Analiza porównawcza wybranych metod analizy skupień w grupowaniu jednostek o złożonej strukturze grupowej

Celem prezentowanych badań jest analiza porównawcza wybranych klasycznych metod grupowania danych z autorskimi, hybrydowymi metodami opartymi na samouczących się sieciach neuronowych typu Self Organizing Map (SOM) i Growing Neural Gas (GNG). Wykazano eksperymentalnie, że w wyróżnianiu złożonych struktur przestrzennych badanych jednostek najczęściej stosowane metody klasyczne mogą być nieskuteczne. Znacząco lepsze wyniki spośród uwzględnionych metod uzyskano dla hybrydowej sieci neuronowej typu SOM+GNG. Wykazano także, że w testowanych przypadkach samodzielnie stosowana sieć GNG charakteryzuje się najlepszymi własnościami wyróżniania skupień spośród wszystkich badanych metod.