https://www.wikicshse.ru/index.php?action=history&feed=atom&title=%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC%D1%8B_%D0%B8_%D1%81%D1%82%D1%80%D1%83%D0%BA%D1%82%D1%83%D1%80%D1%8B_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_2_2017%2F2018%2FClustering 2026-06-06T13:53:21Z История изменений этой страницы в вики MediaWiki 1.45.3 https://www.wikicshse.ru/index.php?title=%D0%90%D0%BB%D0%B3%D0%BE%D1%80%D0%B8%D1%82%D0%BC%D1%8B_%D0%B8_%D1%81%D1%82%D1%80%D1%83%D0%BA%D1%82%D1%83%D1%80%D1%8B_%D0%B4%D0%B0%D0%BD%D0%BD%D1%8B%D1%85_2_2017/2018/Clustering&diff=927&oldid=prev 2017-10-13T11:30:35Z

<p><span class="autocomment">Кластеризация объектов</span></p> <p><b>Новая страница</b></p><div>== Кластеризация объектов ==<br /> <br /> В этом задании мы рассмотрим задачу кластеризации объектов. Вам необходимо реализовать два алгоритма кластеризации, которые разбирались на лекциях:<br /> <br /> 1) Кластеризация на основе минимального остовного дерева, максимизирующая минимальное межкластерное расстояние; <br /> <br /> 2) Кластеризация жадным алгоритмом, приближенно минимизирующая максимальное внутрикластерное расстояние.<br /> <br /> Для удобства реализации и визуализации мы будем работать с точками на плоскости.<br /> <br /> Вам дается код с заготовкой на C++, в котором реализована генерация случайных наборов точек, запись результата в скрипт для отображения с помощью утилиты gnuplot, а также некоторый набор полезных функций и классов. Необходимо реализовать функции кластеризации и продемонстрировать их работу на примерах нескольких наборов точек. Приведите примеры удачных и неудачных разбиений для каждого алгоритма.<br /> <br /> [https://www.dropbox.com/s/xuds26z1lf0qaqw/cluster.cpp?dl=0 Заготовка с кодом]<br /> <br /> Пояснения по коду:<br /> * Для работы кода необходимо создать папки &#039;plot_base&#039;, &#039;plot_mst&#039;, &#039;plot_mdc&#039;, в которые код записывает данные для визуализации для исходных данных, результата алгоритма 1 и алгоритма 2 соответственно.<br /> * Для того, чтобы визуализировать результат, нужно перейти в одну из папок, и запустить из нее команду &quot;gnuplot script.txt -p&quot; (утилиту gnuplot нужно установить). При желании можно изучить ее параметры и запускать ее по-другому (например, с записью результата в файл), или использовать онлайн-версии.<br /> * В алгоритме на основе минимального остовного дерева используется полный граф на всех вершинах, где вес ребра между двумя точками равен расстоянию между ними на плоскости.<br /> * Заготовкой пользоваться не обязательно, программировать можно как на Python, так и на C++ (но заготовки для Python нет).</div>

imported>Aumnov