Please use this identifier to cite or link to this item: http://repository.kpi.kharkov.ua/handle/KhPI-Press/51682
Title: Development of a method for identifying the state of a computer systemusing fuzzy cluster analysis
Other Titles: Розробка методу ідентифікації стану комп’ютерної системи з використанням нечіткого кластерного аналізу
Authors: Gavrylenko, Svitlana
Chelak, Viktor
Hornostal, Oleksii
Vassilev, Velizar
Keywords: fuzzy output; вихідні дані
Issue Date: 2020
Publisher: Національний технічний університет "Харківський політехнічний інститут"
Citation: Development of a method for identifying the state of a computer systemusing fuzzy cluster analysis / S. Gavrylenko [et al.] // Сучасні інформаційні системи = Advanced Information Systems. – 2020. – Т. 4, № 2. – С. 8-11.
Abstract: The subject of this article is the study of methods for identifying the state of computer systems. The purpose of the article is to develop a method for identifying the abnormal state of a computer system based on fuzzy cluster analysis. Objective: to analyze methods for identifying the state of computer systems; to conduct research on the selection of source data; to develop a method for identifying the state of a computer system with a small sample or fuzzy source data; to investigate and justify the procedure for comparing fuzzy distances between grouping centers and clustering objects; to develop a software and test. The methodsused in the paper: cluster analysis, fuzzy logic tools. The following resultswere obtained: a method was theoretically substantiated and investigated for identifying the state of a computer system with a small sample or fuzziness of the initial data, which is distinguished by the use of the method based on fuzzy cluster analysis by the refined grouping procedure. To solve the clustering problem, we used a special procedure for comparing fuzzy distances between grouping centers and clustering objects. Software was developed and testing of the developed method was performed. The quality of classification based on the ROC analysis is assessed. Conclusions. The scientific novelty of the results is as follows: a study was conducted on the selection of source data for analysis; a method for identifying the state of a computer system based on fuzzy cluster analysis using a special procedure for comparing fuzzy distances between grouping centers and clustering objects has been developed. This allowed to improve the classification quality to 22 %.
Предметом статті є дослідження методів ідентифікації стану комп’ютерних систем. Метою статті є розробка методу ідентифікації аномального стану комп’ютерної системи на основі нечіткого кластерного аналізу. Завдання: проаналізувати методи ідентифікації стану комп’ютерних систем; провести дослідження з вибору вихідних даних; розробити метод ідентифікації стану комп’ютерної системи за умови малої вибірки або нечіткості вихідних даних; дослідити та обґрунтувати процедуру порівняння нечітких відстаней між центрами групування і об’єктами кластеризації; розробити програмне забезпечення та провести тестування. Використовуваними методами є: кластерний аналіз, апарат нечіткої логіки. Отримано такі результати: теоретично обґрунтовано та досліджено метод ідентифікації стану комп’ютерної системи за умови малої вибірки або нечіткості вихідних даних, який відрізняється використанням методу на основі нечіткого кластерного аналізу з уточненою процедурою групування. Для вирішення завдання кластеризації використана спеціальна процедура порівняння нечітких відстаней між центрами групування і об’єктами кластеризації. Розроблено програмне забезпечення та виконано тестування розробленого методу. Проведено оцінку якості класифікації на основі ROC-аналізу. Висновки. Наукова новизна отриманих результатів полягає в наступному: проведено дослідження з вибору вихідних даних для аналізу; розроблено метод ідентифікації стану комп’ютерної системи на основі нечіткого кластерного аналізу з використанням спеціальної процедури порівняння нечітких відстаней між центрами групування і об’єктами кластеризації, що дозволило покращити якість класифікації до 22 %.
ORCID: orcid.org/0000-0002-6919-0055
orcid.org/0000-0001-8810-3394
orcid.org/0000-0001-5820-9999
orcid.org/0000-0003-1563-2353
DOI: doi.org/10.20998/2522-9052.2020.2.02
URI: http://repository.kpi.kharkov.ua/handle/KhPI-Press/51682
Appears in Collections:Кафедра "Обчислювальна техніка та програмування"

Files in This Item:
File Description SizeFormat 
AIS_2020_4_2_Gavrylenko_Development.pdf378,5 kBAdobe PDFThumbnail
View/Open
Show full item record  Google Scholar



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.