Методы иерархического и концептуального кластер-анализа и их сравнение

Дивизимная кластеризация – это группа методов, характеризующаяся последовательным разделением исходного кластера, состоящего из всех объектов, и соответствующим увеличением числа кластеров. В начале работы алгоритма все объекты принадлежат одному кластеру, который на последующих шагах делится на меньшие кластеры, в результате образуется последовательность разделяющихся групп. Цель работы заключается в сравнении таких методов кластеризации как концептуальный, дистанционный и проекционный. Для этого были поставлены и решены следующие задачи: 1. Исследуемые алгоритмы изучены и реализованы в программной среде 2. Для проведения экспериментов реализован генератор кластерной структуры 3. Проведены эксперименты и анализ их результатов Каждый из исследуемых методов был рассмотрен с различными критериями остановки (критериями определения числа кластеров): 1. Известное число кластеров 2. Число кластеров, определяемое функцией оценки плотности данных на главное направление 3. Принцип нижней границы Проведенные эксперименты показали, что все методы показывает отличные результаты в смысле ARI в случае, когда перед ними не стоит задача определения кластеров, для кластеризации данных состоящих из 5, 7 и 9 кластеров как при низких, так и при высоких параметрах разброса данных. При использовании второго критерия остановки, высокие результаты у всех методов наблюдаются только при невысокой степени разброса данных, при повышении этого параметра только проекционный метод продолжает показывает высокие показатели. При использовании в качестве критерия остановки принципа нижней границы, наилучшие результаты показывает дистанционный метод.