Дослідження та моделювання нейрофаззі мережі Кохонена для кластеризації викривлених даних

Abstract

Об’єктом дослідження є процес кластеризації даних із пропусками або викривленнями. Метою дослідження є розробка і моделювання нейро-фаззі мережі Кохонена для кластеризації викривлених даних, оцінка її ефективності у порівнянні з традиційними методами кластеризації. Використано методи нейронної мережі Кохонена в комбінації з фаззі логікою для підвищення точності кластеризації викривлених даних. Проведено дослідження та порівняння методів кластеризації на основі реальних датасетів з різною кількістю викривлених даних. У результаті дослідження здійснена програмна реалізація нейро-фаззі мережі Кохонена для кластеризації викривлених даних та отримано якісні характеристики алгоритму у порівнянні з класичними алгоритмами Fuzzy C Means та Густафсона-Кесселя.