Метою роботи є розробка математичної моделі залежності вибору комбінації алгоритмів на різних етапах алгоритму Хамелеон від вихідних характеристик аналізованого набору даних з метою поліпшення якості кластеризації. Об'єкт дослідження - процес динамічної кластеризації лінейнонеразделімих експериментальних даних з різними характеристиками. Предмет дослідження - методи і моделі динамічної кластеризації лінейнонеразделімих експериментальних даних з різними характеристиками. Методи дослідження. У роботі використовувалися різні методи кластеризації та роботи з графами, моделювання для розробки математичної моделі вибору найкращого методу для кластеризації вибірок на підставі характеристик вхідних даних. У результаті роботи програмно реалізована сервіс для аналізу методів кластеризації. КЛАСТЕРИЗАЦІЯ, ДИНАМІЧНІ КЛАСИ, ЩІЛЬНІСТЬ РОЗПОДІЛУ, НАБОРИ ДАНИХ, СХОЖІСТЬ ОБ'ЄКТІВ. The aim is to develop a mathematical model of choice depending on a combination of algorithms at different stages of the algorithm Chameleon on the output characteristics of the test data set to improve the quality of clustering. Object of research - the process of dynamic clustering lineynonerazdelimyh experimental data with different characteristics. Purpose of the study - methods and models of dynamic clustering lineynonerazdelimyh experimental data with different characteristics. Research Methods. We used different methods of clustering and working with graphs modeling to develop a mathematical model of choosing the best method for clustering samples based on the characteristics of the input data. As a result of implemented software service analysis clustering methods. CLUSTERING, DYNAMIC CLASSES, DENSITY DISTRIBUTION, DATA SETS, THE SIMILARITY OBJECTS.
