Проверяемый текст
Сафонов, Павел Олегович. Анализ состояния и рациональное управление медицинским обслуживанием населения сельского административного района с применением ГИС-технологий (Диссертация 2007)
[стр. 98]

90 Основной чертой таких процедур является использование ими только одного понятия кластера.
Скажем, в группе методов
/г-средних объекты попадают в тот класс, расстояния, до центра которого минимальны, т.
е.
реализуется одно из определений кластера.
Это означает, что все классы разбиения будут удовлетворять именно этому определению.
Если предположить, что некоторые исходные данные в самом деле имеют причудливый вид, то алгоритмы этого типа не смогут их разделить.
Поэтому крайне интересно создать процедуры комбинированной прямой классификации, которые бы выделяли классы в смысле нескольких определений, т.
е.
подыскивали бы для каждого скопления свойственное ему определение кластера
[34].
Требование к хорошей классификации предъявляют не только в терминах определений отдельных кластеров.
Часто общее представление о качестве классификации формулируется в виде некоторого функционала,
экстремальное значение которого соответствует наилучшей классификации.
Это второе оптимизационное направление в решении задачи кластеранализа сформировалось позже первого и представляет богатую и разветвленную дисциплину.
Остановимся на некоторых методических аспектах,
касающихся связи двух подходов.
Оптимизационное направление пытается задачу кластер-анализа ввести в традиционное математическое русло, четко сформулировать критерий и добиваться его экстримизации.
При этом, естественно, возникают чисто математические проблемы: определения свойств функционала, путем достижения оптимума, трудоемкости алгоритма
[67]-; Наконец можно выделить третье направление решения задачи кластеризации, наиболее позднее по срокам развития.
Его можно называть аппроксимационным.
Основная идея подхода заключается в следующем: отношения, заложенные в исходных данных, требуется наилучшим образом аппрок
[стр. 93]

Основной чертой таких процедур является использование ими только одного понятия кластера.
Скажем, в группе методов
^-средних объекты попадают в тот класс, расстояния, до центра которого минимальны, т.
е.
реализуется одно из определений кластера.
Это означает, что все классы разбиения будут удовлетворять.именно этому определению.
Если предположить, что некоторые исходные данные в самом деле имеют причудливый вид, то алгоритмы этого типа не смогут их разделить.
Поэтому крайне интересно создать процедуры комбинированной прямой-классификации, которые бы выделяли классы в смысле нескольких определений, т.
е.
подыскивали бы для каждого скопления свойственное ему определение кластера
[38].
Требование к хорошей классификации предъявляют не только в терминах определений отдельных кластеров.
Часто общее представление о качестве классификации формулируется в виде некоторого функционала,
экстреI мальное значение которого соответствует наилучшей классификации.
Это второе оптимизационное направление в решении задачи кластеранализа сформировалось позже первого и представляет богатую и разветвленную дисциплину.
Остановимся на некоторых методических аспектах,
ка4 сающихся связи двух подходов.
Оптимизационное направление пытается задачу кластер-анализа ввести в традиционное математическое русло, четко сформулировать критерий и добиваться его экстримизации.
При этом, естественно, возникают чисто математические проблемы: определения свойств функционала, путем достижения оптимума, трудоемкости алгоритма
[66].
..
.
Наконец можно выделить третье направление решения задачи класте-'
ПО:»Л.' ..
I»>1■•*1\* ризации, наиболее позднее по срокам развития.
Его можно называть аппроксимационным: Основная идея подхода заключается в следующем: отношения, заложенные в исходных данных, требуется наилучшим образом аппрок-I
' 93

[Back]