W pracy przedstawiono wyniki badań w zakresie grupowania nieruchomości wspólnot mieszkaniowych z udziałem miasta Olsztyna. Procedurę grupowania zrealizowano z wykorzystaniem sztucznej sieci neuronowej Kohonena. W badaniach posłużono się zestawem cech obiektów obejmujących takie zmienne wejściowe, jak: udział gminy we wspólnocie, walory lokalizacyjne, stan zagospodarowania terenu i stan techniczny zabudowy. Po nauczeniu i sprawdzeniu sieci uzyskano dwuwymiarową mapę topologiczną odwzorowującą osiem jednorodnych grup obiektów poddanych badaniom. Na podstawie obrazu mapy i danych klasyfikacyjnych dokonano szczegółowej analizy i syntezy wyników grupowania. Z badań wynika, że w przeważającej liczbie wspólnot mieszkaniowych z udziałem miasta Olsztyna gmina utraciła większość udziałów, a proces rozproszonej prywatyzacji koncentrował się w obiektach o dobrej lokalizacji i znacznych potrzebach remontowych. Grupowane obiekty cechowały się zróżnicowanymi walorami lokalizacji ogólnej i szczegółowej oraz co najwyżej średnim stanem technicznym. Wytrenowana sieć jest zdolna do oceny nowych obiektów, nieprezentowanych w trakcie uczenia. Zastosowana metoda grupowania okazała się bardziej efektywna od metody k-średnich, gdyż doprowadziła do uzyskania skupień obiektów bardziej jednorodnych wewnętrznie. Podział na grupy metodą Kohonena był ponadto bardziej przejrzysty i użyteczny z punktu widzenia przyjętego celu grupowania.

5-15