BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Pełka Marcin (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Problematyka doboru miary odległości w klasyfikacji spektralnej danych symbolicznych
The Problem of Distance Measure Selection for Spectral Clustering of Symbolic Data
Źródło
Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach, 2014, nr 195, s. 141-150, rys., tab., bibliogr. 15 poz.
Tytuł własny numeru
Metody ilościowe w badaniach marketingowych
Słowa kluczowe
Klasyfikacja danych, Pomiary
Data classifications, Measurement
Uwagi
summ.
Abstrakt
Zagadnienie doboru odpowiedniej miary odległości stanowi, obok problematyki doboru liczby klas, jeden z kluczowych kroków w klasyfikacji spektralnej. Celem artykułu jest przetestowanie przydatności siedmiu różnych miar odległości dla danych symbolicznych w przypadku zastosowania klasyfikacji spektralnej dla danych tego typu. W badaniach symulacyjnych wykorzystano dane symboliczne interwałowe o znanej strukturze klas obiektów wygenerowane z wykorzystaniem funkcji cluster.Gen pakietu clusterSim oraz zbiory danych o nietypowych strukturach klas wygenerowane z zastosowaniem funkcji pakietu mlbench. Dla każdego modelu wygenerowano 40 zbiorów danych, przeprowadzono klasyfikację spektralną z zastosowaniem danej miary odległości. Otrzymane rezultaty porównano ze znaną strukturą klas z wykorzystaniem skorygowanego indeksu Randa.(fragment tekstu)

Spectral clustering that was proposed by Ng, Jordan and Weiss, is not in fact a new clustering method, but rather a new way to prepare data set for clustering method. This method uses the idea of spectral decomposition. The main aim of the paper is to present a possibility of application spectral clustering when dealing symbolic data, with a special focus on different distance measures that can be applied for this kind of data. In experiment studies artificial data sets with known cluster structure were obtained with application of clusterSim and mlbench packages of R software. Each data set was clustered 40 times with application of each distance measure applied. Received results were compared with known cluster structure with application of adjusted Rand index.(author's abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Analysis of symbolic data. Explanatory methods for extracting statistical information from complex data. Eds. H.-H. Bock, E. Diday. Springer Verlag, Berlin 2000.
  2. Dudek A.: Metody analizy danych symbolicznych w badaniach ekonomicznych. Wydawnictwo UE we Wrocławiu, Wrocław 2013.
  3. Karatzoglou A.: Kernel methods. Software, algorithms and applications. Rozprawa doktorska. Technische Universität Wien 2006.
  4. Leisch F., Dimitriadou E.: mlbench package, 2010, www.r-project.org.
  5. Luxburg U. von: A tutorial on spectral clustering. Max Planck Institute for Biological Cybernetics, Technical Report TR-149, 2006.
  6. Luxburg U. von, Bousquet O., Belkin M.: Limits of spectral clustering. W: Advances in Neural Information Processing Systems (NIPS) 17. Eds. L. Saul, Y. Weiss, L. Bottou. MIT Press, Cambridge, MA, 2005.
  7. Ng A., Jordan M., Weiss Y.: On spectral clustering: Analysis and algorithm. W: Advances in Neural Information Processing Systems 14. Eds. T. Dietterich, S. Becker, Z. Ghahramani. MIT Press, Cambridge 2002.
  8. Shorteed S.: Learning in spectral clustering. Rozprawa doktorska. Univeristy of Washington 2006.
  9. Verde R.: Clustering methods in symbolic data analysis. W: Classification, Clustering and Data Mining Applications. Eds. D. Banks, L. House, E.R. McMorris, P. Arabie, W. Gaul. Springer-Verlag, Heidelberg 2004.
  10. Walesiak M., Dudek A.: clusterSim package, 2013, www.r-project.org.
  11. Walesiak M., Dudek A.: Odległość GDM dla danych porządkowych a klasyfikacja spektralna. "Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu" 2009, nr 84.
  12. Walesiak M.: Klasyfikacja spektralna a skale pomiaru zmiennych. "Przegląd Statystyczny" 2012, z. 1.
  13. Walesiak M.: Metody klasyfikacji. W: Metody statystycznej analizy wielowymiarowej w badaniach marketingowych. Red. E. Gatnar, M. Walesiak. Wydawnictwo AE we Wrocławiu, Wrocław 2004.
  14. Walesiak M.: Problemy decyzyjne w procesie klasyfikacji zbioru obiektów. "Prace Naukowe Akademii Ekonomicznej we Wrocławiu" 2004, nr 1010.
  15. Walesiak M.: Zagadnienie doboru liczby klas w klasyfikacji spektralnej. "Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu" 2013, nr 278.
Cytowane przez
Pokaż
ISSN
2083-8611
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu