BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Walesiak Marek (Uniwersytet Ekonomiczny we Wrocławiu)
Tytuł
Odległość GDM2 w analizie skupień dla danych porządkowych z wykorzystaniem programu R
GDM2 Distance in Cluster Analysis of Ordinal Data with Application of R Program
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (18), 2011, nr 176, s. 40-52, bibliogr. 23 poz.
Research of Wrocław University of Economics
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Analiza danych
Data analysis
Uwagi
streszcz., sum.
Abstrakt
W artykule przedstawione dwa rozwiązania metodyczne (klasyczna analiza skupień i klasyfikacja spektralna) pozwalające na przeprowadzanie analizy skupień dla danych porządkowych z wykorzystaniem odległości GDM2. W części empirycznej zaprezentowane rozwiązania zastosowano do danych porządkowych z rynku nieruchomości z wykorzystaniem oprogramowania środowiska R.(abstrakt oryginalny)

The article presents two methodical solutions for classification of ordinal data (classical cluster analysis and spectral clustering), based on GDM2 distance. The empirical part of the article presents clustering of ordinal data from real estate market with the application of computer programs working in R environment.(original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Anderberg M.R., Cluster Analysis for Applications, Academic Press, New York - San Francisco - London 1973.
  2. Fischer I., Poland J., New Methods for Spectral Clustering, Technical Report No. IDSIA-12-04, Dalle Molle Institute for Artificial Intelligence, Manno - Lugano 2004.
  3. Girolami M., Mercer kernel-based clustering in feature space, IEEE Transactions on Neural Networks 2002, vol. 13, no. 3, s. 780-784.
  4. Gordon A.D., Classification, Chapman & Hall/CRC, London 1999.
  5. Karatzoglou A., Kernel Methods. Software, Algorithms and Applications, rozprawa doktorska, Uniwersytet Techniczny w Wiedniu, 2006
  6. Kendall M.G., Discrimination and classification, [w:] P.R. Krishnaiah (red.), Multivariate Analysis I, Academic Press, New York - London 1966, s. 165-185.
  7. Luxburg U. von, A Tutorial on Spectral Clustering, Max Planck Institute for Biological Cybernetics, Technical Report TR-149, 2006.
  8. Macnaughton-Smith P., Williams W.T., Dale M.B., Mockett L.G., Dissimilarity analysis: A new technique of hierarchical sub-division, "Nature" 1964, 202, s. 1034-1035.
  9. Milligan G.W., Clustering Validation: Results and Implications for Applied Analyses, [w:] P. Arabie, L.J. Hubert, G. de Soete (red.), Clustering and Classification, World Scientific, Singapore 1996, s. 341-375.
  10. Ng A., Jordan M., Weiss Y., On Spectral Clustering: Analysis and An Algorithm, [w:] T. Dietterich, S. Becker, Z. Ghahramani (red.), Advances in Neural Information Processing Systems 14, MIT Press, 2002, s. 849-856.
  11. Pawlukowicz R., Klasyfikacja w wyborze nieruchomości podobnych dla potrzeb wyceny rynkowej nieruchomości, Ekonometria 16, Prace Naukowe AE we Wrocławiu nr 1100, Wrocław 2006, s. 232-240.
  12. 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, vol. I, s. 655-670.
  13. Podani J., Extending gowers general coefficient of similarity to ordinal characters, "Taxon" 1999, 48, s. 331-340.
  14. Poland J., Zeugmann T., Clustering the Google distance with eigenvectors and semidefinite programming, Knowledge Media Technologies, First International Core-to-Core Workshop, Dagstuhl, July 23-27, 2006, Germany, Klaus P. Jantke & Gunther Kreuzberger (red.), Diskussionsbeiträge, Institut für Medien und Kommunikationswisschaft, Technische Universität Ilmenau, July 2006, no. 21, s. 61-69.
  15. Walesiak M., Statystyczna analiza wielowymiarowa w badaniach marketingowych, Prace Naukowe AE we Wrocławiu nr 654, Monografie i Opracowania nr 101, Wrocław 1993.
  16. Walesiak M., Metody analizy danych marketingowych, PWN, Warszawa 1996.
  17. Walesiak M., Problemy selekcji i ważenia zmiennych w zagadnieniu klasyfikacji, [w:] K. Jajuga, M. Walesiak, Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 12, Prace Naukowe AE we Wrocławiu nr 1076, Wrocław 2005a, s. 106-118.
  18. Walesiak M., Rekomendacje w zakresie strategii postępowania w procesie klasyfikacji zbioru obiektów, [w:] A. Zeliaś (red.), Przestrzenno-czasowe modelowanie i prognozowanie zjawisk gospodarczych, Wydawnictwo AE, Kraków 2005b, s. 185-203.
  19. Walesiak M., Uogólniona miara odległości w statystycznej analizie wielowymiarowej, wyd. II rozszerzone, Wydawnictwo AE, Wrocław 2006.
  20. Walesiak M., Analiza skupień, [w:] M. Walesiak, E. Gatnar (red.), Statystyczna analiza danych z wykorzystaniem programu R, WN PWN, Warszawa 2009, s. 407-433.
  21. Walesiak M., Dudek A., Odległość GDM dla danych porządkowych a klasyfikacja spektralna, Prace Naukowe UE we Wrocławiu nr 84, Wrocław 2009, s. 9-19.
  22. Walesiak M., Dudek A., clusterSim package, URL http://www.R-project.org, 2010.
  23. Zelnik-Manor L., Perona P., Self-tuning spectral clustering, Proceedings of the 18th Annual Conference on Neural Information Processing Systems (NIPS '04), http://books.nips.cc/nips17.html, 2004.
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