АДАПТИВНА РОБАСТНА НЕЧІТКА КЛАСТЕРИЗАЦІЯ ПОТОКІВ ДАНИХ НА ОСНОВІ ПРАВДОПОДІБНОГО ПІДХОДУ
Summary
No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.
Summarise with VIRAT Free to try with your Science Catalogs account.Abstract
У сучасних умовах глобалізації “інформаційний вибух” призводить до необхідності нового інтегрального погляду на створення в рамках Data Science теоретичних основ аналізу та опрацювання різноманітних інформаційних потоків, що характеризуються великими обсягами, розмірностями, надвисоким ступенем динаміки та невизначеності. Задача кластеризації-класифікації без вчителя масивів даних займає важливе місце у загальній проблемі Data Mining. Існує безліч підходів, методів та алгоритмів для її вирішення, проте, реальні дані, часто забруднені аномальними викидами або збуреннями з негаусівськими розподілами, викликають труднощі для традиційних методів. Метою статті є розробка правдоподібного методу нечіткої кластеризації в онлайн режимі, який поєднує в собі переваги теорії довіри та робастних підходів у задачах нечіткої кластеризації потоків даних.
Fields of Study & Subjects
Advanced Clustering Algorithms Research
Bayesian Methods and Mixture Models
Data Mining and Machine Learning Applications
Publication details
- Journal / source
- Системи обробки інформації
- Issue
- 1(184)
- Pages
- 112–115
- Publication date
- 30 March 2026
- Language
- UK