Задача каластерного анализа является одной из наиболее распространенных в анализе данных. Существует достаточно много различных и методов для ее решения. Однако результат кластеризации достаточно сильно зависит от выбора систем признаков, мер близости объектов, способов формализации представлений об эквивалентности объектов и кластеров. В результате полученные решения могут быть далекими друг от друга. вырожденными или не соответствующими объективно существующим группировкам. В данной статье рассматриваются методы решения решения задачи коллективамиалгоритмов, позволяющими строить наиболее "согласованные" решения.
