Abstract
У статті наведено результати аналізу методів нечіткої кластеризації даних поточних спостережень в технічних системах. Запропоновано і протестовано комбінований підхід до нечіткої кластеризації даних з використанням комбінації алгоритму Густафсона-Кесселя, методу остовного лісу та фільтра Калмана, що може бути використаний в системах технічної діагностики (зокрема, діагностики стану основних параметрів технологічних процесів). Розглянуто можливість подальшого розширення функціональних можливостей наведеного комбінованого методу кластеризації з наданням йому адаптивних властивостей. Наведено результати тестування та визначено переваги запропонованого підходу.
Publisher
Ivan Kozhedub Kharkiv National Air Force University KNAFU
Reference33 articles.
1. Eltyshev D. Influence of fuzzy clustering on the accuracy of electrical equipment diagnostic models / D. Eltyshev, K. Gnutova // Proceedings of the 6th International Conference on Applied Innovations in IT. – 2018. – P. 23-28.
2. Алексеев А.А. Алгоритмы нечеткой кластеризации в задачах диагностики технических систем / А.А. Алексеев, Ю.Б. Попова, М.Ю. Шестопалов // Известия вузов. Технические науки. – 2012. – № 3. – С. 3-7.
3. Shtovba S.D. Analyzing the Criteria for Fuzzy Classifier Learning / S.D. Shtovba, O.D. Pankevich, A.V. Nagorna // Automatic Control and Computer Sciences. – 2015. – Vol. 49. – № 3. – P. 123-132. https://doi.org/10.3103/S0146411615030098.
4. Назаров А.О. Модель и метод концептуальной кластеризации объектов, характеризуемых нечеткими параметрами / А.О. Назаров // Фундаментальные исследования. – 2014. – № 9. – С. 993-999.
5. Lee S. Various Validity Indices for Fuzzy K-means Clustering / S. Lee, J. Kim, Y. Jeong // Korean Management Review. – 2017. – 46(4). – P. 1201-1226.