2020. — Т 8. — №6 - перейти к содержанию номера...

Постоянный адрес этой страницы - https://mir-nauki.com/107psmn620.html

DOI: 10.15862/107PSMN620 (https://doi.org/10.15862/107PSMN620)

Полный текст статьи в формате PDF (объем файла: 790.3 Кбайт)


Ссылка для цитирования этой статьи:

Самойлова, Т. А. Интеллектуальный анализ цветовых предпочтений: поиск ассоциативных правил vs. кластерный анализ / Т. А. Самойлова, Ю. А. Грибер // Мир науки. Педагогика и психология. — 2020. — Т 8. — №6. — URL: https://mir-nauki.com/PDF/107PSMN620.pdf. — DOI: 10.15862/107PSMN620. (дата обращения: 29.03.2024).


Интеллектуальный анализ цветовых предпочтений: поиск ассоциативных правил vs. кластерный анализ

Самойлова Татьяна Аркадьевна
ФГБОУ ВО «Смоленский государственный университет», Смоленск, Россия
Доцент кафедры «Информатики»
Кандидат технических наук, доцент
E-mail: tatsamoilova24@gmail.com
РИНЦ: https://elibrary.ru/author_profile.asp?id=100995

Грибер Юлия Александровна
ФГБОУ ВО «Смоленский государственный университет», Смоленск, Россия
Профессор кафедры «Социологии и философии»
Директор «Лаборатории цвета»
Доктор культурологии
E-mail: y.griber@gmail.com
ORCID: https://orcid.org/0000-0002-2603-5928
РИНЦ: https://www.elibrary.ru/author_profile.asp?id=303167
Researcher ID: https://www.researcherid.com/rid/AAG-4410-2019
SCOPUS: https://www.scopus.com/authid/detail.url?authorId=56809444600

Аннотация. Цель статьи заключается в том, чтобы представить опыт экспериментальной реализации на основе современных программных платформ и технологий двух различных методов интеллектуального анализа данных – (1) метода поиска ассоциативных правил в ответах испытуемых и (2) метода кластеризация ответов. Авторы анализирую возможности и ограничения использования этих методов в социально-психологическом исследовании цветовых предпочтений. Материалом для проводимого эксперимента стали данные социально-психологического исследования, в ходе которого испытуемым (N = 50) показывали цветовую палитру, содержащую 27 различных оттенков, и просили выбрать из нее те цвета, которые, по их мнению, лучше всего подходили для интерьера каждого из семи различных типов помещений: гостиной, прихожей, спальни, ванной, туалета, кухни и коридора. Средствами алгоритма Apriori получены ассоциативные правила, соответствующие взаимосвязям между цветовыми предпочтениями и типами помещений. Рассмотрены особенности применения метода иерархической кластеризации для получения выводов, к которым невозможно прийти, вычисляя лишь процентные показатели. Выполнен выбор правил объединения кластеров, дающий наиболее объективную и информативную оценку ответов. Предложено рассчитывать расстояние между цветовыми выборами респондентов по метрике цветового отличия CIEDE2000. На конкретных примерах показано, что оба метода интеллектуального анализа открывают широкие возможности визуализации выявленных психологических механизмов и закономерностей. Проведены эксперименты, в ходе которых установлено, что выбранные методы позволяют проводить эффективную оценку материала социально-психологических исследований. Установлено, что при значительном увеличении числа испытуемых и количества возможных вариантов ответов, задача поиска ассоциаций эффективно решается параллельными методами.

Ключевые слова: методы интеллектуального анализа данных; ассоциативные правила; алгоритм Apriori; кластерный анализ; иерархическая кластеризация; язык Python; цветовые предпочтения

Скачать

Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.

ISSN 2658-6282 (Online)

Уважаемые читатели! Комментарии к статьям принимаются на русском и английском языках.
Комментарии проходят премодерацию, и появляются на сайте после проверки редактором.
Комментарии, не имеющие отношения к тематике статьи, не публикуются.

Добавить комментарий