Abstract: В работе рассматриваются различные подходы к решению задач кластеризации данных при наличии в них пропусков. Применяются методы коллективных решений, а также алгоритмы заполнения пропущенных значений признаков. Также предлагаются способы вычисления оценок качества кластеризации данных с прочерками.

Keywords: кластеризация, неполные данные, прочерки, коллективные решения

ACM Classification Keywords: I.5.3 Computing Methodologies - Pattern recognition - Clustering

Link:

КЛАСТЕРИЗАЦИЯ НЕПОЛНЫХ ДАННЫХ

Владимир Рязанов, Кирилл Тишин, Антон Щичко

http://foibg.com/ibs_isc/ibs-22/ibs-22-p02.pdf