ify"> k проводиться за рахунок розбиття кластерів, в яких дані не відповідають гауссовскому розподілу.
Алгоритм В«приймає рішенняВ» про подальше розбитті на основі статистичного тесту даних, пов'язаних з кожним центроїдом. Якщо при цьому буде виявлено, що вони розподілені по гауссовскому законом, то подальшого сенсу в їх розбитті немає. Фактично в процесі роботи G-means алгоритм k-means буде повторений k раз, тому складність алгоритму становить O ( k ). [4]
2.4.3 Мережі Кохонена
Термін В«мережі КохоненаВ» був введений в 1982 р. фінським вченим Тойво Кохоненом. Мережі Кохонена являють собою різновид самоорганізованих карт ознак, які, у свою чергу, є спеціальним типом нейронних мереж. p align="justify"> Основна мета мереж Кохонена - перетворення складних багатовимірних даних в більш просту структуру малої розмірності. Таким чином, вони добре підходять для кластерного аналізу, коли потрібно виявити приховані закономірності у великих масивах даних. p align="justify"> За способами налаштування вхідних ваг суматорів і по важливість справ розрізняють багато різновидів мереж Кохонена. Найбільш відомі з них:
ВЁ Мережі векторного квантування сигналів, тісно пов'язані з найпростішим базовим алгоритмом кластерного аналізу (метод динамічних ядер або K-середніх);
ВЁ Самоорганізуються карти Кохонена (Self-Organising Maps, SOM)
ВЁ Мережі векторного квантування, яких навчають з учителем (Learning Vector Quantization).
Мережа Кохонена складається з вузлів, які об'єднуються в кластери. Найбільш близькі вузли відповідають схожим об'єктам, а віддалені один від одного - несхожим. p align="justify"> В основі побудови мережі Кохонена лежить конкурентна навчання, коли вихідні вузли (нейрони) конкурують між собою за право стати В«переможцемВ».
Навчання мережі. Розглянемо набір з m значень полів n -й запису вихідної вибірки, який буде служити вхідним вектором, і поточний вектор ваг j -го вихідного нейрона
.
Алгоритм Кохонена включає наступні кроки:
1. Ініціалізація. Для нейронів мережі встановлюються початкові ваги, а також задаються початкова швидкість навчання ? і радіус навчання R .
2. Збудження. На вхідний шар подається вектор впливу, що містить значення вхідних полів запису навчальної вибірки.
3. ...
