Кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй
The problem of clustering data arrays described in both vector and matrix forms and based on the optimization of data distribution density functions in these arrays is considered. For the optimization of these functions, the algorithm that is a hybrid of Fish School Search, random search, and evolut...
Збережено в:
| Видавець: | The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
|---|---|
| Дата: | 2022 |
| Автори: | , , |
| Формат: | Стаття |
| Мова: | English |
| Опубліковано: |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
2022
|
| Теми: | |
| Онлайн доступ: | http://journal.iasa.kpi.ua/article/view/275083 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
Організація
System research and information technologies| id |
journaliasakpiua-article-275083 |
|---|---|
| record_format |
ojs |
| spelling |
journaliasakpiua-article-2750832023-05-21T20:04:38Z Clusterization of vector and matrix data arrays using the combined evolutionary method of fish schools Кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй Bodyanskiy, Yevgeniy Shafronenko, Alina Pliss, Iryna комбінована оптимізація нечітка кластеризація еволюційні алгоритми функція щільності Fish School combined optimization fuzzy clustering evolutionary algorithms density functions Fish School The problem of clustering data arrays described in both vector and matrix forms and based on the optimization of data distribution density functions in these arrays is considered. For the optimization of these functions, the algorithm that is a hybrid of Fish School Search, random search, and evolutionary optimization is proposed. This algorithm does not require calculating the optimized function’s derivatives and, in the general case, is designed to find optimums of multiextremal functions of the matrix argument (images). The proposed approach reduces the number of runs of the optimization procedure, finds extrema of complex functions with many extrema, and is simple in numerical implementation. Розглянуто задачу кластеризації масивів даних, що описано як у векторній, так і матричній формі на основі оптимізації функцій щільності розподілу даних у цих масивах. Для оптимізації цих функцій – пошуку локальних екстремумів запропоновано алгоритм, що є гібридом Fish School Search, випадкового пошуку та еволюційної оптимізації. Цей алгоритм не потребує обчислення похідних функції, що оптимізується, і у загальному випадку призначений для відшукання максимумів багатоекстремальних функцій матричного аргумента (зображень). Запропонований підхід дозволяє скоротити кількість запусків процедури оптимізації, знаходити екстремуми функцій складної форми та є простим у числовій реалізації. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2022-12-27 Article Article application/pdf http://journal.iasa.kpi.ua/article/view/275083 10.20535/SRIT.2308-8893.2022.4.07 System research and information technologies; No. 4 (2022); 79-87 Системные исследования и информационные технологии; № 4 (2022); 79-87 Системні дослідження та інформаційні технології; № 4 (2022); 79-87 2308-8893 1681-6048 en http://journal.iasa.kpi.ua/article/view/275083/270207 |
| institution |
System research and information technologies |
| collection |
OJS |
| language |
English |
| topic |
комбінована оптимізація нечітка кластеризація еволюційні алгоритми функція щільності Fish School combined optimization fuzzy clustering evolutionary algorithms density functions Fish School |
| spellingShingle |
комбінована оптимізація нечітка кластеризація еволюційні алгоритми функція щільності Fish School combined optimization fuzzy clustering evolutionary algorithms density functions Fish School Bodyanskiy, Yevgeniy Shafronenko, Alina Pliss, Iryna Кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй |
| topic_facet |
комбінована оптимізація нечітка кластеризація еволюційні алгоритми функція щільності Fish School combined optimization fuzzy clustering evolutionary algorithms density functions Fish School |
| format |
Article |
| author |
Bodyanskiy, Yevgeniy Shafronenko, Alina Pliss, Iryna |
| author_facet |
Bodyanskiy, Yevgeniy Shafronenko, Alina Pliss, Iryna |
| author_sort |
Bodyanskiy, Yevgeniy |
| title |
Кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй |
| title_short |
Кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй |
| title_full |
Кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй |
| title_fullStr |
Кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй |
| title_full_unstemmed |
Кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй |
| title_sort |
кластеризація векторних та матричних масивів даних із використанням комбінованого еволюційного методу рибних зграй |
| title_alt |
Clusterization of vector and matrix data arrays using the combined evolutionary method of fish schools |
| description |
The problem of clustering data arrays described in both vector and matrix forms and based on the optimization of data distribution density functions in these arrays is considered. For the optimization of these functions, the algorithm that is a hybrid of Fish School Search, random search, and evolutionary optimization is proposed. This algorithm does not require calculating the optimized function’s derivatives and, in the general case, is designed to find optimums of multiextremal functions of the matrix argument (images). The proposed approach reduces the number of runs of the optimization procedure, finds extrema of complex functions with many extrema, and is simple in numerical implementation. |
| publisher |
The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" |
| publishDate |
2022 |
| url |
http://journal.iasa.kpi.ua/article/view/275083 |
| work_keys_str_mv |
AT bodyanskiyyevgeniy clusterizationofvectorandmatrixdataarraysusingthecombinedevolutionarymethodoffishschools AT shafronenkoalina clusterizationofvectorandmatrixdataarraysusingthecombinedevolutionarymethodoffishschools AT plissiryna clusterizationofvectorandmatrixdataarraysusingthecombinedevolutionarymethodoffishschools AT bodyanskiyyevgeniy klasterizacíâvektornihtamatričnihmasivívdanihízvikoristannâmkombínovanogoevolûcíjnogometoduribnihzgraj AT shafronenkoalina klasterizacíâvektornihtamatričnihmasivívdanihízvikoristannâmkombínovanogoevolûcíjnogometoduribnihzgraj AT plissiryna klasterizacíâvektornihtamatričnihmasivívdanihízvikoristannâmkombínovanogoevolûcíjnogometoduribnihzgraj |
| first_indexed |
2024-04-08T14:50:29Z |
| last_indexed |
2024-04-08T14:50:29Z |
| _version_ |
1804810497233518592 |