Центр - кластер
Cтраница 2
Граф G0 как результат наложения графов Gn, п 1, N, имеет схематическую конфигурацию, изображенную на рис. 6.1.1. Расстояние между центрами выделенных кластеров первого уровня кластеризации много больше расстояния между вершинами, принадлежащими каждому кластеру. [16]
 |
Результат тестирования обученной системы. [17] |
В пакет Fuzzy Logic Toolbox входит еще одна программа, позволяющая работу в режиме графического интерфейса, - программа Clustering ( Кластеризация) выявления центров кластеров, т.е. точек в многомерном пространстве данных, около которых группируются ( скапливаются) экспериментальные данные. Выявление подобных центров, надо сказать, является значимым этапом при предварительной обработке данных, поскольку позволяет сопоставить с этими центрами функции принадлежности переменных при последующем проектировании системы нечеткого вывода. [18]
Независимо от формы и размера молекулярного кластера вырывание его из кристалла связано с появлением ненасыщенных связей на его поверхности и искусственно введенной неэквивалентностью атомов в центре кластера и на его периферии. Очевидно, чем меньше доля поверхностных атомов в общем их числе, тем лучше кластер моделирует исходный кристалл. [19]
Задаются параметры, определяющие процесс кластеризации: К - необходимое число кластеров; BN - параметр, с которым сравнивается количество выборочных образов, вошедших в кластер; Os - параметр, характеризующий среднеквадратичное отклонение; вс - параметр, характеризующий компактность групп; L - максимальное число пар центров кластеров, которые можно объединить; / - допустимое число циклов итераций. [20]
Функция subclust возвращает центры кластеров. [21]
Кохонена - число раз, когда нейрон выигрывал при прогоне файла данных. Часто, выигрывавшие нейроны представляют центры кластеров на топологической карте. [22]
Если задана такая ситуация, то как мы можем определить, к какому кластеру с наибольшей вероятностью принадлежит проверяемая точка. Если мы проведем отрезки прямых между центрами кластеров ( пунктирные линии на рис. 6.11) и восстановим перпендикуляры в средних точках этих отрезков, то эти перпендикуляры совпадут с линиями равной плотности для кластеров. С помощью таких линий пространство может быть разбито на секторы, как показано на рис. 6.11 жирными сплошными линиями. [24]
Здесь следует учесть, что допускается только попарное слияние кластеров. Важно иметь в виду, что к каждому центру кластера процедуру слияния можно применить только один раз, а реализация данного шага ни при каких обстоятельствах не может привести к получению L объединенных кластеров. [25]
Трудность, однако, заключается в том, что атомы в центре кластера и на его периферии неравноправны и для них, вообще говоря, получаются разные заряды. При пересчете VM целесообразно брать заряды на атомах в центре кластера, поскольку эти атомы лучше всего описываются в кластерной модели. Для кристалла LiH указанное различие невелико ( 0 1 - 0 2 е) для всех рассмотренных кластеров, но в более ковалентных системах оно существенно и обусловлено принципиальной трудностью, присущей кластерной модели, - неодинаковым описанием атомов в центре и на периферии кластера. [26]
Промежуточным результатом анализа являются среднее внутри-кластерное расстояние, по которому можно сравнивать различные варианты кластеризации, и кластеры с указанием включенных в них объектов. При этом можно получить проекции на плоскость каждой пары показателей центров кластеров и объектов каждого кластера, соединенных линиями с центрами. [27]
Диагностирование основано на вычислении обобщенного расстояния от проверяемой точки до центров кластеров, как показано на рис. 6.10. Отметим, что на рис. 6.10 кластеры представляют коррелированные переменные, а не независимые. [28]
 |
Множества данных, имеющие одинаковые статистики второго порядка. [29] |
Грубо говоря, процедуры группировки дают описание данных в терминах кластеров, или групп точек данных, обладающих сильно схожими внутренними свойствами. Более формальные процедуры используют функции критериев, такие, как сумма квадратов расстояний от центров кластеров, и ищут группировку, которая приводит к экстремуму функции критерия. [30]
Страницы: 1 2 3