<<
>>

2.1.5 Классификация методов кластерного анализа, основанных на использовании понятий дистанционной меры и нечеткого множества.

Среди; методов классификации, использующих понятие нечеткого множества, можно вьщелить матричные методы, основанные на использовании нечетких матриц.

Исходные данные представляются в виде матриц, компонентами которых служат одно- или двух-аргументные функции.

Функции сравнения удобно задавать матричными формами, а т.к. каждый элемент матрицы;является при этом нечеткой функцией, то и сама матрица является нечеткой матрицей.

Необходимость, рассмотренных в этом подпункте методов, связана с тем, что при различных методах сбора информации с дальнейшей задачей их классификации, часть атрибутов характеристик объектов может быть задана функциями принадлежности к множеству достоверных характеристик (например, если мы рассмотрим; данные опросов, то под множеством достоверных характеристик будем понимать правильные ответы на вопросы).

<< | >>
Источник: Стадник Алексей Викторович. Использование искусственных нейронных сетей и вейвлет-анализа для повышения эффективности в задачах распознавания и классификации. 2004

Еще по теме 2.1.5 Классификация методов кластерного анализа, основанных на использовании понятий дистанционной меры и нечеткого множества.:

  1. 2.1.2 Методы классификации данных, использующие понятие дистанционной меры и нечеткого множества.
  2. 2.1.4 Методы классификации данных, основанные на использовании функции расстояния.
  3. 3.2 Разработки стратегии структурного реинжиниринга промышленного предприятия на основе использовании методов нечеткой логики
  4. 1. Понятие множества. Операции над множествами. Отображения. Характеристическая функция множества
  5. 7.2. Кластерный анализ
  6. 4.1.4. Кластерный анализ.
  7. Кластерный анализ.
  8. 2.3. Разработка методов классификации качества и пригодности технологических процессов 2.3.1. Дискриминантный анализ в задаче классификации с учетом коррелированности показателей  
  9. 2.1.3 Основная задача кластерного анализа
  10. 7.2.1. Иерархический кластерный анализ
  11. 9. Нигде не плотные множества. Понятие категории множеств метрического пространства. Теорема Бэра