Аннотация.
Рассмотрена задача нечеткой кластеризации многомерных наблюдений и предложена группа адаптивных алгоритмов самообучения нейронной сети Кохонена для возможностной кластеризации с переменным параметром нечеткости, способных в реальном времени выделять в данных пересекающиеся кластеры. Приведенные алгоритмы характеризуются численной простотой и гибкостью при работе в условиях априорной неопределенности относительно характера распределения данных в кластерах.
Ключевые слова: нечеткая кластеризация, фаззификатор, нейронная сеть Кохонена, алгоритм самообучения.
Колчигин Богдан Владленович,
аспирант Харьковского национального университета радиоэлектроники,
e-mail: quasimail@gmail.com.
Бодянский Евгений Владимирович,
доктор техн. наук, профессор Харьковского национального университета радиоэлектроники,
e-mail: bodya@kture.kharkov.ua.