Xəbər verdiyimiz kimi, bu yaxınlarda Bakıda keçirilən “İnformasiya və kommunikasiya texnologiyalarının tətbiqi üzrə 13-cü IEEE beynəlxalq konfransı”nın (AICT 2019) “Yüksək performanslı hesablama və maşın təlimi” mövzusunda keçirilən iclasda AMEA-nın vitse-prezidenti, İnformasiya Texnologiyaları İnstitutunun direktoru, akademik Rasim Əliquliyev, şöbə müdiri, AMEA-nın müxbir üzvü, texnika elmləri doktoru Ramiz Alıquliyev və böyük elmi işçisi, texnika üzrə fəlsəfə doktoru, dosent Lyudmila Suxostatın həmmüəllifi olduqları “Consensus clustering by weight optimization of input partitions” (“Giriş arakəsmələrinin çəki optimallaşdırılması ilə konsensus klasterləşmə”) adlı məruzə dinlənilib.

Adıçəkilən konfransda təqdim olunan elmi məruzələr “İnformasiya və kommunikasiya texnologiyalarının tətbiqi üzrə 13-cü IEEE beynəlxalq konfransının materialları”nda dərc olunub.

Qeyd edək ki, məqalədə klasterləşmə nəticələrinin dəqiqliyini və sabitliyini artırmaq üçün qərarlaşmış yanaşma geniş şəkildə istifadə olunur. Çəkili konsensus klasterləşmə yanaşması təmizlik-faydalılıq funksiyasından (purity utility function) istifadə edərək çəkiləri ayrı-ayrı klasterləşmə metodlarına mənimsədir.

Konsensus klasterləşdirmə məlumatlar toplusundan klaster strukturları tapmaq üçün perspektivli bir yanaşmadır. Konsensus klasterləşdirmə etibarlı bölünmələri tapmağa, küy və kənara çıxmaları aşkar etməyə, həmçinin bir çox mənbələrdən həllərin birləşdirilməsinə kömək edə bilər.

Məqalədə DBSCAN (Density-Based Spatial Clustering of Applications with Noise), OPTICS (Ordering Points to Identify the Clustering Structure), CLARANS (Clustering Large Applications with Randomized Search), k-means və paylaşılmış ən yaxın qonşu klasterləşdirmə alqoritmlərindən (shared nearest neighbor clustering, SNNC) ibarət olan konsensus klasterləşdirmə alqoritmi təklif olunur.

Təklif edilən alqoritm müxtəlif məsafə metrikaları (Evklid, Minkovski, kvadratik Evklid, kosinus və Çebışev) əsasında müxtəlif ölçülü məlumat bazaları üzərində eksperimental üsulla qiymətləndirilib. Eksperimentin nəticələri göstərir ki, təklif olunan yanaşma ansambla daxil olan klasterləşmə metodlarının hər birindən effektivdir, daha doğrusu yüksək dəqiqlik nümayiş etdirir. Metodların effektivliyini qiymətləndirmək üçün bir neçə qiymətləndirmə metrikasından istifadə edilib.

Məqalə IEEE Xplore kimi nüfuzlu elmi bazada indeksləşib və referatlaşıb (DOI: 10.1109/AICT47866.2019.8981718).