A method for automated hierarchical clustering as a result of simulation of
a similarity matrix evolution by the use of an algorithm for matrix
transformation inducing a cooperative exchange of information within the
entire pool of matrix components and resulting in retrieval of non-obvious
information from the underlying data. Hierarchical clustering of matrix
components is carried out by iterative transformation and division
followed by transformation and division of each level clusters, or by
monitoring the changes in individual binary similarities throughout
transformation of the entire matrix. For monitoring of changes occurring
upon matrix evolution, matrix attenuation technique is applied through the
use of the mechanism of contrasting, which permits to pinpoint similarity
value changes within a range of thousandths of percent. A matrix
undergoing the evolution by the effect of the algorithm for matrix
transformation acts as a self-learning system capable for accurate
allocation of produced and accumulated information and displays abilities
of a constructive element of an artificial intelligence system.
Метод для автоматизированный иерархический связывать в результате имитации развития матрицы сходства пользой алгоритма для преобразования матрицы наводя кооперативный обмен информации внутри весь бассеин компонентов матрицы и resulting in возвращение нон-ocevidno1 информации от основных данных. Иерархический связывать компонентов матрицы снесен вне итеративным преобразованием и разделением последованными за преобразованием и разделением групп каждого уровня, или путем контролировать изменения в индивидуальных бинарных сходствах в течении преобразования полной матрицы. Для контролировать изменений происходя на развитии матрицы, метод амортизации матрицы приложен через пользу механизма сравнивать, который позволяет для того чтобы pinpoint изменения значения сходства внутри ряд тысячн из процентов. Матрица проходя развитие влиянием алгоритма для преобразования матрицы действует как self-learning система способная для точного распределения произведенной и аккумулированной информации и показывает способности конструктивного элемента системы искусственныйа интеллект.
