Statistické zpracování vodohospodářských dat 7. Přednosti analýzy shluků při klasifikaci zdrojů pitné vody
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25310%2F07%3A00006522" target="_blank" >RIV/00216275:25310/07:00006522 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
čeština
Název v původním jazyce
Statistické zpracování vodohospodářských dat 7. Přednosti analýzy shluků při klasifikaci zdrojů pitné vody
Popis výsledku v původním jazyce
Analýza shluků (Cluster analysis) patří mezi metody, které se zabývají vyšetřováním podobnosti vícerozměrných objektů (tj. objektů, u nichž je změřeno větší množství znaků) a jejich klasifikací do tříd čili shluků. Hodí se zejména tam, kde objekty projevují přirozenou tendenci se seskupovat. V biologii se proto užívá shluková analýza ke klasifikování živočichů a rostlin. Tato klasifikace se nazývá numerická taxonomie. Lze formulovat tři hlavní cíle analýzy shluků: popis systematiky, je tradičním využitím shlukové analýzy pro průzkumové cíle a taxonomii, což je empirická klasifikace objektů, zjednodušení dat, kdy analýza shluků poskytuje při hledání taxonomie zjednodušený pohled na objekty, a konečně identifikace vztahu, kdy po nalezení shluků objektů,a tím i struktury mezi objekty je snadnější odhalit vztahy mezi objekty.
Název v anglickém jazyce
Computer-Assisted Statistical Data Analysis. 7. Advantages of Cluster Analysis in the Classification of Drinkable Water
Popis výsledku anglicky
The cluster analysis leads to clusters which may be plotted in dendrogram. There are two dendrograms available, the dendrogram of variables and the dendrogram of objects. Both statistical techniques are demonstrated on the analysis and classification ofvarious sources of a drinkable water. Data matrix contains objects in n rows and m columns. Before data treatment the data are scaled. Similarity of objects and variables is considered on base on Mahalonobis distance or Euclidean distance in the m-dimensional space. The principal components analysis reduces dimensionality and presents objects in two or three dimensions. The plot of components weight shows hidden structure among variables while the scatterplot shows the hidden structure of objects.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
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 periodika
Vodní hospodářství
ISSN
1211-0760
e-ISSN
—
Svazek periodika
57
Číslo periodika v rámci svazku
11
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
12
Strana od-do
391-402
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—