РАЗДЕЛЕНИЕ ОБЪЕКТОВ НА КЛАСТЕРЫ ПО ГРУППАМ ПРИЗНАКОВ

Аннотация

В данной статье рассматривается решение задачи выявления сложных скрытых связей между сортами путем кластеризации с использованием алгоритма DBSCAN, разделения признаков сортов мягкой пшеницы на группы (отражающие рост и развитие растения пшеницы, компоненты урожайности и компонент урожая, отражающие качество зерна). В статье представлена идея алгоритма DBSCAN, используемого при решении задачи, и соответствующие шаги алгоритма. Также подчеркивается преимущество алгоритма DBSCAN по сравнению с алгоритмом кластеризации K-means. Поскольку этот алгоритм имеет возможность выбирать кластеры произвольной формы, он также определяет количество кластеров в файле выборка на основе определенных условий. По значениям признаков, относящихся к разным сортам пшеницы, в одном файле, созданном на основе экспериментальных файлов, путем разделения их на кластеры и наборы шумовых объектов с помощью алгоритма DBSCAN, решены задачи выявления сортов пшеницы, близких друг к другу по признакам, и сортов, изменяющих свои характеристики по абиотическим факторам, а также сортировки сортов пшеницы с низким качеством зерна и низкой урожайностью. Показана эффективность кластеризации путем разделения признаков объектов на группы на примере отбора пшеницы. Определены эпсилон-окристность, отражающие степень близости объектов и количество объектов, входящих в 3 группы признаков, относящихся к сортам пшеницы. Кластеры и шумовые объекты находятся на основе обнаруженных значений. Исходя из этого, можно было сделать важные выводы о сортах пшеницы, сохранивших (не сохранивших) свою гроздь и идентифицированных как шумовые объекты во всех 3 группах.

Ключевые слова

Литература

1. Дилмуродов С. и др. Оценка генетической изменчивости и биометрических показателей у сортов мягкой пшеницы: значение для современных методов селекции //BIO Web of Conferences. – EDP Sciences, 2025. – Т. 163. – С. 03001.
2. Дилмуродов С. Д. и др. Селекция генотипов озимого нута с высокой фотосинтетической продуктивностью, адаптированных к механизации, высокой урожайности и высоком содержании белка в южных регионах Узбекистана //E3S Web of Conferences. – EDP Sciences, 2025. – Т. 618. – С. 03014.
3. Шодиев Ф., Эшбоев Е., Суярова А. Прогнозирование устойчивости к болезням высококачественных сортов пшеницы с использованием метода расчета обобщенных оценок //E3S Web of Conferences. – EDP Sciences, 2023. – Т. 401. – С. 04063.
4. Madrakhimov S., Shodiyev F. INTERVALLARGA BO‘ LISH USULI YORDAMIDA BUG‘ DOY NAVLARI TANLANMASIDAGI YASHIRINGAN QONUNIYATLARNI ANIQLASH // Innovatsion texnologiyalar. – 2024. – Т. 53. – No. 01.
5. Игнатьев Н. А., Згуральская Е. Н., Марковцева М. В. Поиск скрытых закономерностей, влияющих на общую выживаемость больных, методами интеллектуального анализа данных //Искусственный интеллект и принятие решений. – 2020. – No. 3. – С. 73 - 80.
6. Shodiyev F., Eshboyev E. Tanlanmalarni shakllantirish va alomatlarning vaznlarini hisoblash: Tanlanmalarni shakllantirish va alomatlarning vaznlarini hisoblash // MODERN PROBLEMS AND PROSPECTS OF APPLIED MATHEMATICS. – 2024. – Т. 1. – No. 01.
7. Кличева Ф. Г., Эшбоев Е. А. Совместное использование методов искусственного интеллекта в диагностике сердечно-сосудистых заболеваний // Искусственный интеллект и информационные технологии. – CRC Press, 2024. – С. 251 - 256.
8. Мадрахимов Ш. Ф. Отбор шумовых объектов на базе обобщённых оценок //Проблемы вычислительной и прикладной математики. – 2018. – No. 2. – С. 122 - 131.
9. Файзулла С.В., Муниса Д. ОПРЕДЕЛЕНИЕ ИНФОРМАТИВНЫХ ПРИЗНАКОВ С ПОМОЩЬЮ МЕТОДА ДЕЛЕНИЯ НА ИНТЕРВАЛЫ НА ОСНОВЕ ГИПОТЕЗЫ КОМПАКТНОСТИ //Universum: технические науки. – 2024. – Т. 7. – No 3 (120). – С. 25 - 29.
10. Мадрахимов Ш. Ф., Саидов Д. Ю. Группировка признаков по критерию устойчивости объектов классов //Актуальные проблемы прикладной математики, информатики и механики. – 2016. – С. 93 - 95.
11. Игнатьев Н. А., Згуральская Е. Н., Марковцева М. В. Нелинейные преобразования признаков и поиск закономерностей на данных больных хроническим лимфолейкозом //Информационные технологии и нанотехнологии (ИТНТ - 2020). Сборник трудов по материалам VI Международной конференции и молодежной школы (г. Самара, 26 - 29 мая). – 2020. – No. 4. – С. 123 - 128.
12. Шодиев Ф., Эшбоев Э., Дилмуродов Ш. СУНЪИЙ ИНТЕЛЛЕКТУАЛ ТИЗИМЛАР ЁРДАМИДА ДОН СИФАТИ ЮҚОРИ БУҒДОЙ НАВЛАРИНИ АНИҚЛАШ УСУЛЛАРИ // Innovatsion texnologiyalar. – 2022. – Т. 48. – No. 4. – С. 39 - 44.
13. Игнатьев Н. А., Акбаров Б. Х. Проблемы вычислительной и прикладной математики //проблемы вычислительной и прикладной математики. Учредители: Научно-инновационный центр информационно-коммуникационных технологий. – No. 4. – С. 158 - 166.