Разработка приложения для анализа данных на основе методов кластеризации

УДК 681.513

РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ АНАЛИЗА ДАННЫХ НА ОСНОВЕ
МЕТОДОВ КЛАСТЕРИЗАЦИИ
Б.С. Яшина, ктн., доцент; М.А. Щербак, магистрант
Национальный аэрокосмический университет им. Н.Е. Жуковского «ХАИ»

Чтобы структурировать большие объемы информации, накапливающиеся по мере развития информационных технологий, чаще всего применяют методы классификации и кластеризации. Кластеризация является универсальным методом анализа данных, который позволяет разбить объекты на кластеры, даже если отсутствует предварительная информация об их свойствах. Это позволяет адаптировать метод кластеризации к широкому кругу задач обработки данных.
В ходе проведенного исследования осуществлен анализ методов кластеризации. Выявлено, что наиболее общими, универсальными и показательными методами являются метод k-средних, а также иерархический метод.
Таким образом, целью работы является разработка подсистемы анализа данных на основе методов кластеризации. Данная подсистема должна предоставлять пользователю возможность:
1) проводить процесс кластеризации двумя способами: методом k-средних (с возможностью выбора числа кластеров и числа итераций) и иерархическим методом;
2) просматривать результаты кластеризации.
Для достижения цели были выполнены следующие задачи:
проведен анализ принципов и особенностей методов кластеризации данных;
учтены особенности кластеризации наборов данных в ситуациях дефицита некоторых характеристик объектов;
определены способы обработки характеристик различных типов;
выбраны методы по выявлению аномальных значений характеристик объектов;
- разработаны алгоритмы обработки наборов данных;
- разработано приложение для анализа и кластеризации данных.
Так как в реальных условиях данные могут быть неполными или содержать искажения, проведена модификация имеющихся методов кластеризации, что позволило снизить негативное влияние указанных факторов.
Результатом дальнейшего исследования и его практической реализации должна стать подсистема, позволяющая пользователю кластеризовать наборы данных, находящихся во внешних источниках.