Please use this identifier to cite or link to this item: http://essuir.sumdu.edu.ua/handle/123456789/43140
Or use following links to share this resource in social networks: Recommend this item
Title Гібридний алгоритм кластер-аналізу для формування апріорного розбиття простору ознак на класи знань в системах дистанційного навчання
Authors Petrov, Serhii Oleksandrovych
Лисак, Н.В.
Лысак, Н.В.
Lysak, N.V.
Міронова, Ю.В.
Миронова, Ю.В.
Mironova, Yu.V.
ORCID
Keywords кластеризація
кластеризация
clustering
k-means
критерій функціональної ефективності
критерий функциональной эффективности
criterion of functional efficiency
критерій оцінки помилки кластеризації
критерий оценки качества кластеризации
clustering quality criteria
системи дистанційного навчання
системы дистанционного обучения
distance learning systems
Type Article
Date of Issue 2015
URI http://essuir.sumdu.edu.ua/handle/123456789/43140
Publisher Вінницький політехнічний ін-т
License
Citation Гібридний алгоритм кластер-аналізу для формування апріорного розбиття простору ознак на класи знань в системах дистанційного навчання [Текст] / Н.В. Лисак, Ю.В. Міронова, С.О. Петров // Вісник Вінницького політехнічного інституту. — 2015. — №4. — С.80-87.
Abstract Запропоновано 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.
Предложена модификация алгоритма k-means, идея усовершенствования которого заключается в комбинированном использовании критерия оценки ошибки кластеризации и информационного критерия функциональной эффективности, который определяет достоверность построенных решающих правил определения принадлежности 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.
There has been offered the modification of algorithm of k - means, the idea of improvement of which consists in the combined use of criterion 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.
Appears in Collections: Наукові видання (ЕлІТ)

Views

Bangladesh Bangladesh
1
Canada Canada
1
China China
4
France France
1
Germany Germany
2425438
Greece Greece
3011
Ireland Ireland
353666
Italy Italy
1
Japan Japan
1
Lithuania Lithuania
1
Montenegro Montenegro
1
Russia Russia
2
Sweden Sweden
1
Ukraine Ukraine
21930424
United Kingdom United Kingdom
10990324
United States United States
296301868
Unknown Country Unknown Country
21930423

Downloads

China China
3
Czechia Czechia
1
EU EU
1
France France
2
Germany Germany
4
India India
1
Ireland Ireland
1
Italy Italy
1
Japan Japan
1
Kazakhstan Kazakhstan
1
Lithuania Lithuania
1
Romania Romania
1
Russia Russia
14
Ukraine Ukraine
65768741
United Kingdom United Kingdom
2
United States United States
296301865
Unknown Country Unknown Country
117

Files

File Size Format Downloads
Petrov_Cluster.pdf 676.5 kB Adobe PDF 362070757

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.