В статье предложен метод адаптивной кластеризации текстовых документов – результатов работы поисковой системы. Реализация метода предполагает, что для настройки параметров кластеризации должна использоваться информация, полученная не только от пользователя, но и в результате поиска документов. Идея заключается в использовании нечеткого алгоритма кластеризации Гюстафсона–Кесселя. Для решения задачи определения количества кластеров при инициализации алгоритма предлагается использовать самоорганизующиеся карты Кохонена с динамически изменяемыми размерами. Приведены описание используемых алгоритмов и положительные результаты апробации метода на модельной задаче об ирисах Фишера. Показано, что на основе предложенного решения может быть построен список рубрик, объединяющих семантически связанные источники информации.

Разработка новых алгоритмов, методов и технологий, способствующих снижению энергопотребления в сетях интернета вещей, является актуальной задачей. Сенсорные узлы интернета вещей расходуют ограниченные энергетические ресурсы при выполнении вычислительных операций, операций приема и передачи данных. Одним из известных подходов к снижению потребления энергии сенсорными узлами является кластеризация сети. Головной узел кластера берет на себя функции ретранслятора данных, поступающих от сенсорных узлов.

В статье предлагается алгоритм, который развивает идею кластеризации сетей интернета вещей. Алгоритм основан на интеллекте роя пчел, согласно которому сразу в начале цикла определяются глава кластера текущего раунда и потенциальные главы кластеров для последующих раундов цикла. Таким образом, фаза выбора головного узла кластера, начиная со второго раунда цикла становится лишней, а сенсорным узлам нет необходимости выполнять энергоемкие вычисления по выбору главы кластера.