Информационная основа потребительской оценки товаров и услуг: современные методы и подходы. Денисова А.Л - 13 стр.

UptoLike

ВУЗ: 

ТГТУ | Тамбов

Составители: 

Рубрика: 

),(Г
1
1
Ω
ω
′
S
),(Г
2
1
Ω
ω
′
S
),(Г
1
2
Ω
ω
′
S
),(Г
2
2
Ωω
′
S
),(Г
1
3
Ωω
′
S
),(Г
2
3
Ωω
′
S
.
•
Применение вычислительной процедуры вычисления оценок позволяет получить следующее:
•
1),(Г:
11
1
=
Ω
ω
′
S
S
2),(Г
2
1
=
Ω
ω
′
S
2),(Г:
12
2
=Ωω
′
S
S
1),(Г
2
2
=Ωω
′
S
.
Согласно решающему правилу, реализующему принцип простого большинства голосов, и так как
Г (
1
, Ωω
′
) > Г (
2
, Ωω
′
), срока ω′ зачисляется в класс Ω
1
.
• 2.2 КАЧЕСТВЕННОЕ ОПИСАНИЕ ЗАДАЧИ РАЗБИЕНИЯ НА КЛАССЫ
Качественное описание задачи разбиения на классы имеет ряд теоретических решений. В контексте
работы предполагается акцентировать внимание на реализацию следующих методик:
• описательный подход выявления кластеров;
• классификация образов по критерию минимума расстояния.
Выявление кластеров во многих отношениях является "искусством" весьма эмпирическим, так как
качество работы определенного алгоритма зависит не только от характера анализируемых данных, но
также в значительной степени определяется мерой подобия образов и методом, используемым для
идентификации кластеров в системе данных.
Для того чтобы определить на множестве данных кластер, необходимо в первую очередь ввести ме-
ру сходства (подобия), которая может быть положена в основу правила отнесения образов к области,
характеризуемой некоторым центром кластера.
Существуют различные методы определения меры сходства (подобия). В нашей задаче в качестве
меры сходства используется евклидово расстояние между образами X и Z: ZXD −= . Эта характеристика
используется в качестве меры сходства соответствующих образов: чем меньше расстояние между ними,
тем больше сходство. На этом понятии основан простой алгоритм выявления кластеров, который рас-
сматриваться ниже.
Пусть задано множество N образов {X
1
, X
2
, …, X
N
}. Пусть также центр первого кластера Z
1
совпада-
ет с любым из заданных образов и определена произвольная неотрицательная пороговая величина Т;
для удобства можно считать, что Z
1
= X
1
. После этого вычисляется расстояние D
21
между образом X
2
и
центром кластера Z
1
по формуле ZXD −= . Если это расстояние больше значения пороговой величины
Т, то учреждается новый центр кластера Z
2
= X
2
. в противном случае образ X
2
включается в кластер,
центром которого является Z
1
. Пусть условие D
21
> T выполнено, т.е. Z
2
– центр нового кластера. На
следующем шаге вычисляются расстояния D
31
и D
32
от образа Х
3
до центров кластеров Z
1
и Z
2
. Если оба
расстояния оказываются больше порога Т, то учреждается новый центр кластера Z
3
= X
3
. В противном
случае образ Х
3
зачисляется в тот кластер, чей центр к нему ближе. Подобным же образом расстояния
от каждого нового образа до каждого известного центра кластера вычисляются и сравниваются с поро-
говой величиной – если все эти расстояния превосходят значения порога Т, учреждается новый центр
кластера. В противном случае образ зачисляется в кластер с самым близким к нему центром.
Результаты описанной процедуры определяются выбором первого центра кластера, порядком ос-
мотра образов, значением пороговой величины Т и, конечно, геометрическими характеристиками дан-
ных.
Полезными характеристиками являются также ближайшая и наиболее удаленная от центра точки
кластера и различие размеров отдельных кластеров.
• 2.3 ОЦЕНКА НЕОПРЕДЕЛЕННОСТИ КАЧЕСТВЕННЫХ ХАРАКТЕРИСТИК
ТОВАРОВ И УСЛУГ ПРИ ОЦЕНОЧНОЙ ЭКСПЕРТИЗЕ

Страницы