II bob bo’yicha xulosalar
Ushbu bobda ma‘lumotlarni intellektual tahlil etish jarayonida klasterizatsiya masalasi algoritmlari aks ettirilgan bo’lib, paragrafning birinchi qismida Data Mining, OLAP (OnLine Analitik ishlash), Vizualizatsiya, Tasniflash usullari va klasterizatsiya masalasini tizimli yechishning formal qo‘yilishi va algoritmlar tahlillari to‘g‘risida ma‘lumotlar berilgan va ular qarab o’tilgan. II bobning ikkinchi qismida esa klasterizatsiya algoritmlarida qo‘llaniladigan masofaga asoslangan yaqinlik darajasining o‘lchovi, kalasterizatsiya usuli algoritmlari qadamlari oydin yoritib berilgan. Prognozlash, Vaqt ketma-ketligini tahlili, ierarxik algoritmlar , Dendrogramm diagrammasi, Iterativ usullar, BIRCH, CURE, CHAMELEON, ROCK, WaveCluster, CLARA (Clustering LARge Applications) kabi algoritmlar o‘rganildi va ushbu algoritmlar asosida o‘rganilgan algoritmlarning qiyosiy tahlili qilindi. Tahlillar natijasida algoritmlarning bir-biridan farqli jihatlari algoritmning yutug‘i, kamchigi, ma‘lumotlar bilan ishlash turlari, ishlash tezligi, qulaylilik darajasi keltirilgan.
III BOB. MA’LUMOTLARNI INTELLEKTUAL TAHLILIDA KLASTERIZATSIYA ALGORITMLARI DASTURIY TA’MINOTLARINING AMALIY TADBIQLARI
3.1-§. Klasterizatsiya usullari uchun amaliy dasturiy paketlarda ishlash
Ma‘lumotlar intellektual tahlili usullarining ayrimlari uchun professional statistik va matematik paketlarda turli dasturiy modullar ishlab chiqilgan. Masalan, MATLAB – matritsaviy laboratoriya paketi va qiymatlar statistik tahlil qilishga mo‘ljallangan SPSS paketi, ma‘lumotlarni intellektual tahlil qilish WEKE (Waikato Environment for Knowledge Analysis) dasturiy paketlarini misol qilib keltirish mumkin. Bu paketlar yordamida turli sonli va analitik (simvolli) ma‘lumotlarni klassifikatsiya va klasterizatsiya masalalari orqali tahlil qilish, dendogrammalarni hosil qilish, vizuallashtirish imkoniyatlari mavjud.
1.1. SPSS – ijtimoiy fanlar statistik paketida klasterizatsiya moduli.
Do'stlaringiz bilan baham: |
