- янв 09, 2017
Филипчик Е. Ф., Перскевич Д. Т., Герман О. В. BIG DATA, КЛАСТЕРНЫЙ АНАЛИЗ И ОПТИМИЗАЦИЯ В СИСТЕМНОМ АНАЛИЗЕ // Наука, техника и образование № 1 (31), 2017. - С. {см. журнал}. Тип лицензии на данную статью – CC BY 3.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Филипчик Егор Федорович / Filipchik Egor – магистрант;
Перскевич Денис Тадеушевич / Perskevich Denis – магистрант, кафедра информационных технологий автоматизированных систем, направление: системный анализ, управление и обработка информации;
Герман Олег Витольдович / German Oleg – кандидат технических наук, доцент, Белорусский государственный университет информатики и радиоэлектроники, г. Минск, Республика Беларусь
Аннотация: в данной работе нами предложена техника оптимизации для некоторого диапазона практических задач большой размерности. Идея этого подхода состоит в том, чтобы выполнять расчеты на эталонных представителях кластеров, на которые разбиваются входные экземпляры, а не на индивидуальных многомерных объектах. Число кластеров мы делаем как можно большим, но удовлетворяющим некоторым априорным ограничениям. Эта идея позволяет снять ограничения на размерность решаемых задач, например, в EXCEL (Поиск решения).
Abstract: in this paper, we proposed the optimization technique for a range of practical large scale problems. The idea of this approach is to perform calculations on the reference representatives of the clusters, which split the input instances, and not on the individual multidimensional objects. The number of clusters we make as large as possible, but satisfy some a priori constraints. This idea allows to remove restrictions on the dimensions of tasks, for example, in EXCEL (solver).
Ключевые слова: BIG DATA, кластерный анализ, системный анализ, метод Саати.
Keywords: BIG DATA, cluster analysis, system analysis, method of Saaty.
Литература
- Динг C., Хе X. K-средства кластеризации с помощью анализа главных компонентов: Труды двадцать первой Международной конференции по вопросам машинного обучения, 2004. С. 1–9.
- Маккуин Ж. Б. Некоторые методы классификации и анализа многомерных наблюдений: Труды симпозиума по Беркли математической статистике и теории вероятности, 1967. С. 281–297.
- Эстер M., Кригель H. P., Сандер J., Виммер M., Ксю X. Инкременатальная кластеризация для добывания полезных ископаемых в среде хранилищ данных: Труды Международной конференции по очень большим базам данных, 1998. С. 323–333.