Grafu klasterēšanas algoritmi un to pielietojums pļavu grupēšanā

Abstract

Darba tēma ir grafu klasterēšana, kas ir apakšgadījums vispārīgai klasterēšanai. Darbā tiek pētīti grafu klasterēšanas algoritmi no teorētiskās puses un to pielietojums pļavu klasteru veidošanā. Autors izveido laba grafu klasterēšanas algoritma aksiomas un salīdzina dažādus algoritmus pēc to atbilstības dotajām aksiomām. Tāpat šie algoritmi tiek salīdzināti pēc dažiem to klasterējumus raksturojošiem skaitliskiem lielumiem, kas iegūti, klasterējot dažādus ģenerētus grafus. Darba praktiskajā daļā autors mēģina klasterēt pļavas, lai iegūtu iepriekš iegūtam klasterējumam līdzīgu rezultātu. Šīs daļas rezultāts ir negatīvs -- tiek secināts, ka tas nav iespējams ar dotiem datiem bez eksperta iejaukšanās.

The research object of the thesis work is graph clustering -- a special case of general clustering. Theoretical research is done on graph clustering algorithms and they are also used in action for grassland grouping. Author creates axioms of good graph clustering algorithms and compares several algorithms in the framework of these axioms. These algorithms are also compared by numerical characteristics of clusterings gained from different generated graphs. In the practical part of the work author tries to solve a problem of clustering grasslands to achieve a clustering created before. The result is negative -- it is concluded that it is not possible with the given data -- expert help is needed.