BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Osińska Monika (Uniwersytet Ekonomiczny w Poznaniu)
Tytuł
Mierniki oceny jakości podziału w analizie skupień - porównanie ich efektywności
The Cluster Validity Indices - Comparison of their Efficiency
Źródło
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia (18), 2011, nr 176, s. 612-620, bibliogr. 10 poz.
Research of Wrocław University of Economics
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Analiza skupień, Klasyfikacja danych
Cluster analysis, Data classifications
Uwagi
streszcz., sum.
Abstrakt
Ocena jakości podziału jest jednym z czterech zasadniczych etapów analizy skupień, istotnie wpływającym na interpretację uzyskanych wyników. W literaturze przedmiotu istnieje duża liczba wskaźników wspomagających proces wyboru podziału optymalnego, jednak spora ich część przejawia pewne własności, które w dużej mierze mogą ograniczać obszary ich zastosowań. Głównym celem referatu jest zaproponowanie nowego wskaźnika oceny jakości grupowania - wskaźnika CNI oraz porównanie jego użyteczności z siedmioma najbardziej znanymi w literaturze wskaźnikami. Obiekty poddane analizie opisane zostały przy użyciu zmiennych dwuwymiarowych, natomiast kolejne podziały uzyskano w wyniku zaimplementowania metody k-średnich. Wszystkie obliczenia wykonano w programie R.(abstrakt oryginalny)

Validation is one of four basic stages of cluster analysis which significantly affects the interpretation of the results. There are many validity indices in the specialist literature, but a lot of them have some properties which can strongly limit possible applications. The main goal of this paper is to propose a new validity index called CNI index and to compare it with the most popular indices. The data used in our analysis are described by 2-dimensional variables, while other divisions are achieved as a result of k-means algorithm implementation. All of the calculations were realized on the R programme.(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. Bezdek J.C., Havens T.C., Keller J.M., Popescu M., Dunn's Cluster Validity Index as a Constrast of VAT Images, 19th International Conference on Pattern Recognition (ICPR),2008 December 8-11, Tampa, Florida, USA, IEEE.
  2. Bezdek J.C., Pal N.R., Some new indexes of cluster validity, Transactions on Systems, Man, and Cybernetics, Part B", IEEE, 1998, vol. 28, no. 3, s. 301-315.
  3. Gatnar E., Walesiak M., Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wyd. Akademii Ekonomicznej, Wrocław 2004.
  4. Gusarova L., Yatskiv I., The methods of cluster analysis results validation, Proceedings of International Conference RelStat '04, "Transport and Telecommunication" 2005, vol. 6, no. 1
  5. Halkidi M., Batistakis Y., Vazirgiannis M., On cluster validation techniques, "Journal of Intelligent Information Systems" 2001, vol. 17, no. 2/3, s. 107-145.
  6. Halkidi M., Batistakis Y., Vazirgiannis M., Clustering validity checking methods: Part II, "ACM SIGMOD Records" 2002, vol. 31, no. 3, s. 19-27.
  7. Migdał-Najman K., Najman K., Analityczne metody ustalania liczby skupień. Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 12, Akademia Ekonomiczna we Wrocławiu, Wrocław 2005, s. 265-273.
  8. Migdał-Najman K., Najman K., Analityczne metody ustalania liczby skupień w rozmytych zbiorach danych. Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 13, Akademia Ekonomiczna we Wrocławiu, Wrocław 2006, s. 159-167.
  9. Najman K., Metody ustalania liczby skupień w zbiorach danych binarnych. Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 14, Akademia Ekonomiczna we Wrocławiu, Wrocław 2007, s. 321-329.
  10. Najman K., Symulacyjna analiza wpływu wyboru kryterium optymalności podziału obiektów na jakość uzyskanej klasyfikacji w algorytmach k-średnich. Klasyfikacja i analiza danych - teoria i zastosowania, Taksonomia 15, Uniwersytet Ekonomiczny we Wrocławiu, Wrocław 2008, s. 295-304.
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