна з мереж Кохонена налаштована на свою кількість кластерів. Вдосконалено метод, заснований на ансамблевому підході, з використанням ядерних самоорганізовних карт Т. Кохонена, що дозволило завдяки додатковому прихованому ядерному шару нейромережі підвищити розмірність вхідного простору, що дає змогу кластеризувати дані, які є лінійно нероздільними. Розроблено ансамбль нейро-фаззі самоорганізовних карт Т. Кохонена для кластеризації потоків даних, який за допомогою використання вдосконаленого методу С-середніх та додаткового ядерного шару здатний обробляти інформацію, що є лінійно нероздільною, а також обробляти кластери довільної форми. Саме це дозволяє обробляти дані високої розмірності та уникнути ефекту концентрації норм. Вдосконалено ансамбль самоорганізовних карт Т. Кохонена для кластеризації потоків даних високої розмірності, який обробляє інформацію, що надходить на вхід системи з використанням двох підходів: імовірнісного та можливісного.