Задача кластерного анализа является одной из наиболее распространенных в анализе данных. Существует достаточно много различных подходов и методов для ее решения. Однако результат кластеризации достаточно сильно зависит от выбора систем признаков, мер близости объектов, способов формализации представлений об эквивалентности объектов и кластеров. В результате полученные решения могут быть далекими друг от друга, вырожденными или не соответствующими объективно существующим группировкам. В данной статье рассматриваются методы решения задачи коллективами алгоритмов, позволяющими строить наиболее “согласованные” решения. Библ. 14. Фиг. 8. Табл. 1.
展开▼
