Cтраница 2
В психологии задача осложняется тем, что не существует общепринятой интерпретации ряда терминов и понятий. В качестве такого инструмента для создания типовых образов характеров уровня [ / 4 в системе были применены совместно методы кластерного анализа и структурного распознавания образов. [16]
Среди других полезных свойств кластеров следует отметить то, что некоторые переменные должны быть постоянны для всех элементов в пределах кластера. Это свойство позволяет создавать простые методы идентификации элементов через кластеры. Большинство методов кластерного анализа требует определения между каждыми двумя элементами критерия подобия или расстояния, с тем чтобы можно было идентифицировать элементы, подобные данному элементу. Критерии подобия разработаны как для количественных ( непрерывных), так и для качественных ( дискретных) переменных, и основаны на использовании средней взвешенной оценки по результатам сравнения всех переменных. Термин расстояние заимствован из геометрического представления данных в виде точек в многомерном пространстве: малым расстояниям соответствует большее подобие. В методах иерархического кластерного анализа кластеры формируются последовательно либо путем объединения элементов в кластеры, а кластеров - в еще более крупные кластеры, либо путем разбиения больших кластеров на кластеры меньшего размера и отдельные элементы. Независимо от способа формирования кластеров результаты могут быть представлены в виде дендограммы или дерева семейства, в котором элементы одного уровня вложены в элементы всех других, более высоких уровней. В методах нсиерархического кластерного анализа элементы объединяются в конечное число кластеров так, чтобы оптимизировался некоторый критерий, описывающий требуемое свойство кластеров. Решение для данного числа кластеров может довольно сильно отличаться от решения для большего или меньшего их числа. [17]
Следующий подход, основан на применении техники кластерного анализа. Каждому элементу регулярной сетки ставится в соответствие некоторый заранее выбранный экспертом набор геологических и геофизических признаков. Это процедура позволяет разбить все точки региона на кластеры, каждый из которых отображается на географической карте в виде одной или нескольких зон, состоящих из точек с близкими значениями признаков. Затем максимальные магнитуды землетрясений, зарегистрированные в пределах каждой зоны, присваиваются всем ячейкам соответствующих кластеров. На этом процедура построения карты Мтах заканчивается. Недостатки подхода обусловлены не вполне адекватным применением к задаче прогноза Мтах метода кластерного анализа, который не предназначен для совместной обработки признаков и значений прогнозируемых величин. Дело в том, что разбиение множества точек на однородные группы методами многомерного кластерного анализа Мтах в значительной степени определяется набором признаков, способом измерения сходства между кластерами, типом алгоритма кластеризации и, наконец, критерием остановки процесса кластеризации. К сожалению, в работах, развивающих данный подход, эти параметры по существу выбираются произвольно. [18]
Среди других полезных свойств кластеров следует отметить то, что некоторые переменные должны быть постоянны для всех элементов в пределах кластера. Это свойство позволяет создавать простые методы идентификации элементов через кластеры. Большинство методов кластерного анализа требует определения между каждыми двумя элементами критерия подобия или расстояния, с тем чтобы можно было идентифицировать элементы, подобные данному элементу. Критерии подобия разработаны как для количественных ( непрерывных), так и для качественных ( дискретных) переменных, и основаны на использовании средней взвешенной оценки по результатам сравнения всех переменных. Термин расстояние заимствован из геометрического представления данных в виде точек в многомерном пространстве: малым расстояниям соответствует большее подобие. В методах иерархического кластерного анализа кластеры формируются последовательно либо путем объединения элементов в кластеры, а кластеров - в еще более крупные кластеры, либо путем разбиения больших кластеров на кластеры меньшего размера и отдельные элементы. Независимо от способа формирования кластеров результаты могут быть представлены в виде дендограммы или дерева семейства, в котором элементы одного уровня вложены в элементы всех других, более высоких уровней. В методах нсиерархического кластерного анализа элементы объединяются в конечное число кластеров так, чтобы оптимизировался некоторый критерий, описывающий требуемое свойство кластеров. Решение для данного числа кластеров может довольно сильно отличаться от решения для большего или меньшего их числа. [19]