LIETDERĪGO PAZĪMJU ATLASE UN DAUDZDIMENSIJU DATU KLASTERIZĀCIJA UZ KOHONENA KARTES BĀZES

Abstract

Pašorganizējošais Kohonena neironu tīkls tiek mācīts, balstoties uz piemēriem, bez pasniedzēja, un ir domāts iepriekšējai pazīmju atlasei līdz apmacības sākumam. Minētais noteikums rada daudzumu grūtību praktiskajā dotā tīkla izmantošanā. Kohonena karte nav spējīga uzlabot klasterizācijas kvalitāti, izmantojot lietderīgo pazīmju atlasi, tā kā neveic ieejas signāla kārtošanu pēc svarīguma pakāpes. Šī iemesla dēļ ir interesanti izpētīt iepriekšējās lietderīgo pazīmju atlases ietekmi uz klasterizācijas kvalitātes uzlabošanu.