Метод кластеризації з використанням багатовимірного адресного сортування

Simple item page
dc.contributor.authorКрещенко, Тарас
dc.contributor.authorЮщенко, Юрій
dc.date.accessioned2021-01-09T00:01:29Z
dc.date.available2021-01-09T00:01:29Z
dc.date.issued2020
dc.description.abstractУ роботі розглянуто багатовимірне адресне сортування, зокрема декілька методів його реалізації. Описано декілька структур даних для збереження та використання результатів багатовимірного адресного сортування. На прикладі реалізованого програмного проекту продемонстровано корисність і доцільність використання багатовимірного адресного сортування для розв’язання задач класифікації сукупностей згрупованих даних. Визначено переваги використання багатовимірного адресного сортування при розв’язанні задач кластеризації порівняно з методами, які нині набули широкого використання.uk_UA
dc.description.abstractThe paper examines multidimensional address sorting as a way to sort datasets by multiple columns (features of the objects) and to avoid copying data at the same time. Several data structures are proposed for storing and using the resulting data of multidimensional sorting. That includes the usage of indexing arrays, doubly linked lists, and foreign keys in a relational database. Each variant is analyzed in terms of time complexity of performing various tasks. The paper illuminates advantages and disadvantages of using each proposed data structure. When using indexing arrays, by which arrays that store indices of the elements in the desired order are meant, it becomes impossible to access the next or previous element in any other sort in O(1) time. To resolve this problem the paper proposes to use inverted index arrays, which map data points to their indices in each sort. The implementation that uses doubly linked lists shows promising time complexity results, but the one that uses foreign keys has proven to be better, because the presence of primary keys allows to get elements by indices in logarithmic time, or O(log(n)). It also reduces the risk of losing data if a critical error occurs in the main program. One of the main goals of cluster analysis is to make it easier to analyze similar data within a dataset. Multidimentional sorting adds to this goal by simplifying the process of displaying the clustered data and making it possible to compare data points that are close by a chosen feature in any cluster. The implemented software project is used to demonstrate expediency and convenience of using multidimensional address sorting to display and visualize the results of data clustering. The paper identifies advantages of using multidimensional address sorting in solving clustering problems over methods that are currently widely used.en_US
dc.identifier.citationКрещенко Т. О. Метод кластеризації з використанням багатовимірного адресного сортування / Крещенко Т. О., Ющенко Ю. О. // Наукові записки НаУКМА. Комп'ютерні науки. - 2020. - Т. 3. - С. 83-87.uk_UA
dc.identifier.issn2617-3808
dc.identifier.urihttps://doi.org/10.18523/2617-3808.2020.3.83-87
dc.identifier.urihttps://ekmair.ukma.edu.ua/handle/123456789/19179
dc.language.isoukuk_UA
dc.relation.sourceНаукові записки НаУКМА. Комп'ютерні науки.uk_UA
dc.statusfirst publisheduk_UA
dc.subjectадресне сортуванняuk_UA
dc.subjectспискиuk_UA
dc.subjectдвозв’язні спискиuk_UA
dc.subjectдереваuk_UA
dc.subjectіндексаціяuk_UA
dc.subjectкласифікаціяuk_UA
dc.subjectкластеруванняuk_UA
dc.subjectкластеризаціяuk_UA
dc.subjectкластерний аналізuk_UA
dc.subjectмашинне навчанняuk_UA
dc.subjectстаттяuk_UA
dc.subjectaddress sortingen_US
dc.subjectlistsen_US
dc.subjectdoubly linked listsen_US
dc.subjecttreesen_US
dc.subjectindexen_US
dc.subjectclassificationen_US
dc.subjectclusteringen_US
dc.subjectclusterizationen_US
dc.subjectcluster analysisen_US
dc.subjectmachine learningen_US
dc.titleМетод кластеризації з використанням багатовимірного адресного сортуванняuk_UA
dc.title.alternativeClustering Method Using Multidimensional Address Sortingen_US
dc.typeArticleuk_UA
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Kreshchenko_Metod_klasteryzatsii.pdf
Size:
553.96 KB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
7.54 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
Том 3