Кучеренко, Е. И.Глушенкова, И. С.Глушенков, С. А.Кучеренко, Є. І.Глушенкова, І. С.Глушенков, С. А.Kucherenko, Ye. I.Glushenkova, I. S.Glushenkov, S. A.2026-05-142026-05-142016https://eir.zp.edu.ua/handle/123456789/28688Кучеренко Е. И. Нечеткое разбиение объектов на основе критериев плотности / Е. И. Кучеренко, И. С. Глушенкова, С. А. Глушенков // Радіоелектроніка, інформатика, управління. – 2016. – № 1 (36). – C. 32-39.RU: Решена задача разбиения по критериям плотности в нечетком пространстве состояний при пересечении признаков. Объектом исследования являлись процессы разбиения заданной выборки объектов на подмножества. Предмет исследования составляют методы и алгоритмы нечеткого разбиения объектов на основе критериев плотности в сложных системах. Цель работы: развитие метода горной кластеризации Ягера-Филева на основе нечетких представлений для повышения эффективности решений. Предложен нечеткий метод разбиения, основанный на вычислении плотности распределения интегральных признаков объектов в нечетком пространстве состояний, который, в отличие от существующих, дополнительно функционирует в нечетком пространстве состояний и признаков. Описаны и обоснованы этапы метода нечеткого разбиения признаков с использованием нечеткого расстояния Хемминга. Была создана программа моделирования плотности распределения признаков на основе разработанного метода. Выполнен эксперимент по определению принадлежности объекта при пересечении областей нечеткого распределения признаков и предоставление результатов в виде логического вывода и графического материала. Результаты эксперимента позволяют рекомендовать предложенный метод для использования на практике. Перспективой дальнейших исследований является исследование и алгоритмизация метода, его адаптация в пространстве признаков предметных областей. UK: Розв’язано задачу розбиття за критеріями щільності в нечіткому просторі станів при перетині ознак. Об’єктом дослідження були процеси розбиття заданої вибірки об’єктів на підмножини. Предмет дослідження становлять методи й алгоритми нечіткого розбиття об’єктів на основі критеріїв щільності в складних системах. Мета роботи: розвиток методу гірської кластеризації Ягера-Філев на основі нечітких уявлень для підвищення ефективності рішень. Запропоновано нечіткий метод розбиття, заснований на обчисленні щільності розподілу інтегральних ознак об’єктів в нечіткому просторі станів, який, на відміну від існуючих, додатково функціонує в нечіткому просторі станів і ознак. Описано й обгрунтовано етапи методу нечіткого розбиття ознак із застосуванням нечіткої відстані Хеммінга. Було створено програму моделювання щільності розподілу ознак на основі розробленого методу. Виконано експеримент щодо визначення належності об’єкта при перетині областей нечіткого розподілу ознак та надання результатів у вигляді логічного виведення і графічного матеріалу. Результати експерименту дозволяють рекомендувати запропонований метод для використання на практиці. Перспективою подальших досліджень є дослідження та алгоритмізація методу, його адаптація в просторі ознак предметних областей. EN: The problem of the partition of the criteria in the fuzzy space density of states at the intersection of features. The object of research is the process of partitioning a given sample of objects into subsets. Subject of research methods and algorithms make fuzzy partition of objects based on the criteria density in complex systems. Objective: to develop a method of clustering mining Jager-Fileva based on fuzzy concepts to improve the effectiveness of the decisions. It was proposed fuzzy partitioning method based on the calculation of the density distribution of the integral attributes of the objects in a fuzzy space of conditions. The method, in contrast to existing, additionally operates in a fuzzy state space and features. Describe and justify the steps of the method of fuzzy partitioning features using fuzzy Hamming distance. It was created simulation program distribution density of features on the basis of this method. An experiments conducted to determine the affiliation of the object at the intersection of fuzzy areas of distribution and the provision of evidence of results in the form of inference and graphic material. The experimental results allow us to recommend the proposed method to be used in practice. Prospects for further research is to study and algorithmization method, its adaptation to the feature space domains.ruкластеризациярасстояние Хеммингагорная кластеризациянечеткая логикакластеризаціявідстань Хеммінгагірська кластеризаціянечітка логікаclusteringhamming distancemountain clusteringfuzzy logicArticle