BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Mikulec Artur (Uniwersytet Łódzki)
Tytuł
Wybrane metody klasyfikacji dla dużych baz danych w analizie demograficznego starzenia się ludności w krajach UE i EFTA
Choosen Clustering Methods for Large Data Sets in Analysis of Population's Ageing in the EU and EFTA Countries
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (16), 2009, nr 47, s. 349-357, rys., bibliogr. 8 poz.
Research of Wrocław University of Economics
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Metody klasyfikacyjne, Analiza demograficzna, Proces starzenia się ludności, Bazy danych
Classification methods, Demographic analysis, Process of people ageing, Databases
Uwagi
summ., Praca naukowa finansowana ze środków na naukę w latach 2008-2009 jako projekt badawczy nr N N111 436734
Firma/Organizacja
Unia Europejska (UE), Europejskie Stowarzyszenie Wolnego Handlu
European Union (EU), European Free Trade Association (EFTA)
Abstrakt
Celem referatu jest prezentacja algorytmów wybranych metod podziałowych analizy skupień, tj. PAM (Partitioning Around Medoids), CLARA (Clustering LARge Applications) i CLARANS (Clustering Large Applications based on RANndomised Search), wykorzystujących do opisu poszczególnych skupień obiekt położony najbliżej środka ciężkości (k-medoids), a nie sam środek ciężkości. Wymienione algorytmy przeznaczone są do analizy "dużych baz danych", jednak od momentu ich powstania zmianie uległa definicja tego typu bazy danych. Rozwój techniki spowodował zwiększenie możliwości obliczeniowych komputerów, powodując podniesienie granicy skutecznego i efektywnego wykorzystania tych algorytmów jako narzędzia analizy z jednoczesnym zwiększeniem wielkości gromadzonych i profesjonalnie przetwarzanych baz danych. (fragment tekstu)

In the study, chosen partitioning clustering methods have been discussed - the PAM algorithm (Partitioning Around Medoids) - Kaufman, Rousseeuw and also clustering methods for large data sets, the CLARA algorithm (Clustering LARge Applications) Kaufman, Rousseeuw and the CLARANS algorithm (Clustering Large Applications based on RANndomised Search) - Ng, Han. The PAM and CLARA algorithms were applied to the analysis of population's ageing of society in the EU and EFTA countries. In the calculations, statistics data of population by age at NUTS-2 level for the EU and EFTA countries were applied. Obtained results were compared with results of clustering based on the k-means algorithm (Hartigan-Wong). (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
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Długosz Z. (1998), Próba określenia zmian starości demograficznej Polski w ujęciu przestrzennym, "Wiadomości Statystyczne", 3, s.15-27.
  2. Frątczak E. (1984), Proces starzenia się ludności Polski a proces urbanizacji, Monografie i Opracowania nr 157, SGH ISID, Warszawa.
  3. Han J., Kamber M. (2000), Data mining: concept and techniques, Morgan Kaufmann Publishers.
  4. Kaufmann L., Rousseeuw P.J. (1990, 2005), Finding groups in data. An introduction to cluster analysis, Wiley-Interscience, New York.
  5. Kolenda M. (2006), Taksonomia numeryczna. Klasyfikacja, porządkowanie i analiza obiektów wielocechowych, AE, Wrocław.
  6. Mikulec A. (2007), Analiza starzenia się ludności w polskich podregionach, "Wiadomości Statystyczne", 1, s. 62-75.
  7. Ng R., Han J. (1994), Efficient and effective clustering methods for spatial data mining, Proceedings of the 20th VLDB Conference, Chile.
  8. Rosset E. (1959), Proces starzenia się ludności, PWG, Warszawa.
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