Створення та порівняльний аналіз кластеризаційних алгоритмів розпізнавання статистичних залежностей

Скорочена інформація про документ
dc.contributor.advisorПавлов, Володимир Анатолійович
dc.contributor.authorУманець, Віталій Сергійович
dc.date.accessioned2018-07-02T07:53:17Z
dc.date.available2018-07-02T07:53:17Z
dc.date.issued2018
dc.description.abstractenThe volume of the master's dissertation has 127 pages, 72 illustrations, 5 tables and 50 sources according to the list of references. The task of determining the functional relationship between biophysical indicators is an integral part of the actual task of finding the optimal effects on the biological object and not fully solved to date. At the same time, the most interesting are the results that adequately represent partitions of space on the field (clusters), which relate to different functional relations, linking the biophysical parameters that are considered in this area. It is logical to call such clusters functional, and their form in the general case can be arbitrary. For an adequate separation of the output population for such homogeneous groups, the use of new information technologies is required. The purpose of the research is to develop a cluster analysis algorithm that allows the formation of clusters of arbitrary shape and to assess the dynamics of changes in the characteristics of biological objects. Tasks:  to analyze modern clustering algorithms;  to develop an algorithm for fuzzy k-means with a limited mass of working area;  to design and implement a software tool for constructing a plurality of objects into clusters with the help of the developed algorithm;  to evaluate the effectiveness of the algorithm in a practical task; The object of research is Data Mining. The subject of research is cluster analysis. Application was developed using Java and Scala programming languages in the development environment of IntelliJ IDEA. The main provisions and results of the master's thesis were outlined in the following papers : 1. Nastenko Ie.A. Umanets V.S. Students' blood circulation status analysis in the parameters of dependence of arterial pressure-pulse / Ie. Nastenko, G.L. Boyko, V.A. Pavlov, V.S. Umanets // K: Bulletin of the University "Ukraine". - Series "Informatics, Computing and Cybernetics". - Kiev - 2018 - No. 1 (21). 5 pp. 2. Nastenko Ie. A. Umanets V.S. The method of fuzzy k-means with a limited mass of the working region of formation of clusters of arbitrary form // Biomedical engineering and technology. - Kiev - 2018 - 6 pp. 3. Umanets V.S. Modified C-means algorithm for functionally connected clusters // Theory and Practice of Scientific Knowledge (Part IV): Materials of the II International Scientific and Practical Conference. - Kiev - December 28-29, 2017 - P. 48-49. The thesis is comissioned by Department of Physical Education of “Igor Sikorsky Kyiv Polytechnic Institute”. The obtained research results are implemented in the Department of Physical Education of “Igor Sikorsky Kyiv Polytechnic Institute” (Act of Implementation dated May 03, 2018).uk
dc.description.abstractukОбсяг магістерської дисертації становить 127 сторінок, 72 ілюстрації, 5 таблиць та 50 джерел за переліком посилань. Задача визначення функціонального зв'язку між біофізичними показниками є складовою частиною актуального завдання пошуку оптимальних впливів на біологічний об'єкт і не вирішена в повній мірі на сьогоднішній день. При цьому найбільш цікавими є результати, що адекватно представляють розбиття простору на області (кластери) які відносяться до різних функціональних співвідношень, що зв'язують біофізичні показники, що розглядуються в даній області. Такі кластери логічно називати функціональними, а їх форма в загальному випадку може бути довільною. Для адекватного поділу вихідної сукупності на такі однорідні групи необхідне застосування нових інформаційних технологій. Метою дослідження є розробка алгоритму кластерного аналізу, що дозволяє формувати кластери довільної форми та оцінювати динаміку змін характеристик біологічних об’єктів. У відповідності до мети сформовано наступні задачі:  Провести аналіз сучасних алгоритмів кластеризації.  Розробити алгоритм нечітких k-середніх з обмеженою масою робочої області.  Спроектувати та реалізувати програмний засіб для побудови розбиття множини об'єктів на кластери за допомогою розробленого алгоритму.  Оцінити ефективність алгоритму на практичній задачі. Об’єктом дослідження є технології Data Mining. Предметом дослідження виступає кластерний аналіз. Розробка була здійснена засобами мов програмування Java та Scala в середовищі розробки IntelliJ IDEA. Публікації за темою магістерської дисертації: 1) Настенко Є.А., Уманець В.С. Аналіз станів системи кровообігу студентів у просторі параметрів залежності артеріальний тиск-пульс / Є.А. Настенко, Г.Л. Бойко, В.А Павлов, В.С. Уманець// Вісник університету "Україна". – Серія "Інформатика, обчислювальна техніка та кібернетика". – Київ. – 2018. – № 1(21). – 6 с. 2) Настенко Є.А., Уманець В.С. Метод нечітких k-середніх з обмеженою масою робочої області формування кластерів довільної форми // Біомедична інженерія і технологія. – Київ. – 2018. – 7 с. 3) Уманець В.С. Модифицированный алгоритм С-средних для функционально связных кластеров // Теорія і практика наукових знань (частина IV): матеріали II Міжнародної науково-практичної конференції. – Київ. – 28-29 грудня 2017 р. – С. 48-49. Магістерська дисертація виконана на замовлення кафедри фізичного виховання «КПІ ім. Ігоря Сікорського». Одержані результати дослідження впроваджені в діяльність кафедри фізичного виховання «КПІ ім. Ігоря Сікорського» (акт впровадження від 03.05.2018).uk
dc.format.page127 с.uk
dc.identifier.citationУманець, В. С. Створення та порівняльний аналіз кластеризаційних алгоритмів розпізнавання статистичних залежностей : магістерська дис. : 122 Комп’ютерні науки та іінформаційні технологіі / Уманець Віталій Сергійович. – Київ, 2018. – 127 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/23716
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectкластеризаціяuk
dc.subjectclusteringuk
dc.subjectміра належностіuk
dc.subjectmembership functionuk
dc.subjectоцінка кількості кластерівuk
dc.subjectcluster number estimationuk
dc.subjectнечітка кластеризаціяuk
dc.subjectfuzzy clusteringuk
dc.subject.udc004.021uk
dc.titleСтворення та порівняльний аналіз кластеризаційних алгоритмів розпізнавання статистичних залежностейuk
dc.typeMaster Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Umanets_magistr.pdf
Розмір:
3.72 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (БМК)
Магістерські роботи