Лабораторные / СИИ-2ЛАБ

Министерство цифрового развития, связи и массовых коммуникаций

Российской Федерации

Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования

МОСКОВСКИЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ СВЯЗИ И ИНФОРМАТИКИ

(МТУСИ)

Факультет "Радио и телевидение"

Кафедра "Радиотехнические системы"

Лабораторная работа №2

По дисциплине "Системы искусственного интеллекта":

Выполнил:

Проверил:

Доктор технических наук

Чиров Д.С.

Цель работы: изучение методов кластерного анализа в системах искусственного интеллекта.

Выполнение

Вариант 1

Метод объединения: Уорда

Метрика: Евклидово расстояние

Алгоритм обучения PLSOM

Рисунок 1 – Результат обучения 10 эпох

Рисунок 2 – Распределение по кластерам после 10 эпох

Таблица 1 – Результаты обучения алгоритмом PLSOM

Число эпох	Найдено кластеров	Средняя дисперсия	Средняя дисперсия по всем кластерам
10	8	0,051	0,051
50	10	0,027	0,0266
100	9	0,024	0,0236
500	10	0,009	0,0091
1000	11	0,009	0,0092

Алгоритм обучения “Классический”

Рисунок 3 – Результат обучения после 1000 эпох

Рисунок 4 – Распределение по кластерам после 1000 эпох

Таблица 2 – Результаты обучения классическим методом

Число эпох	Найдено кластеров	Средняя дисперсия	Средняя дисперсия по всем кластерам
10	9	0,04	0,0397
50	11	0,025	0,0249
100	10	0,019	0,0192
500	11	0,017	0,0166
1000	12	0,028	0,0279

Рисунок 5 – Оптимальное количество кластеров

Рисунок 6 – Зависимость доли корректно распознанных объектов от количества эпох

Вывод: с увеличением количества эпох алгоритм PLSOM демонстрирует улучшение качества распознавания. Классический алгоритм тоже обеспечивает должное качество распознавания, но его зависимость от числа эпох заметно меньше.

Плюс иерархического метода в наглядности, поскольку в нем используется построение дендрограмм.

Минус иерархического метода в том, что нельзя использовать при большом количестве данных, и получение результатов происходит в ручном режиме.

Плюс самоорганизующегося метода в том, что получение результатов происходят в автоматическом режиме.

Минус самоорганизующегося метода в медленной сходимости, то есть дя создания карты может потребоваться большее число эпох обучения.

Москва 2025