1. Петимко А. М., Козлова Н. В., Дадалова М. В. Региональный АПК как точка роста стратегии развития экономики территории // Направления повышения эффективности управленческой деятельности органов государственной власти и местного самоуправления : сб. материалов V Междунар. науч.-практ. конф., Алчевск, 15 дек. 2022 г. Алчевск: Луганский государственный университет имени Владимира Даля, 2023. 163 с.
2. Openshaw S., Alvanides S. Designing zoning systems for representation of socio-economic data // Time and Motion of Socio-Economic Units / A. Frank, J. Raper and J. Cheylan (eds). 2001. P. 281-300.
3. Kirkpatrick S., Gelatt Jr. C. D., Vecchi M. P. Optimization by Simulated Annealing // Science. 1983. Vol. 220. P. 671-680.
4. Garlaschelli D., Ruzzenenti F., Basosi R. Complex Networks and Symmetry I : A Review // Symmetry. 2010. No. 2. P. 1-27.
5. Кисляков А. Н. Графовые методы описания торгового профиля региона // Управленческое консультирование. 2022. № 2. С. 70-80.
6. Karypis G., Kumar V. Multilevel Algorithms for Multi-Constraint Graph Partitioning // Proceedings of the 1998 ACM/IEEE Conference on Supercomputing. Orlando, USA, 1998. P. 28.
7. Efficient Regionalization Techniques for Socio-Economic Geographical Units Using Minimum Spanning Trees / R. M. Assunção, M. C. Neves, G. Câmara, C. Da Costa Freitas // International Journal of Geographical Information Science. 2006. Vol. 20 (7). P. 797.
8. Benassi F., Deva M., Zindato D. Graph Regionalization with Clustering and Partitioning: An APlication for Daily Commuting Flows in Albania (September 25, 2015) // Regional Statistics. 2015. Vol. 5, no. 1. P. 25-43.
9. McInnes L., Healy J., Melville J. Umap: Uniform Manifold Aproximation and Projection for Dimension Reduction // ArXiv, 2018. URL: https://arxiv.org/abs/1802.03426
10. Dimensionality Reduction for Visualizing Single-Cell Data Using UMAP / E. Becht et al. // Nature Biotechnology. 2019. Vol. 37, no. 1. P. 38-44.
11. Van der Maaten L., Hinton G. Visualizing Data Using t-SNE // Journal of Machine Learning Research. 2008. Vol. 9, no. 11. P. 2579-2605.
12. Franklin J. The Elements of Statistical Learning: Data Mining, Inference and Prediction // The Mathematical Intelligencer. 2003. No. 27. P. 83-85.
13. Martin D. Extending the Automated Zoning Procedure to Reconcile Incompatible Zoning Systems // International Journal of Geographical Information Science. 2003. No. 17. P. 181-196.
14. Haining R., Wise S., Ma J. Designing and Implementing Software for Spatial Statistical Analysis in a GIS Environment // Journal of Geographical Systems. 2000. No 2. P. 257-286.
15. Shaofu H., Fei L. Artificial Neural Network Model in Spatial Analysis of Geographic Information System Hindawi // Mobile Information Systems. 2021. Vol. 9. P. 1-12.
16. Strong Articulation Points and Strong Bridges in Large Scale Graphs / D. Firmani, L. Georgiadis, G.F. Italiano et al. // Algorithmica. 2016. No. 74. P. 1123-1147.
17. Корчагина И. В., Пытченко К. В. Социально-экономическая система регионального предпринимательства как объект стратегирования // Экономика промышленности. 2023. № 16 (4). С. 361-371.
18. Кисляков А. Н. Отбор признаков для использования в моделях предиктивной аналитики внешнеэкономической деятельности регионов // Прикладная математика и вопросы управления. 2022. № 1. С. 176-195.
19. Медведева О. А. Оценка экономического потенциала региона для развития кластеров // Развитие территорий. 2023. № 3. С. 25-31.
20. Prim R. C. Shortest Connection Networks and Some Generalizations // Bell System Technical Journal. 1957. P. 1389-1401.