КЛАСТЕРНЫЙ АНАЛИЗ ГРУППОВОЙ ЭКСПЕРТНОЙ ИНФОРМАЦИИ

Для изучения структурного состава экспертной информации в статье разработана модель нечеткого кластерного анализа, которая позволяет кластеризовать мнения (критерии) экспертов при разных уровнях доверия. Поскольку при обработке экспертной информации достаточно часто приходится иметь дело с лингвистическими описаниями исследуемых объектов, то необходимо не только не игнорировать возникающую при этом нечеткую составляющую, но и использовать методы, позволяющие ее учитывать. Чтобы проанализировать экспертную информацию, недостаточно сравнить данные, полученные от одного эксперта, с данными, полученными от другого эксперта. Необходимо проанализировать структурный состав системы всех экспертных данных и определить место каждого индивидуального экспертного мнения в этой системе. Недостаточно определить количественные показатели сходства экспертных данных, необходима трактовка этих показателей на качественном уровне. Возможность предложенного в статье гибкого подхода к кластеризации экспертных мнений играет существенную роль, поскольку дает возможность принятия решений в зависимости от требований к надежности полученной экспертной информации. На практическом примере в статье показано, что разработанная модель нечеткого кластерного анализа может с успехом применяться для анализа групповой экспертной информации.

• Полещук О.М.
• Комаров Е.Г.

• Сельское хозяйство. Лесоводство
• Технические науки. Промышленность