КіСА | Зміст

Том 57 >>> № 3 ТРАВЕНЬ — ЧЕРВЕНЬ 2021

-->

УДК 519.237.8

Н.Е. Кондрук, М.М. Маляр

АНАЛІЗ КЛАСТЕРНИХ СТРУКТУР ЗА РІЗНИМИ МІРАМИ ПОДІБНОСТІ

Анотація. Наведено аналіз кластерних утворень, що використовують в прак-тичних задачах. У різних дослідженнях сегментацію даних зазвичай викону-ють лише одною формою кластерів. Запропоновано здійснювати кластери-зацію за різними мірами подібності одних і тих самих досліджуваних даних та виявляти різні види взаємозв’язків між ними. Це дає змогу проводити більш повний, різнобічний та системний аналіз утворених сегментів у прикладних задачах. Верифікацію цього підходу реалізовано на практичній задачі аналізу демографічних процесів у низці європейських країн.

Ключові слова: кластеризація, аналіз кластерів, інтерпретація кластерів, демографічні процеси.

ПОВНИЙ ТЕКСТ

Кондрук Наталія Емерихівна,
кандидатка техн. наук, доцентка кафедри Державного вищого навчального закладу «Ужгородський національний університет», natalia.kondruk@uzhnu.edu.ua

Маляр Микола Миколайович,
доктор техн. наук, професор кафедри Державного вищого навчального закладу «Ужгородський національний університет», mykola.malyar@uzhnu.edu.ua

СПИСОК ЛІТЕРАТУРИ

Hulianytskyi L.F., Riasna I.I. Automatic classification method based on a fuzzy similarity relation. Cybernetics and Systems Analysis. 2016. Vol. 52, N 1. P. 30–37. https://doi.org/10.1007/ s10559-016-9796-3.

Lascu D.-N., Manrai L.A., Manrai A.K., Gan A. A cluster analysis of tourist attractions in Spain: Natural and cultural traits and implications for global tourism. European Journal of Management and Business Economics. 2018. Vol. 27, N 3. P. 218–230. https://doi.org/10.1108/EJMBE-08-2017-0008.

Sanders I., Short C.E., Bogomolova S., Stanford T., Plotnikoff R., Vandelanotte C., Olds T., Edney S., Ryan J., Curtis R.G., Maher C. Characteristics of adopters of an online social networking physical activity mobile phone app: Cluster analysis. JMIR Mhealth Uhealth. 2019. Vol. 7, N 6. P. 1–11. https://doi.org/10.2196/12484.

Morton C., Anable J., Nelson J.D. Consumer structure in the emerging market for electric vehicles: Identifying market segments using cluster analysis. International Journal of Sustainable Transportation. 2017. Vol. 11, N 6. P. 443–459. https://doi.org/10.1080/15568318.2016.1266533.

Kondruk N. Clustering method based on fuzzy binary relation. Eastern-European Journal of Enterprise Technologies. 2017. Vol. 2, N 4. P. 10–16. https://doi.org/10.15587/1729-4061.2017.94961.

Haben S., Singleton C., Grindrod P. Analysis and clustering of residential customers energy behavioral demand using smart meter data. IEEE Trans. on Smart Grid. 2015. Vol. 7, N 1. P. 136–144. https://doi.org/10.1109/TSG.2015.2409786.

Geng D., Xia X., Fu X. A knowledge discovery method for characteristics extraction of power consumption based on cluster analysis. Chinese Automation Congress (22–24 Nov 2019, Hangzhou, China). Hangzhou, China, 2019. P. 1288–1292. https://doi.org/10.1109/CAC48633.2019.8996438.

Leech R.M., McNaughton S.A., Timperio A. The clustering of diet, physical activity and sedentary behavior in children and adolescents: a review. International Journal of Behavioral Nutrition and Physical Activity. 2014. Vol. 11, N 4. P. 1–9. https://doi.org/10.1186/1479-5868-11-4.

Wang G., Zhang X., Tang S., Zheng H., Zhao B. Unsupervised clickstream clustering for user behavior analysis. CHI Conf. on Human Factors in Computing Systems (6–12 May 2016, New York). New York, 2016. P. 225–236. https://doi.org/10.1145/2858036.2858107.

Zhang D., Ortiz M.A., Bluyssen P.M. Clustering of Dutch school children based on their preferences and needs of the IEQ in classrooms. Building and Environment. 2019. Vol. 147. P. 258–266. https://doi.org/10.1016/j.buildenv.2018.10.014.

Kim D.H., Bluyssen P.M. Clustering of office workers from the OFFICAIR study in The Netherlands based on self-reported health and comfort. Building and Environment. 2020. Vol. 176. P. 1–19. https://doi.org/10.1016/j.buildenv.2020.106860.

Кondruk N.E. Use of length-based similarity measure in clustering problems. Radio Electronics. Computer Science. Control. 2018. N 3. P. 98–105. https://doi.org/10.15588/1607-3274-2018-3-11.

Eurostat. European Statistical System. URL: https://ec.europa.eu/.

Кondruk N.E. A comparative study of cluster validity indices. Radio Electronics. Computer Science. Control. 2019. N 4. P. 59–67. https://doi.org/10.15588/1607-3274-2019-4-6.

Маляр М.М., Кондрук Н.Е. Структурування критеріального простору за кутовою мірою подібності. Наук. вісн. Ужгород. ун-ту. Cерія «Математика і інформатика». 2020. Вип. № 1 (36). C. 85–91. https://doi.org/10.24144/2616-7700.2020.1(36).85-91.