д.т.н., профессор, кафедра информационных технологий, ул. Зои и Александра Космодемьянских 8, г. Москва, 125993, Россия
Dr. Sci. (Engin.), professor, department of information technology, Zoi & Alexandra Kocmodemyanskih str. 8, Moscow, 125993, Russia
д.т.н., профессор, кафедра высшей математики и информационных технологий, пр-т Революции, 19, г. Воронеж, 394036, Россия
Dr. Sci. (Engin.), professor, Higher Mathematics and Information Technologies department, Revolution Av., 19 Voronezh, 394036, Russia
старший инженер Вычислительного центра., ФКУ «ГИАЦ МВД России», ул. Новочеремушкинская, 67; г. Москва, 117418, Россия
senior engineer of the computing center, HIAC, Novocheremushkinskaya str., 67, Moscow, 11741, Russia
адъюнкт, ,, пр-т Патриотов, 53, г. Воронеж, 394052, Россия
graduate student, ,, Patriotov Av., 53 Voronezh, 394052, Russia
Анализ анкет несовершеннолетних в социальных сетях показывает, что подростки указывают в них сведения, повышающие уровень своей социальной желательности. Такая информация зачастую не имеет соответствия с реальным поведением подростка. Для полноценного анализа уровня девиантности несовершеннолетнего нужны инструменты охватывающие весь спектр показателей. В отличие от обычного подхода к кластеризации объектов на основе их объединения в группы по критерию минимума расстояния в многомерном пространстве при кластеризации признаков целесообразно учитывать их близость по способам получения информации и методам обработки этой информации инспектором по делам несовершеннолетних. Напервом этапе исследования проводится кластеризация признаков девиации, на втором определение весовых коэффициентов, показателя степени девиантности внутри каждой из групп признаков, на третьем используется методика кластерно-иерархического подхода при формировании интегрального показателя оценки девиантного поведения несовершеннолетних. Показатель обладает значительной гибкостью учета соотношений между группами признаков и парциальными признаками за счет введения соответствующих множеств весовых коэффициентов. Сделан вывод о предпочтительности методов, основанных на кластеризации объектов в двумерном пространстве целевых показателей или счетов метода главных компонент, а также необходимости дополнительного анализа графической картины взаимного расположения объектов. Из сопоставления разных подходов: 1) кластеризации на основе обобщенного показателя качества и признака обратной девиантности, 2) кластеризации по двум счетам метода главных компонент; 3) кластеризации по всем признакам экспертизы можно сделать следующие выводы. Все способы правильно распределяют объекты по кластерам. Однако при сохранении основных итогов (выделение наилучших и наихудших объектов) результаты несколько отличаются. Это объясняется различным объемом и формами представления исходной информации. Номера активных нейронов (кластеров) программа назначает произвольно, поэтому чтобы упорядочить номера кластеров по некоему признаку (например, качеству объектов), требуется воспользоваться дополнительной графической информацией. С практической точки зрения предпочтительными являются первые два способа, основанные на кластеризации объектов в двумерном пространстве, методе главных компонент и анализе графической картины взаимного расположения объектов.
Analysis of profiles of minors in social networks shows that teenagers indicate in them information that increases the level of their social desirability. Such information often does not correspond to the real behavior of the teenager. For a full analysis of the level of deviance of a minor need tools covering the full range of indicators. In contrast to the usual approach to clustering objects based on their Association in groups by the criterion of the minimum distance in multidimensional space when clustering features it is advisable to take into account their proximity to the methods of obtaining information and methods of processing of this information by the inspector for minors. In the first phase of the study is the clustering of signs of deviation, the second the determination of the weighting factors of indicator of the degree of deviance within each group of signs, the third uses the method of cluster-hierarchical approach to forming integral indicator of assessment of deviant behavior of minors. The indicator has a considerable flexibility of the correlation between groups of symptoms and partial characteristics through the introduction of appropriate sets of weighting coefficients. The conclusion is made about the preference of methods based on clustering of objects in the two-dimensional space of targets or accounts of the principal components method, as well as the need for additional analysis of the graphical picture of the relative location of objects. From the comparison of different approaches: 1) clustering on the basis of the generalized indicator of quality and the sign of reverse deviance, 2) clustering on two accounts of the principal components method; 3) clustering on all signs of examination, the following conclusions can be drawn. All methods properly allocate the objects to clusters. However, when you save the main totals (highlighting the best and worst features), the results are slightly different. This is due to the different volume and forms of presentation of the source information. The program assigns numbers of active neurons (clusters) arbitrarily, so in order to arrange the cluster numbers by some feature (for example, the quality of objects), you need to use additional graphical information. From a practical point of view, the first two methods are preferred, based on clustering objects in two-dimensional space, the method of principal components and the analysis of the graphical picture of the mutual location of objects.
The authors declare that there are no conflicts of interest present.