АДАПТИВНА РОБАСТНА НЕЧІТКА КЛАСТЕРИЗАЦІЯ ПОТОКІВ ДАНИХ НА ОСНОВІ ПРАВДОПОДІБНОГО ПІДХОДУ

Read full text Summarise with VIRAT
Authors: Аліна Шафроненко, Yevgeniy V. Bodyanskiy, С. О. Шейко, Ye. O. Shafronenko
Cited by: 0
References: 30

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