Show simple item record

dc.contributor.authorПетров, С. А.uk
dc.contributor.authorЛисак, Н. В.uk
dc.contributor.authorМіронова, Ю. В.uk
dc.contributor.authorПетров, С. А.ru
dc.contributor.authorЛысак, Н. В.ru
dc.contributor.authorМиронова, Ю. В.ru
dc.contributor.authorPetrov, S. O.en
dc.contributor.authorLysak, N. V.en
dc.contributor.authorMironova, Yu. V.en
dc.date.accessioned2015-12-01T09:38:19Z
dc.date.available2015-12-01T09:38:19Z
dc.date.issued2015-11
dc.identifier.citationПетров С. А. Гібридний алгоритм кластер-аналізу для формування апріорного розбиття простору ознак на класи знань в системах дистанційного навчання [Текст] / С. А. Петров, Н. В. Лисак, Ю. В. Міронова // Вісник Вінницького політехнічного інституту. — 2015. — № 4. — С. 80—87.uk
dc.identifier.issn1997-9266
dc.identifier.urihttp://ir.lib.vntu.edu.ua/handle/123456789/2410
dc.description.abstractЗапропоновано модифікацію алгоритму k-means, ідея вдосконалення якого полягає у комбінованому використанні критерію оцінки помилки кластеризації та інформаційного критерію функціональної ефективності, що визначає рівень достовірності побудованих вирішальних правил визначення належності реалізацій до певного класу знань. При цьому використання комбінованого статистичного та інформаційного підходів дозволило включити такий параметр кластеризації як кількість кластерів в інтеграційну оптимізаційну процедуру та, базуючись на природній структурі розподілення векторів реалізацій результатів тестування слухачів в N-вимірному просторі ознак, розпізнавання дозволило знайти оптимальні геометричні параметри контейнерів класів, які характеризують рівні знань студенів в системах дистанційного навчання.uk
dc.description.abstractПредложена модификация алгоритма k-means, идея усовершенствования которого заключается в комбини-рованном использовании критерия оценки ошибки кластеризации и информационного критерия функциональной эффективности, который определяет достоверность построенных решающих правил определения принадлеж-ности реализаций к некоторому классу знаний. При этому одновременное использование статистического и информационного подходов позволило включить такой важный параметр для алгоритмов кластеризации как количество кластеров в итерационную оптимизационную процедуру. Имея априорную информацию о распределении N-мерных векторов реализаций, представляющих результаты тестирования знаний студентов, определить оптимальные геометрические параметры контейнеров, описывающих классы знаний студентов в системах дистанционного образования.ru
dc.description.abstractThere has been offered the modification of algorithm of k - means, the idea of improvement of which consists in the combined use of criterion of estimation of error of clusterization and informative criterion of functional efficiency, that determines authenticity of the built decision rules of determination of belonging of realization to some class of knowledge. Thus the simultaneous use of statistical and informative approaches allowed including such important parameter for the algorithms of clusterization as an amount of clusters in iterative optimization procedure. Having a priori information about distribution of N- measure vectors of realization, presenting the results of testing of knowledge of students, it also allows to define the optimal geometrical parameters of containers, describing the classes of knowledge of students in the systems controlled from distance education.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.subjectкластеризаціяuk
dc.subjectk-meansuk
dc.subjectкритерій функціональної ефективностіuk
dc.subjectкритерій оцінки помилки кластеризаціїuk
dc.subjectсистеми дистанційного навчанняuk
dc.subjectclusteringen
dc.subjectk-meansen
dc.subjectcriterion of functional efficiencyen
dc.subjectclustering quality criteriaen
dc.subjectdistance learning systemsen
dc.subjectкластеризацияru
dc.subjectk-meansru
dc.subjectкритерий функциональной эффективностиru
dc.subjectкритерий оценки качества кластеризацииru
dc.subjectсистемы дистанционного обученияru
dc.titleГібридний алгоритм кластер-аналізу для формування апріорного розбиття простору ознак на класи знань в системах дистанційного навчанняuk
dc.title.alternativeГибридный алгоритм кластер-анализа для формирования априорного разбиения пространства признаков на классы знаний в системах дистанционного обученияru
dc.title.alternativeHybrid algorithm of cluster analysis forming a priori space division into classes of knowledge in the systems of distance educatingen
dc.typeArticle
dc.identifier.udc681.518:004.93.1


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record