ОБЪЕКТЛАРНИНГ МУҲИМЛИЛИК ДАРАЖАЛАРИГА МОС КЛАСТЕРЛАШ ВА СИНФЛАШТИРИШ АЛГОРИТМЛАРИ

Fayzulla Ollamberganov

Авторы

Fayzulla Ollamberganov Муҳаммад-ал Хоразмий номидаги Тошкент ахборот технологиялари университети

Ключевые слова:

Кластерлаш, синфлаштириш, объектларни муҳимлилик даражаси, объектни синфларга қўшган ҳиссасини баҳолаш мезони

Аннотация

Мақолада белгилар қиймати аниқ сонлардан иборат бўлган объектларни кластерлаш ва синфлаштириш масаласи муфассал тадқиқ этилган. Ушбу тадқиқотда берилган барча объектлар ихтиёрий равишда r-та синфга ажратилади. Бу синфлар мажмуаси ўқув танланма деб аталади. Ўқув танланманинг йўл элементлари объектлар бўлиб, устун элементлари эса белгилар сифатида қаралади. Бизнинг ҳолатимизда белгилар аниқ сонлар орқали берилади.

Ўқув танланмани дастлабки ишлов бериш жараёнида объект белгиларини нормаллаштириш, аномал маълумотларни олиб ташлаш ва улар ўрнида нормал маълумотларни қўйиш, ҳамда ўқув танланмадан тушиб қолган маълумотларни тиклаш амалга оширилади. Мақолада ҳар бир объект тадқиқ этилади ва танланмадаги объектнинг муҳимлиги мезон орқали баҳоланади. Бу мезон объектнинг тадқиқ этилаётган синф шаклланишига қўшган ҳиссасини баҳолашга ёрдам беради. Биринчи навбатда объектнинг ўз синфига қўшган ҳиссаси, сўнгра қолган синфларни шаклланишига қўшган ҳиссаси баҳоланади. Агар тадқиқ этилаётган объектнинг қандайдир синф шаклланишига қўшган ҳиссаси юқори бўлса, ушбу объект ўша синфга ўтказилади. Бу жараён барча синф объектлари учун кетма-кет тўлиқ равишда бир неча марта амалга оширилади. Жараён объектлар жойи ўзгармасдан ва ўхшашлик даражаси керакли фоиздан ошганда тўхтатилади.

Библиографические ссылки

MacQueen, J. (1967). "Some Methods for Classification and Analysis of Multivariate Observations." Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, Volume 1, pp. 281-297.

Johnson, S.C. (1967). "Hierarchical Clustering Schemes." Psychometrika, Volume 32, Issue 3, pp. 241-254. DOI: 10.1007/BF02289588

Bishop, C.M. (2006). Pattern Recognition and Machine Learning. Springer. ISBN: 978-0387310732.

Mitchell, T.M. (1997). Machine Learning. McGraw-Hill. ISBN: 978-0070428072.

Iglewicz, B. & Hoaglin, D.C. (1993). How to Detect and Handle Outliers. Springer. ISBN: 978-0387978591.

Dunn, J.C. (1973). "A Fuzzy Relative of the ISODATA Process and its Use in Detecting Compact Well-Separated Clusters." Journal of Cybernetics, Volume 3, Issue 3, pp. 32-57. DOI: 10.1080/01969727308546059

Atoev, S., Nishanov, A., & Abdirazakov, F. (2021, November). Object Tracking Method Based on Kalman Filter and Camshift Algorithm for UAV Applications. In 2021 International Conference on Information Science and Communications Technologies (ICISCT) (pp. 1-4). IEEE.

Нишанов, А. Х., & Холбоев, Б. М. (2022). Разработка и исследование методов определения информативных наборов признаков при распознавании одного типа явлений. in техника и технологии: пути инновационного развития (pp. 227-230).

Nishanov, A. K., Allamov, O. T., Ruzibaev, O. B., Abdullaev, A. S., & Allamova, S. T. (2021, November). An approach to finding the most optimal route in a dynamic graph. In 2021 International Conference on Information Science and Communications Technologies (ICISCT) (pp. 01-05). IEEE.

Nishanov, A. K., Akbaraliev, B. B., & Djurayev, G. P. (2020, November). A symptom selection Algorithm based on classification errors. In 2020 International Conference on Information Science and Communications Technologies (ICISCT) (pp. 1-4). IEEE.

Rakhmanov, A. T., Nishanov, A. K., Ruzibaev, O. B., & Shaazizova, M. E. (2020, November). On one method for solving the multi-class classification problem. In 2020 International Conference on Information Science and Communications Technologies (ICISCT) (pp. 1-4). IEEE.

Nishanov, A. H., Akbaraliev, B. B., & Tajibaev, S. K. (2020, October). About one feature selection algorithm in pattern recognition. In World Conference Intelligent System for Industrial Automation (pp. 103-112). Cham: Springer International Publishing.

Nishanov, A. K., Ruzibaev, O. B., Chedjou, J. C., Kyamakya, K., Abhiram, K., De Silva, P., ... & Khasanova, M. A. (2020). Algorithm for the selection of informative symptoms in the classification of medical data. In Developments of Artificial Intelligence Technologies in Computation and Robotics: Proceedings of the 14th International FLINS Conference (FLINS 2020) (pp. 647-658).

Nishanov, А. H., & Samandarov, B. S. (2015). Assessment model of monitoring and defining the completeness of course elements of information systems. Europaische Fachhochschule, (5), 56-58.

Nishanov. A. Kh, (1999). Turakulov Kh. A., Turakhanov Kh. V. A decision rule for identification of eye pathologies. Biomedical Engineering, 33(4), 178-179.

Камилов, М. М., Фазылов, Ш. Х., & Нишанов, А. Х. (1992). Метод выбора признаков с использованием критерия информативности фишеровского типа. Узбекский журнал «Проблемы информатики и энергетики», (2), 9.