Bug‘doy navlarini tanlash jarayoniga Multiagent texnologiyalarini qo‘llash

Klasterli tahlil (cluster analysis) – berilganlarni to‘plash, tanlov ob’ektlari haqidagi ma’lumotlarni saqlovchi va ularni bir jinsli guruhlarga nisbatan tartiblashni bajaruvchi ko‘p o‘lchamli statistik protseduradir. Klasterizatsiya masalalari “o‘qituvchisiz o‘rgatish” masalalari sinfiga kiradi.

Klasterli tahlil quyidagi asosiy vazifalarni bajaradi:

• 
  Turlarga ajratish yoki klassifikatsiyani qayta o‘tkazish;
  
• 
  Ob’ektlarni guruhlash uchun foydali konseptual sxemalar tadqiqoti;
  
• 
  Berilganlarni tadqiq qilish asosida gipotezalar topish;
  
• 
  Gipotezalarni tekshirish.
  

Klasterizatsiyaning maqsadi:

• 
  Berilganlarni klasterli strukturasini aniqlash orqali tushunish.
  
• 
  Tanlovni o‘xshash ob’ektlar guruhlariga ajratish va keyingi qadamda berilganlarga ishlov berish va qaror qabul qilishni osonlashtiradi. Ya’ni, har bir klasterga mos tahlil usuli qo‘llaniladi (“ajratib ol va hukmronlik qil” strategiyasi).
  
• 
  Berilganlarni hajmini qisqartirish. Agar tanlov keragidan ortiq katta bo‘lsa, har bir klasterdan 1 tadan, eng katta o‘xshash vakil qoldiriladi.
  
• 
  Yangiliklarni aniqlash (novelty detection). Hech qaysi bir klasterga kirmaydigan guruhlanmagan ob’ektlarni ajratib olinadi.
  

Yuqorida qayd qilingan masalalar quyidagi holatlarda hal qilinadi:
Klasterlar sonini kamaytirishga harakat qilinadi;

1. 
   Har bir klaster ichida ob’ektlar o‘xshashligi eng yuqori darajada bo‘lishi muhim, klasterlar soni istagancha bo‘lishi mumkin;
   
2. 
   Eng katta e’tibor hech bir klasterga kirmaydigan ob’ektlarga qaratiladi.
   

Bu barcha holatda ierarxik klasterizatsiya qo‘llash mumkin, ya’ni, katta klasterlar kichik klasterlarga, kichik klasterlar o‘z navbatida yana ham kichikroq klasterlarga va h.k. ajratilishi mumkin.
Bunday masalalar taksonomiya masalalari deyiladi. Taksonomiyaning natijasi daraxt ko‘rinishidagi ierarxik struktura bo‘ladi.
Guruhlash usullari. Guruhlash (klasterizatsiya) usullarining umumiy qabul qilingan sinflanishi yo‘q, lekin, bir nechta yondashuv guruhlarga bo‘lish mumkin:
1. Ehtimolli yondashuv. Har bir qaralayotgan ob’ekt k ta sinfdan biriga tegishli deb qaraladi. Ularga quyidagilar kiradi:

• 
  K-means;
  
• 
  K-medians;
  
• 
  EM-algoritm (Expectation-maximization (EM) algorithm);
  
• 
  FOREL algoritmlar oilasi;
  
• 
  Diskriminantli tahlil.
  

2. Sun’iy intellekt tizimlariga asoslangan yondashuv algoritmlari:

• 
  C-means;
  
• 
  Koxonen neyron to‘ri;
  
• 
  Genetik algoritm.
  

3. Mantiqiy yondashuv. Dendrogrammalarni qurish qaror daraxtlari yordamida amalga oshiriladi.
4. Nazariy – grafli yondashuv algoritmlariga guruhlashning grafli algoritmlarini keltirish mumkin.
5. Ierarxik yondashuv. Bu guruh algoritmlari aglomerativ (birlashtiruvchi) va diviziv (ajratuvchi) guruhlarga ajraladi. Alomatlar soniga qarab monotetik va politetik klassifikatsiya usullariga ajraladi. Bunga ierarxik diviziv guruhlash yoki taksonomiya usulini keltirish mumkin.
6. Yuqoridagilardan farqli boshqa usullar:

• 
  Klasterizatsiyaning statistik algoritmlari;
  
• 
  Klasterizatorlar ansambli;
  
• 
  KRAB algoritmlar oilasi;
  
• 
  “Elash” usuli asosidagi algoritm;
  
• 
  DBSCAN.
  

Sanab o‘tilgan usullar o‘rtasida farqlar bo‘lishiga qaramasdan barchasi kompaktlik gipotezasiga tayanadi, ya’ni, ob’ektlar fazosida barcha yaqin ob’ektlar bir klasterga, barcha farqli ob’ektlar mos ravishda turli klasterlarga tegishli bo‘lishlari shart[7].