Скачать книгу - Кластер

«Они направились в совещательную залу, а я остался сидеть в клетке. Я был отрезан от людей и очень одинок, как может быть одинок лишь изгой. А впереди меня ожидала кластерная яма – черная тьма, без единого просвета, отсутствие надежд, устремлений и невозможность что-либо исправить, в течение целых пятидесяти лет. Апелляция убийцам не полагалась, так что на помилование я не мог рассчитывать. Технически я даже не мог даже сойти с ума от одиночества. Этого не допускала программа. А через пятьдесят лет из Тюремного кластера мою матрицу переведут в Кластер памяти, где я останусь навсегда…»

Изложены цели и концепции лабораторного практикума в виде открытой системы для изучения возможностей и особенностей функционирования кластерных систем, позволяющего решать задачи выбора рациональной организации вычислительного процесса с учетом структурной организации, технических параметров кластерных систем и возможного взаимодействия решаемых задач и их характеристик. Для выбора рационального построения системы применяются имитационные модели в системе GPSS World.

Статья посвящена одной из задач анализа фактографических данных. Предлагается методика адаптивной кластеризации на основе интеграции и модификации методов MST и нечетких k-средних. Приводится описание новых методов докластеризации. Методика сравнивается с существующими подходами (C-means и самоорганизующиеся карты Кохонена), рассматривается пример ее использования с целью разработки тарифной политики для клиентов брокерского обслуживания.

В статье представлена методика управления туристскими территориями, основанная на формировании туристских дестинаций, с применением кластерного подхода методом картографической таксономии. Методика апробирована на Сочинской туристской дестинации. Авторами определяется одно из возможных применений информационных технологий в туризме.

Рассмотрен один из алгоритмов кластеризации массивов данных – FCM. Целью FCM (Fuzzy Classifier Means) является автоматическая классификация множества объектов, которые задаются векторами признаков в пространстве признаков. Другими словами, такой алгоритм определяет кластеры и соответственно классифицирует объекты. Кластеры представляются нечеткими множествами, и, кроме того, границы между кластерами также являются нечеткими. Предложен вариант параллельного выполнения этого алгоритма для сокращения времени кластеризации.