BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Walesiak Marek (Uniwersytet Ekonomiczny we Wrocławiu), Dudek Andrzej (Uniwersytet Ekonomiczny we Wrocławiu)
Title
Klasyfikacja spektralna z wykorzystaniem odległości GDM
Spectral Clustering with the Use of GDM Distance
Source
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (17), 2010, nr 107, s. 161-171, tab., rys., bibliogr. 16 poz.
Research of Wrocław University of Economics
Issue title
Klasyfikacja i analiza danych - teoria i zastosowania
Keyword
Metody klasyfikacyjne, Miara odległości, Estymatory
Classification methods, Distance measures, Estimators
Note
streszcz., summ.
Abstract
W artykule zaproponowano modyfikację metody klasyfikacji spektralnej. W tym celu w procedurze tej metody (zob. [Ng, Jordan, Weiss 2002]) przy wyznaczaniu macierzy podobieństwa (affinity matrix) w konstrukcji estymatora jądrowego zastosowano odległość GDM1 przy klasyfikacji danych metrycznych oraz GDM2 przy klasyfikacji danych porządkowych. Ponadto przetestowano przydatność metod klasyfikacji spektralnej (w tym metody z odległością GDM) w porównaniu z klasycznymi metodami analizy skupień dla wygenerowanych danych o znanej strukturze klas, wykorzystując do oceny zgodności wyników klasyfikacji skorygowany indeks Randa (zob. [Hubert, Arabie 1985]).(abstrakt oryginalny)

In the article, the proposal of spectral clustering method, based on procedure of Ng, Jordan and Weiss [2002], is presented. In construction of affinity matrix we implement kernel function with GDM1 distance for classification of metric data and GDM2 distance for classification of ordinal data. The article evaluates, based on three types of data simulated, ten clustering methods (three spectral clustering methods, seven classical clustering methods). Each clustering result was compared with known cluster structure from models applying Hubert and Arable's [1985] corrected Rand index.(original abstract)
Accessibility
The Main Library of the Cracow University of Economics
The Library of Warsaw School of Economics
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Full text
Show
Bibliography
Show
  1. Fischer I., Poland J., New Methods for Spectral Clustering, Technical Report No. IDSIA-12-04, Dalle Molle Institute for Artificial Intelligence, Manno-Lugano, Switzerland 2004.
  2. Girolami M., Mercer kernel-based clustering in feature space, "IEEE Transactions on Neural Networks" 2002 vol. 13, no 3,780-784.
  3. Hubert L.J., Arabie P., Comparing partitions, "Journal of Classification" 1985 no 1, 193-218.
  4. Karatzoglou A., Kernel Methods. Software, Algorithms and Applications, Rozprawa doktorska, Uniwersytet Techniczny w Wiedniu 2006.
  5. Ng A., Jordan M., Weiss Y., On Spectral Clustering: Analysis and an Algorithm, [w:] Advances in Neural Information Processing Systems 14, T. Dietterich, S. Becker, Z. Ghahramani (red.), MIT Press, 2002, 849-856.
  6. Perona P., Freeman W.T., A Factorization Approach to Grouping, Lecture Notes In Computer Science, vol. 1406, Proceedings of the 5th European Conference on Computer Vision, volume I, 1998, 655-670.
  7. Poland J., Zeugmann Т., Clustering the Google Distance with Eigenvectors and Semidefmite Programming. Knowledge Media Technologies, First International Core-To-Core Workshop, Dagstuhl, July 23-27, Germany 2006 (Klaus P., Jantke & Gunther Kreuzberger (red.), Diskussions-beitrdge, Institut fur Medien und Kommunikationswisschaft, Technische Universitat Ilmenau, no 21, July 2006).
  8. Shortreed S., Learning in Spectral Clustering, Rozprawa doktorska, University of Washington, 2006.
  9. Verma D., Meila M., A Comparison of Spectral Clustering Algorithms, Technical report UW-CSE-03-05-01, University of Washington 2003.
  10. von Luxburg U., A tutorial on Spectral Clustering, Max Planck Institute for Biological Cybernetics, Technical Report TR-149, 2006.
  11. Walesiak M., Dudek А., сlusterSim package, URL http://www.R-project.org, 2009a.
  12. Walesiak M., Dudek A., Odległość GDM dla danych porządkowych a klasyfikacja spektralna, [w:] Prace Naukowe Uniwersytetu Ekonomicznego Wrocławiu nr 84 (w druku ), Wrocław 2009b.
  13. Walesiak M., Propozycja uogólnionej miary odległości w statystycznej analizie wielowymiarowej. [w:] J. Paradysz (red.), Statystyka regionalna w służbie samorządu lokalnego i biznesu, Internetowa Oficyna Wydawnicza, Centrum Statystyki Regionalnej, Akademia Ekonomiczna w Poznaniu, Poznań 2002, s. 115-121.
  14. Walesiak M., Statystyczna analiza wielowymiarowa w badaniach marketingowych, Prace Naukowe] Akademii Ekonomicznej we Wrocławiu nr 654, Seria: Monografie i Opracowania nr 101, AE. Wrocław 1993.
  15. Walesiak M., Uogólniona miara odległości w statystycznej analizie wielowymiarowej, Wydanie drugie rozszerzone, AE, Wrocław 2006.
  16. Zelnik-Manor L., Perona P., Self-Tuning Spectral Clustering, [w:] Proceedings of the 18th Annual Conference on Neural Information Processing Systems (NIPS'04), http://books.nips.cc/nipsl7.f html, 2004.
Cited by
Show
ISSN
1899-3192
1505-9332
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu