Кроме того, для оценки результатов работы алгоритмов выявления кластеров используется анализ таблиц расстояний между центрами кластеров, количества объектов в классах и дисперсий по каждому признаку для каждого кластера. Эта информация позволяет изменять параметры алгоритмов в направлении улучшения качества получаемого разбиения объектов на классы.
Полное решение задачи автоматической классификации, как правило, предполагает также построение описания полученных кластеров и решающего правила, различающего выделенные классы. В этом случае основное отличие задачи автоматической классификации от задачи распознавания заключается в том, что классы, на которые надо разбить объекты, не заданы, т. е. Отсутствует обучающая последовательность. Так как обучающая последовательность первоначально не задана, а формируется в процессе решения задачи, то построение решающего правила называют самообучением распознаванию образов.
Написать программу, осуществляющую классификацию объектов методом автоматической классификации.
Для проверки работоспособности программы по своему варианту (номер в журнале) ввести исходные данные, распечатать листинг программы, таблицу исходных данных и результатов. При выполнении задания к значениям X1 в четных вариантах 1 прибавляется 1, в нечетных - отнимается 1 . К значениям X2 в 2 четных номерах прибавляется 1.
1. Смоделировать распознающую систему, написать и отладить про грамму на языке программирования высокого уровня для классификации объектов с произвольными значениями признаков. Программа должна запрашивать у пользователя значения обучающей выборки (или читать их из файла), выдавать на экран или принтер исходные данные и результат классификации.
2. Для проверки работоспособности программы по своему варианту (номер в журнале) ввести исходные данные, распечатать листинг программы, таблицу исходных данных и результатов. При выполнении задания к значениям X1 в четных вариантах 1 прибавляется 1, в нечетных - отнимается 1 . К значениям X2 в 2 четных номерах прибавляется 1.
3. Сделать выводы о применимости метода.
4. Оформить отчет, в котором привести листинг программы, копии экранов и результаты работы программы. Сделать выводы о применимости метода.
Наименование и цель работы; основные положения кратких сведений из теории; индивидуальное задание, в котором привести листинг программы, копии экранов и результаты работы программы. Вывод по работе.
Контрольные вопросы
5. В чем отличие задачи автоматической классификации от задачи распознавания?
6. Дайте геометрическую интерпретацию гипотезы “компактности” образов.
7. Перечислите методы оценки качества различных вариантов классификации заданного множества объектов.
Лабораторная работа № 5
Цель работы: Изучить алгоритм выявления кластеров, выявить преимущества и недостатки метода. Написать программу, позволяющую классифицировать объекты данным методом.
Простейший алгоритм выявления кластеров заключается в
следующем. В качестве центра первого кластера Z1 выбирается
любой из заданных векторов объектов из выборки, подлежащей классификации, и
задается произвольная неотрицательная пороговая величина Т; для удобства можно
считать, что 
=
.
После этого вычисляется расстояние 
между вектором 
и центром кластера 
. Если 
>T, то 
=
- центр нового кластера V2, иначе зачисляется в первый кластер V1. Подобным
образом расстояния от каждого нового объекта 
до каждого из полученных центров кластеров 
вычисляются и сравниваются с пороговой величиной Т.
Если все эти расстояния превосходят значение порога Т, то учреждается
новый центр кластера, в противном случае вектор зачисляется в кластер с самым
близким к нему центром.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.