Ранжирование объектов на основе нечеткой кластеризации

В работе создана методика применения нечеткой логики в задаче разделения объектов на кластеры и их ранжирования, где в качестве признаков указываются их координаты. Исследуются классические подходы машинного обучения для составления моделей кластеризации. Далее они дополнены аппаратом нечетких чисел для получения оценки потенциальной возможности принадлежности объекта кластеру. На основе выбранных подходов было разработано алгоритмическое и программное обеспечение для отнесения объекта к кластерам с выводом функции принадлежности, а также выводом ранга, вычисляемого через дефаззификацию с учетом важности каждого кластера. Полученная модель может быть использована для решения задач выбора и ранжирования объектов с учетом степени уверенности в принадлежности их определенным классам.