Shlukování proměnných klasickými metodami a pomocí neurosíťové Booleovské faktorové analýzy

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F08%3A00314040" target="_blank" >RIV/67985807:_____/08:00314040 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/61989100:27240/08:86075668

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Clustering Variables by Classical Approaches and Neural Network Boolean Factor Analysis

Popis výsledku v původním jazyce

In this paper, we compare three methods for grouping of binary variables: neural network Boolean factor analysis , hierarchical clustering, and a linear factor analysis on the mushroom dataset . In contrast to the latter two traditional methods, the advantage of neural network Boolean factor analysis is its ability to reveal overlapping classes in the dataset. It is shown that the mushroom dataset provides a good demonstration of this advantage because it contains both disjunctive and overlapping classes.

Název v anglickém jazyce

Clustering Variables by Classical Approaches and Neural Network Boolean Factor Analysis

Popis výsledku anglicky

In this paper, we compare three methods for grouping of binary variables: neural network Boolean factor analysis , hierarchical clustering, and a linear factor analysis on the mushroom dataset . In contrast to the latter two traditional methods, the advantage of neural network Boolean factor analysis is its ability to reveal overlapping classes in the dataset. It is shown that the mushroom dataset provides a good demonstration of this advantage because it contains both disjunctive and overlapping classes.

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

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

Název statě ve sborníku

International Joint Conference on Neural Networks

ISBN

978-1-4244-1820-6

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

—

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Hong Kong

Datum konání akce

1. 6. 2008

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000263827202095