Введение
1. Основные принципы применения методов кластерного анализа для обработки данных 11
1.1 Основные методы теории кластерного анализа и их свойства 12
1.2 Анализ ограничений на выбор элементов модели кластеризации 29
1.3 Основные результаты и выводы 33
2. Модель кластеризации образов в соответствии с топологическими свойствами фазового пространства динамической нейронной сети 35
2.1 Основные принципы распознавания и обучения модели нейронной сетиХакена 35
2.2 Описание модифицированной модели кластеризации многомерных данных 38
2.3 Основные результаты и выводы 49
3. Численное моделирование процесса кластеризации многомерных данных 51
3.1 Исследование эффективности механизма фильтрации кластеров на основе значений меры различия 52
3.1.1 Моделирование механизма фильтрации кластеров 53
3.1.2 Анализ результатов моделирования механизма фильтрации кластеров 57
3.2 Исследование эффективности применения модели
кластеризации для группировки графических данных на основе
критерия визуального сходства 70
3.2.1 Критерии оценки качества кластеризации 72
3.2.2 Моделирование алгоритма кластеризации графических данных 75
3.2.3 Исследование качественных характеристик алгоритма кластеризации графических данных 78
3.2.4 Исследование вычислительных характеристик алгоритма кластеризации графических данных 85
3.3 Основные результаты и выводы 88
4. Применение модели кластеризации образов при построении вспомогательной системы обработки информации для конструкторской деятельности в промышленности 89
4.1 Задача построения вспомогательной системы обработки графической информации при конструкторской деятельности в промышленности 89
4.2 Математический аппарат 91
4.3 Структура обработки данных 93
4.4 Компоненты системы 95
4.5 Схема работы ключевого компонента системы Image Machine 98
4.6 Основные результаты и выводы 104
Заключение 106
Библиографический список
