Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25310%2F07%3A00006498" target="_blank" >RIV/00216275:25310/07:00006498 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou

  • Popis výsledku v původním jazyce

    Vícerozměrná statistická analýza je založena na latentních proměnných, které jsou lineární kombinací původních proměnných. Zdrojová matice dat obsahuje proměnné v m sloupcích a objekty v n řádcích. Data jsou před zpracováním škálována. Cílem je nalézt shluk jako množinu podobných objektů s podobnými proměnnými. Podobnost objektů posuzujeme na základě vzdálenosti (míry) objektů v m-rozměrném prostoru: čím je vzdálenost shluků či objektů větší, tím menší je jejich podobnost. K rychlému posouzení podobnosti slouží grafy exploratorní analýzy vícerozměrných dat: profily, polygony, sluníčka a hvězdičky. Strukturu a vazby mezi proměnnými vystihují metody snížení dimensionality, metoda hlavních komponent (PCA). Důležitou pomůckou je rozptylový diagram, který zobrazuje objekty, rozptýlené v rovině prvních dvou hlavních komponent. Graf komponentních vah porovnává vzdálenosti mezi proměnnými xi a xj, kde krátká vzdálenost značí silnou korelaci. Dvojný graf pak kombinuje oba předchozí grafy. Objek

  • Název v anglickém jazyce

    Internal Relations and Latent Structure in Metalurgic Data with the Use of the Multivariate Statistical Analysis

  • Popis výsledku anglicky

    Internal relations and latent structure in metalurgic data with the use of the multivariate statistical analysis concerns the method of principal component analysis, factor analysis and cluster analysis. Before the multivariate analysis the exploratory data analysis discovers some important statistical features in data and internal relation. The graph of component (or factor) score and component (or factor) weights are compared with the dendrogram of objects and dendrogram of variables and the internalbonds are so indicated.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    CB - Analytická chemie, separace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2007

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Sborník konference 27. Hutní a průmyslová analytika 2007

  • ISBN

    978-80-86380-38-4

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    19

  • Strana od-do

    107-125

  • Název nakladatele

    2 THETA - Ing. Václav Helán

  • Místo vydání

    Český Těšín

  • Místo konání akce

  • Datum konání akce

  • Typ akce podle státní příslušnosti

  • Kód UT WoS článku