Statistické zpracování vodohospodářských dat 7. Přednosti analýzy shluků při klasifikaci zdrojů pitné vody

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

—

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.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

CB - Analytická chemie, separace

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2007

Kód důvěrnosti údajů

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

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

—