УДК 519.876.5 Моделирование кластеризации многомерных объектов в Visual C++ © З.Н. Русакова, А.В. Орел МГТУ им. <...> Н.Э. Баумана, Москва, 105005, Россия Представлен гибридный алгоритм кластеризации, не требующей априорной информации ни о числе кластеров, ни о форме выборки. <...> Алгоритм основан на объединении итеративного метода поиска локальных сгущений и методов определения связных компонент графа. <...> Описан программный модуль моделирования задач кластерного анализа, использующий для реализации нелинейные динамические структуры. <...> Выборка многомерных перемешанных векторов наблюдений представляется в виде прямоугольной таблицы, где строка — вектор измерения признаков объекта. <...> Задача кластеризации состоит в разбиении выборки на кластеры (на подмножества) так, чтобы обеспечить экстремум некоторого критерия функционала качества — максимально правильное количество классифицированных объектов [3, 4, 6]. <...> К наиболее используемым критериям относятся сумма квадратов расстояний до центров кластеров, cумма внутрикластерных расстояний между объектами, сумма попарных внутриклассовых расстояний между элементами кластеров. <...> Выбор метрики определяет результат кластеризации и, в свою очередь, определяется формой выборки и типами признаков объекта [4, 6]. <...> На практике применяют следующие метрики: евклидово расстояния; манхэттенское расстояние (расстояние городских кварталов); расстояние Чебышева, расстояние Махаланобиса, вычисляющее расстояние между векторами с помощью матрицы ковариаций. <...> В работе проводятся исследование и разработка структурной модификации алгоритма кластеризации на основе объединения двух подходов: метода поиска локальных сгущений и методов определения связных компонент графа, построения и анализа минимального покрывающего дерева, объединяющего точки данных. <...> Предложенный алгоритм гибридной кластеризации использует идею итеративного метода поиска сгущений и методов поиска покрытий в графах <...>