Экспериментальный анализ одного метода кластеризации и ранжирования многомерных данных нейронной сетью Кохонена

Предложена методика кластеризации и ранжирования данных нейронной сетью (НС) Кохонена, основанная на пространственно-корреляционных свойствах обучающей выборки вне зависимости от используемого алгоритма обучения сети. Экспериментально показана возможность применения метода линейного преобразования координат образцов выборки для кластеризации слабо коррелированных пространственно неразделимых данных. Продемонстрировано использование ранжирования для выделения приграничных образцов и определения степени их близости к соседствующему кластеру, что решает проблему нахождения границ кластеров в пространственно неразделимых данных. Обоснована необходимость многослойной кластеризации в случае неравномерного пространственного распределения данных. Методика кластеризации и ранжирования иллюстрируется примером анализа эмпирических данных о финансовой отчетности российских банков. Методика удобна в применении для выборок малого и среднего объема.