ОНЛАЙН БЕГГІНГ В ЗАДАЧАХ НЕЧІТКОЇ КЛАСТЕРИЗАЦІЇ
Authors:
- А.ю. ШафроненкоАША.ю. Шафроненко
- Є.в. БодянськийЄБЄ.в. Бодянський
- Д.о. РуденкоДРД.о. Руденко
- Є.о. ШафроненкоЄШЄ.о. Шафроненко
Open Access
- 30 March 2026
- journal article
- Published by Ivan Kozhedub Kharkiv National Air Force University KNAFU in Збірник наукових праць Харківського національного університету Повітряних Сил
- No. 1(87),p. 84-89
Abstract
Штучні нейронні мережі, нейро-фаззі-системи, різноманітні гібридні системи обчислювального інтелекту на сьогодні набули дуже широкого поширення для вирішення безлічі задач Data Mining, Data Stream Mining, Big Data Mining, тощо, завдяки, перш за все, здатності до навчання своїх параметрів та архітектури в процесі обробки інформації, яка надходить на їх входи, та високих апроксимуючих властивостей. При цьому для вирішення кожної конкретної задачі, як правило, може бути використана ціла множина таких систем, кожна з яких, як правило, має свої переваги та недоліки, що можуть суттєво облегшити їх використання. На сьогодні в рамках ансамблевого підходу найбільш ефективним вважається, так званий, беггінг, особливо у його адаптивному варіанті, коли вихідні сигнали кожного з членів ансамблю надходять на, так звану, метамодель, яка на основі цих сигналів формує оптимальний результат у сенсі прийнятого критерію якості, в основі якого полягає похибка між опорним сигналом і вхідними сигналами кожного з членів ансамбля. Метою статті є розробка методу правдоподібної робастної онлайн нечіткої кластеризації даних, який об’єднує в собі переваги довірчого та робастного підходів у задачах нечіткої кластеризації та призначеного для опрацювання потоків даних, що надходять послідовно у режимі реального часу.This publication has 12 references indexed in Scilit:
- Adaptive Bagging of Hybrid Systems of Computational Intelligence Using Metamodel Online Optimal Learning2025
- Online bagging of evolving fuzzy systemsInformation Sciences, 2021
- Adaptive fuzzy clustering with a variable fuzzifierCybernetics and Systems Analysis, 2013
- Improving Adaptive Bagging Methods for Evolving Data Streams2009
- Adaptive clustering ensembles2004
- What Is Fuzzy about Fuzzy Clustering? Understanding and Improving the Concept of the Fuzzifier2003
- Ensembling neural networks: Many could be better than allArtificial Intelligence, 2002
- Self-Organizing Maps1995
- A validity measure for fuzzy clusteringIEEE Transactions on Pattern Analysis and Machine Intelligence, 1991
- Pattern Recognition with Fuzzy Objective Function Algorithms1981