И.Д. Мандель - Кластерный анализ (1185344), страница 38
Текст из файла (страница 38)
1. Нуждаются в разработке алгоритмы (нли коллективы алгоритмов), выделяющие кластеры сразу в смысле нескольких определений, т. е. последовательно проверяющие каждый «сгусток» на наличие разных желаемых свойств. 2. Требуется большая работа по теоретическому н экспериментальному сравнению многочисленных алгоритмов, организации убедительных тестов и полигонов, на которых должны проверяться старые и особенно новые методы.
Было бы очень полезно централизовать этот процесс, поручив какой-либо научной организации создать банк алгоритмов и программ и организовать их всестороннюю проверку. 3. Требуется повысить уровень «диагностики данных», т. е. научиться хорошо решать задачу выбора конкретных алгоритмов в зависимости от предварительно известных свойств массива наблюдений. 4.
Можно ожидать более интенсивного развития и использования методов, направленных на выделение совокупностей с заранее заданными свойствами и на работу в пространстве структурных параметров, а не исходных показателей (см. 3.2). 5. Программное обеспечение кластерного анализа пока исполнено главным образом в пакетном режиме. Между тем высока потребность в создании могцных диалоговых систем, в которых сочетаются быстрые алгоритмы классификации и удобные средства настройки параметров, визуализации данных и интерпретации результатов расчетов.
СПИСОК ЛИТЕРАТУРЫ !. Энгельс Ф. Диалектика природы//Маркс К., Энгельс Ф. Соч.— 2-е изд.— Т. 20. 2. Ленин В. И. Капиталистический строй современного земледелия//Полн. собр. соч.— Т. 27.— С. 208. 3. Айвазян С. А., Енюкое И. С., Мешалкам Л. Д. Прикладная статистика.— Т. !. Основы моделирования и первичная обработка данных. — Мл Финансы и статистика, 3983. †4 ел †. 2. Исследование зависимостей, !985.
†4 с.' 4. Айвазян С. А., Енюков И. С., Мешалкам Л. Д. О структуре н содержании пакета программ по прикладному статистическому анализу//Алгоритмическое и программное обеспечение прикладного статистического анализа. — М., !980. — С. 7 — 62. 5. Айвазян С. А., Бшкаева Э. И., Староверов О. В. Классификация многомерных наблюдений. — Мл Статистика, 1974. †2 с. 6. Айзермая М. А., Браверман Э.
И., Роэоноэр Л. И. Метод потенциальных функций в теории обучения машин. — Мл Наука, !970. †3 с. 7. Алгоритмическое и программное обеспечение прикладного статистического анализа.— Мз Наука, !980.— 424 с. 8. Алимов Ю. И. Альтернатива методу математической статистики.— Мл Знание, 1980.— 64 с. 9. Алраушева Н.
Н. Об использовании смесей нормальных распределений в распознавании образов: Автореферат на соискание уч. степени канд. физ.-мат. наук.— Мз ВН АН СССР, !98!.— 16 с. !О. Алргсян Ю. Д. Алгоритм построения нлассон по матрице расстояний. Машинный перевод и прикладная лингвистика.— Вып. 9.— 1966.— С. 3 — 18. !1. Аркадьев А.
Г., Браверман Э. М. Обучение машины классификации объектов.— Мл Наука, !97!.— 192 с. !2. Аскаров Г. Ю, Лось В. Л., Карепова Р. И. Геологическое районирование Восточного Казахстана с помощью кластерного анализа//Математическое обеспечение задач геологического прогнозирования.— Алма-Ата: КаэИМС, 1984.— С. 21 — 38. 13. Бауман Е.
В. Методы классификационной обработки в задачах экспертизы// ! Всесоюзное совещание по статистическому и дискретному анализу нечисловой информации, экспертным оценкам и дискретной оптимизации.— М.— АлмаАта, !98!.— С. 408 — 409. !4. Бауман Е. В., Дорофеюк А. А. Рекуррентиые алгоритмы автоматической классификации//Автоматика и телемеханика.— 1982.— № 3.— С. 95 — 105. !5. Беккер В А., Лукацкая М. Л. Об анализе структуры матрицы коэффициентов связи//Вопросы экономико.
статистического моделирования и прогнозирования в промышленности.— Новосибирск, !970.— С. 273 — 284. !6. Браверман Э. М., Мучяик И. Б. Структурные методы обработки эмпирических данных.— Мл Наука, !983.— 464 с. !7. Бородкин Л. И. Многомерный статистический анализ в исторических исследованиях.— Мз МГУ, !986.— !88 с. 18. Бухштабер В. М., Маслов В. И., Зеленюк Е.
А. Методы анализа и построения алгоритмов автоматической классификации на основе математических моделей//Прикладная статистика.— Мз Наука, !983,— С. !26 — 144. 19. Вааник В. Н. Восстановление зависимостей по эмпирическим данным.— Мл Наука, !979.— 424 с. 20. Васильев В. И. Распознающие системы: Справочник.— Киев: Наукова думка, 1983.— 424 с. !68 21. Воронин Ю. А. Теория классифицирования и ее приложения.— Новосибирск. Наука, 1985.— 232 с.
22. Воронин Ю. А., Гафуров Д. 3., Шевченко Н. Г. Некоторые классификационные вопросы распознавания.— Новосибирск: ВБ СО АН СССР, !983/Препринт № 380.— 24 с. 23. Всесоюзная конференция «Нечисловая статистика, экспертные оценки и смежные вопросы»: Тезисы докладов.— М.-Таллин, 1984.— 404 с. 24. / Всесоюзное совещание по статистическому и дискретному анализу нечисловой информации, экспертным оценкам и дискретной оптимизации: Тезисы докладов.— М.-Алма-Ага: ВСНТО, 198!.— 440 с.
25. Гамбаров Г. М., Мандель И. Д., Рыбина И. А. О некоторых метриках, возникающих в задачах обработки данных//Автоматика и телемеханнка.— 1980.— № 12.— С. 116 — 129. 26. Гильбурд М. М. Об эвристических методах решения задачи разбиения множества взаимосвязанных объектов//Автоматика и телемеханика.— 1984.— № 1.— С. 107 — 113. 27. Гришин В. Г.
Образный анализ экспериментальных данных.— Мг Наука, 1982.— 240 с. 28. Гуд И. Дж. Вотриология ботриологиноКлассификация и иластер.— Мл Мир, ! 980.— С. 66 — 82. 29. Диде 3. и др. Методы анализа даниык. — Мл Финансы и статистика, !985. 360 с. 30. Дорофгюк А. А. Алгоритмы автоматической классификации: Обзор//Автоматика и телемеханнка. †19. — № 12. — С. 78 в 113.
31. Дубровский С. А. Прикладной многомерный статистический анализ. — Мл Финансы и статистика, 1982. — 2!6 с. 32. Дуда Р., Харт П. Распознавание образов и анализ сцен. — Мл Мир, 1975. — 5!2 с. 33. Дюран Н., Оделл П. Кластерный анализ. — Мл Статистика, !977. †1 с. 34. Елисеева И. И., Рукавишников В. С. Группировка, корреляция, распознавание образов. — Мл Статистика, 1977.
†1 с. 35.Житков Г. Н. Некоторые методы автоматической классификации: Обзор// Структурные методы опознавания и автоматическое чтение.— Мл ВИНИТИ, 1970.— С. 68 — 85. 36. Журавлева Ю. И., Юнусов Г. Об одном способе уточнения алгоритма таксономии прн помощи распознающих методов типа голосовании//ЖВМ и МФ.— !971.— Т. 1!.— № 5.— С. 1344 — 1347. 37. Загоруйко Н. Г. Методы распознавания и ик применение.
— Мг Советское радио, 1972.— 288 с. 38. Загоруйко Н. Г. Таксономия в анизотропном пространстве//Эмпирическое предсказание и распознавание образов. — Новосибирск; !978. — С. 26 — 35. 39. Заде Л. А. Размытые множества и их применение в распознавании образов и кластер-анализе//Классификация и иластер, — Мл Мир, !980. — С. 208 †2. 40.
Закс Л. Статистическое оцениванне. — Мл Статистика, !976. †6 с. 41. Иванов В. В., Пухло С. В. Преобразование матриц сходства для целей группировки и упорядочения объектов//Комплексное применение математических методов в социологических исследованиях.— М: ИСИ АН СССР, 1983.— С. 57 — 67. 42. Ивахненко А.'Г., Коала Ю. В., Петухова С. А., Ивахненко М. А. Применение самоорганизации для разбиения множества данных на заранее незаданное число кластеров//Автоматика и телемеханика.— 1985.— С.
9 — 16. 43. Каменский В. С. Методы и модели неметрнческого шкалирования: Обзор// Автоматика и телемеханика.— !977.— № 8.— С. 118 — 156. 44. Кендэл М. Ранговые корреляции.— Мл Статистика, !975.— 214 с. 45. Кильдишгв Г.
С., Аболгнцгв Ю. И. Многомерные группировки.— Мг Статистика, 1978.— !60 с. 46. Котюков В, И. Многофакторные кусочно-линейные модели.— Мл Финансы и статистика, 1984.— 216 с. 47. Лейбкиид А. Р., Рудник Б. Л., Тихомиров А. А. Математические методы и модели формирования организационных структур управления.— Мл МГУ, !982.— 232 с.
169 48 ч7игвак Б. Г. Экспертная информация. Методы получения н анализа.— Мс Радио и связь, 1980.— !84 с. 49. Лумельский В. Я Группировка параметров на основе квадратной матрицы свизей0Автоматика и телемеханнка.— !970.— № 1.— С. 1ЗЗ вЂ” 143. 50. Мандель И Д. К вопросу об унификации определений0Философские наукн— 1975 — № 6.— С 134 — 138 51. Мандель И Д. Статистические критерии в оценке зависимости многомерной классификации//Методические разработки молодых ученых.— Алма-Ага: АИНХ, 1979.— С.
68 — 69. 52. Мандель И. Д. Эффективность живого труда и эффективность производства!! Статистическое изучение производительности труда. — Мс Наука, 1981.— С. 274 †2. 53.Мандель И Д О постановке задачи интенсионального статистического анализа// Количественные методы при металлогеническом анализе и прогнозировании полезных ископаемых.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
