Shlukování v souborech s odlehlými objekty pomocí metod k-průměrů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F44555601%3A13510%2F10%3A00005835" target="_blank" >RIV/44555601:13510/10:00005835 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Shlukování v souborech s odlehlými objekty pomocí metod k-průměrů

Popis výsledku v původním jazyce

Velká citlivost shlukování na odlehlá pozorování je skutečnost, která může záporně ovlivnit kvalitu výsledného rozdělení do shluků. Ve většině případů jsme odkázáni na vhodné předzpracování dat a případné vyloučení odlehlých objektů z dalšího zpracování.V odborné literatuře se však objevují i shlukovací metody přímo zaměřené na data obsahující odlehlé objekty. Jedním z takovýchto postupů je například dvoufázový algoritmus k-průměrů. V příspěvku je navržena varianta metody k-průměrů pracující s mrkd-stromy, která je postavena na jiném principu. Identifikace odlehlých objektů probíhá v rámci fáze předzpracování, kterou je nutno provádět i v případě, že nás odlehlé objekty nezajímají. Je to fáze organizující data do stromové struktury, která činí následující fázi shlukování velmi efektivní. Dále článek předkládá třetí možnost detekování odlehlých objektů pomocí modifikace algoritmu k-průměrů++. Příspěvek pojednává o srovnání uvedených tří metod.

Název v anglickém jazyce

Using k-means methods to clustering of data sets containing outliers

Popis výsledku anglicky

Great sensitivity of clustering to outliers may negatively affect the quality of the resulting division into clusters. In most cases we must rely on an appropriate preprocessing and a possible exclusion of outliers. However, there are clustering methodsaimed at the data containing outliers, in professional statistics literature. One such example is the two-step k-means algorithm. The paper proposes an alternative to the k-means method working with mrkd-trees, which is based on another principle. The identification of outliers is in the phase of preprocessing, which must be done even if we are not interested in outliers. It's a phase, which organizes the data into a tree structure, which makes the next phase of clustering very effective. The article also presents a third option involving the detection of outliers by modifying the algorithm k-means++. The paper outlines a comparison between the three methods.

Druh

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

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

—

Návaznosti

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Rok uplatnění

2010

Kód důvěrnosti údajů

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

Název periodika

Informační Bulletin České statistické společnosti

ISSN

1210-8022

e-ISSN

—

Svazek periodika

Ročník 22

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

8

Strana od-do

—

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—