Для решения задачи сегментации программ кластерный подход опирается на классическую графовую постановку задачи сегментации и обладающей некоторыми специфическими особенностями.
Формулировка задачи состоит в следующем: Требуется разрезать вершины полного, взвешенного графа на части таким образом, чтобы суммарный вес вершин, попавших в каждое подмножество не превосходил заданного значения, а суммарный вес внешних по отношению к разбиению ребер был бы минимален. При решении различных прикладных задач распознавания и классификации успешно применяется метод опорных подмножеств. Впервые метод опорных подмножеств был описан Ю.И. Журавлевым. Принципиальную возможность применения метода опорных подмножеств для решения задачи сегментации было описана в работе[6]. Основной трудностью здесь является содержательная интерпретация параметров данного метода, задающих соответствующий класс алгоритмов вычисления оценок.
Интересным подходом для решения задач распознавания образов и классификаций, а также некоторых дискретных экстремальных задач, в частности задачи сегментации является нейросетевой подход.
Список литературы
Гонсалес Р.К. Принципы распознавания образов./Пер. с англ. И.Б.Гуревича: под ред. Ю.И. Журавлева: М. Мир 1978.
Мандель И.Д. Кластерный анализ./ М.: Финансы и статистика.1988.
Дж. Вэн Райзен Классификация и кластер./Труды науч.семинара.: М. Мир.1980
Дюран М.Б. Кластерный анализ. - :М. Финансы и статистика, 1977.-220с.
Аркадьев А.Г. и Браверманн Э.М. Обучение машины классификаций объектов./М.Наука.1971.
Дюсембаев А.Е. Математические модели сегментации программ. - М.: Физматлит,
2001.-208с.
Вишняков Ю.С., Сулейманов Б.С. Построение алгоритмов распознавания для обработки видеоизображении, корректных для заданной контрольной выборки М.:Наука,1989.-126с.
Журавлев Ю.И . Алгоритмы вычисления оценок и их применение. - М.: Фан,1989.-119с.
Хартиган Дж. А. Задачи связанные с функциями распознавания в кластер-анализе. –М.: Мир, 1989.- 230c.
Кнут. Д. Исскуство прогаммирования для ЭВМ. М.: Мир,1977.-T.2.-724c.