Предметом даної магістерської атестаційної роботи є дослідження роботи штучних імунних систем та їх використання для рішення задач кластеризації даних за умов їх викривленості. Цілю даної роботи є аналіз існуючих методів кластеризації об'єктів, створення нової гібридної моделі кластеризації даних на основі k-menas і aiNet. В даній роботі було розроблено гібридну модель на основі імунного алгоритму aiNet та класичного алгоритму кластеризації k-means. Дана робота може бути використана для рішення проблем кластеризації даних. КЛАСТЕРИЗАЦІЯ, ІМУННІ СИСТЕМИ, АНТИТІЛА, АНТИГЕНИ, ЕВКЛІДОВА ВІДСТАНЬ, МУТАЦІЯ, КЛОНУВАННЯ, K-MEANS, AINET, ІМУННІ МЕРЕЖІ The aim of project is to analyze existing data clustering methods, create new hybrid data clustering model based on k-means and aiNet algorithms. The subject of the project is a research work in the field of artificial immune systems and their application in data clustering. In the diploma project it has been designed a hybrid algorithm based on artificial immune systems and a classic data clustering algorithm. This work can be used to solve data clustering problems. CLUSTERIZATION, IMMUNE SYSTEMS, ANTIBODIES, ANTIGENS, EUCLIDEAN DISTANCE, MUTATION, CLONING, K-MEANS, AINET, IMMUNE NETWORK
