Тема: СРАВНИТЕЛЬНЫЙ АНАЛИЗ ДВУХ ТИПОВ МЕТОДОВ КЛАСТЕРИЗАЦИИ ДАННЫХ

Кластерный анализ в настоящее время активно развивается и является одним из ведущих направлений в области анализа данных.
Кластерный анализ - это совокупность математических методов, которые позволяют формировать относительно "отдаленных" друг от друга групп "близких" между собой объектов по информации о расстояниях или связях (мерах близости) между ним.
Технологии кластеризации находят применение во многих областях жизни человека: в медицине, экономике, информатике, филологии, истории, геологии и многих других, кроме того, широко используется в научных областях, таких как оптимизация, распознавание образов, сжатие данных.
Целью работы является сравнительный анализ двух типов методов кластеризации данных и создание программного продукта, реализующего кластеризацию методами ближайшего соседа, дальнего соседа, К-средних и С- средних.
Перед началом работы возникли следующие задачи и цели исследования:
1. Необходимо изучить и проанализировать научную литературу в области анализа данных и кластерного анализа в частности.
2. В системе Matlab в режиме скрипта численно реализовать методы кластеризации иерархического типа: методы ближнего соседа (single linkage) и дальнего соседа (complete linkage); и неиерархического типа: методы к-средних (k-means) и с-средних (c-means). Для исследования использовать открытую базу данных Онкологического центра Карбона при Висконсинском университете (г. Мэдисон, штат Висконсин, США) с информацией об онкобольных пациентах.
3. Провести сравнительный анализ иерархических и неиерархических методов кластеризации с помощью выполненных численных реализаций.
4. В интегрированной среде разработки Matlab разработать программный
продукт, позволяющий пользователю импортировать базу данных в интерфейс и построить кластеры с помощью одного
из четырех вышеуказанных методов.
В Главе 1 настоящей работы приводится обзор по терминологии и истории кластерного анализа.
Глава 2 включает в себя краткий обзор типов методов кластерного анализа; описание, алгоритмы и особенности иерархических и итеративных методов.
Обзор программных средств, численная реализация методов ближайшего соседа, дальнего соседа, с-средних и k-средних, а так же сравнительный анализ их приведен в Главе 3.
Приложение включает в себя полный программный код приложения, а так же тестируемую базу данных с информацией о пациентах, больных раком молочной железы, представленной Висконсинским Университетом в Мэдисоне.

Купить

В ходе написания магистерской диссертации была изучена научная литература в области анализа данных, были рассмотрены два типа методов кластеризации: иерархические методы: метод ближайшего соседа, метод дальнего соседа, и неиерархические: метод нечетких к-средних и метод с-средних. Была выполнена реализация этих методов, с помощью пакета Matlab, были построены дендрограммы и графики, выявлены существенные различия, преимущества и недостатки каждого из них. Тестовая реализация проводилась на основе базы данных Висконсинского Университета с информацией о пациентах, больных раком молочной железы. Так же проведен сравнительный анализ методов.
В диссертационной работе получены следующие основные результаты:
1. Был проведен сравнительный анализ двух типов методов кластеризации: иерархических и неиерархических методов, который выявил недостатки и преимущества каждого из них.
2. В системе MATLAB разработано визуальное приложение,
осуществляющее кластеризацию данных с помощью четырех методов: метод ближайшего соседа, метод дальнего соседа, метод к-средних и метод с-средних. Данное приложение является универсальным и может применяться на различных базах
Купить