доктор технических наук;
doctor of technical sciences;
В работе дан краткий обзор публикаций по различным вопросам разработки методов построения кластерных моделей различного типа и прикладной направленности. В частности, упомянута задача прогнозирования оставшегося срока службы при техническом обслуживании авиадвигателя в различных условиях эксплуатации, решаемая с помощью самоадаптивного подхода к динамической кластеризации для отбора полезных мультимодальных данных в различные кластеры, каждый из которых имеет постоянную тенденцию к деградации. Рассмотрено расширение известного алгоритма k-средних на многокритериальную структуру, которое основано на определении многокритериального расстояния на основе предпочтений, определенных лицом, принимающим решения. Приведено краткое изложение методологии кластеризации для прямой группировки временных рядов и автоматической стратегии рекурсивного поиска для анализа энергетической периодичности в этих рядах, а также новой модели нечетких временных рядов, которая может интерполировать исторические данные для эффективного прогнозирования на будущее и в рамках которой после нормализации исходных данных создается автоматический алгоритм для определения подходящего количества кластеров и нахождения нечетких связей каждого элемента в последовательности с установленными кластерами. Представлено сжатое описание нового метода инкрементного нечеткого кластерного ансамбля, основанного на идее объединения задачи кластерного анализа с методами классификации, а также подхода к групповой кластеризации для улучшения процесса категоризации при планировании рабочих нагрузок в облачных центрах обработки данных. В статье предложен способ идентификации параметров кластерной линейной регрессии с общей частью и группировки переменных в соответствующих множествах индексов, предполагающий сведение этой задачи к задаче линейно-булева программирования. Построены кластерная и обычная линейная модель функционирования гидроагрегата одной из ГЭС Сибири. Проведен их краткий анализ.
The paper provides a brief overview of publications on various issues of developing methods for constructing cluster models of various types and applications. In particular, the problem of predicting the remaining service life during maintenance of an aircraft engine under various operating conditions is mentioned, which is solved using a self-adaptive approach to dynamic clustering to select useful multimodal data into various clusters, each of which has a constant tendency to degradation. An extension of the well-known k-means algorithm to a multi-criteria structure is considered, which is based on determining the multi-criteria distance based on preferences determined by the decision maker. A summary of the clustering methodology for direct grouping of time series and an automatic recursive search strategy for analyzing energy periodicity in these series is given, as well as a new fuzzy time series model that can interpolate historical data for effective forecasting for the future and, after normalization of the initial data, creates an automatic algorithm to determine the appropriate number of clusters and find fuzzy ones. the relationships of each element in the sequence with the established clusters. A concise description of a new incremental fuzzy cluster ensemble method is presented, based on the idea of combining cluster analysis tasks with classification methods, as well as an approach to group clustering to improve the categorization process when planning workloads in cloud data centers. A method is proposed for identifying the parameters of a cluster linear regression with a common part and grouping variables in the corresponding sets of indexes, suggesting reducing this problem to a linear Boolean programming problem. A cluster and conventional linear model of the operation of a hydroelectric unit of one of the Siberian hydroelectric power plants are constructed. Their brief analysis is carried out.