BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Rozmus Dorota (Uniwersytet Ekonomiczny w Katowicach)
Tytuł
Porównanie dokładności taksonomicznej metody propagacji podobieństwa oraz zagregowanych algorytmów taksonomicznych opartych na idei metody bagging
Comparison of Accuracy of Affinity Propagation Clustering and Cluster Ensembles Based on Bagging Idea
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (21), 2013, nr 279, s. 106-114, rys., tab., bibliogr. 6 poz.
Research Papers of Wrocław University of Economics
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Taksonomia
Taxonomy
Uwagi
streszcz., summ.
Abstrakt
Podczas stosowania metod taksonomicznych w jakimkolwiek zagadnieniu klasyfikacji ważną kwestią jest zapewnienie wysokiej poprawności wyników grupowania. Od niej bowiem zależeć będzie skuteczność wszelkich decyzji podjętych na ich podstawie. Stąd też w literaturze wciąż proponowane są nowe rozwiązania, które mają przynieść poprawę dokładności grupowania w stosunku do tradycyjnych metod (np. k-średnich, metod hierarchicznych). Przykładem mogą tu być metody polegające na zastosowaniu podejścia zagregowanego, czyli łączenia wyników uzyskanych w wyniku wielokrotnego grupowania (cluster ensemble) oraz taksonomiczna metoda propagacji podobieństwa (affinity propagation clustering). Głównym celem artykułu jest porównanie dokładności zagregowanych algorytmów taksonomicznych opartych na idei metody bagging oraz taksonomicznej metody propagacji podobieństwa.(abstrakt oryginalny)

High accuracy of the results is a very important task in any grouping problem (clustering). Therefore in the literature there are proposed methods and solutions that main aim is to give more accurate results than traditional clustering algorithms. Examples of such solutions can be cluster ensembles or affinity propagation method. The main aim of the article is to compare the accuracy of these two approaches. There will be considered cluster ensembles based on bagging idea [Dudoit, Fridlyand 2003; Hornik 2005; Leisch 1999] and affinity propagation method proposed by Frey and Dueck [2007].(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Bezdek J.C., Pattern Recognition with Fuzzy Objective Function Algorithms, Plenum Press, New York 1981.
  2. Bodenhofer U., Kothmeier A., Hochreiter S., APCluster: an R package for affinity propagation clustering, "Bioinformatics" 27(17):2463-2464, 2001.DOI: 10.1093/bioinformatics/btr406.
  3. Dudoit S., Fridlyand J., Bagging to improve the accuracy of a clustering procedure, "Bioinformatics" 2003, vol. 19, no. 9, 1090-1099.
  4. Frey B.J., Dueck D., Clustering by passing messages between data points, "Science", 315, 2007, 972-976. DOI: 10.1126/science.1136800.
  5. Hornik K., A CLUE for CLUster ensembles, "Journal of Statistical Software", 2005, 14:65-72.
  6. Leisch F., Bagged clustering, "Adaptive Information Systems and Modeling in Economics and Management Science", Working Papers, SFB, 1999, 51.
Cytowane przez
Pokaż
ISSN
1899-3192
1505-9332
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu