Ulepszony algorytm multi-SOM

Metody klasteryzacji mają na celu uzyskanie jednorodnych podziałów obiektów jednocześnie promując heterogeniczność między tymi podziałami. Każde podejście do klasteryzacji takie jak metody hierarchiczne partycjonujące i neuronowe ma ostatecznie swoje zalety i ograniczenia. Skupiamy się na metodach neuronowych ponieważ pokonują one ograniczenia metod hierarchicznych i partycjonowania i są najbardziej odpowiednimi metodami klasteryzacji do stosowania w przypadku dużej ilości danych. W niniejszej pracy proponujemy algorytm multi-SOM wykorzystujący inne kryterium oceny. Konieczny jest zatem przegląd miar oceny proponowanych w literaturze. Niemniej jednak metoda multi-SOM wraz ze swoją siłą i skutecznością w wyznaczaniu granic klastrów ma również ograniczenia w zakresie warunków zatrzymania.