Методичні засади ідентифікації кластерних утворень та формування напрямків галузево-просторового розвитку з використанням кластерного підходу

     

      Ідентифікація та формування ефективного виноградарсько-виноробного кластерного утворення на території Одеської області потребує застосування адекватних методів аналізу та дослідження. Одним із найбільш ефективних методів такого аналізу, на наш погляд, слід визнати кластерний аналіз у сфері соціально-економічних досліджень.

      Кластерний аналіз - сукупність методів, що дозволяють класифікувати багатомірні спостереження, кожне з яких описується набором вихідних змінних Х1, Х2, ..., Хn. Метою кластерного аналізу є утворення груп схожих між собою об'єктів, які прийнято називати кластерами [42]. Родинні поняття, які інколи використовуються в літературі, - клас, таксон, згущення.

      Термін кластерний аналіз, який вперше ввів Й. Тгуоп у 1939 році, в дійсності містить у собі набір різних алгоритмів класифікації певних об’єктів. Головна проблема, що виникає перед науковцями в окремих областях знань, полягає в тому, як чином реалізувати спостережувану інформаційну базу в наочні структури. Наприклад, біологи ставлять за мету розбити на групи різні види тварин, щоб змістовно описати розходження між ними. В таких класифікаціях - чим вищим є рівень агрегації, тим меншою буде подібность між об’єктами у відповідному класі. Перші публікації в сфері кластерного аналізу опубліковані наприкінці 30-х років, але їх передував активний розвиток методів кластерізації і їх широке використання с початку 70-х років минулого століття, який активно розвивався в подальшому. Якщо спочатку методи багатомірної класифікації використовувалися в психології, археології, біології, то сьогодні вони стали активно застосовуватися в соціології, економіці, статисти стичних та історичних дослідженнях. Особливо розширилося їхнє використання у зв'язку з появою й розвитком електронно-обчислювальних машин і, зокрема персональних комп'ютерів. Це пов'язано, насамперед, із трудомісткістю обробки великих масивів інформації, обчислення і обробки матриць великих размірностей. На наш погляд, кластерний аналіз у сфері соціально-економічних досліджень можна віднести до області статистики, яка використовує новітні методи статистичної обробки інформації під назвою «нечіткі множини». Обстеження та аналіз методів, які дозволяють отримати задовільні результати обробки інформації при дослідженні нечітких множин, до яких слід віднести і кластерні системи, привела автора до наступних висновків:

      - обробка статистичних даних, які характеризують нечіткі множини, приводить до результатів, що носять ймовірний характер;

      - застосовуються ряди інтервальних даних;

      - використовуються результати експертних оцінок;

      - обробка моделі може супроводжуватися переходом від лінгвістичних характеристик до числових і навпаки. Причому на виході розв’язку моделі нерідко можуть бути саме лінгвістичні параметри (характеристики).

      Вся работа доступна по Ссылке