Klasické a současné postupy ve shlukové analýze

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F13%3A00399121" target="_blank" >RIV/67985807:_____/13:00399121 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Klasické a současné postupy ve shlukové analýze

Popis výsledku v původním jazyce

Článek se zaměřuje na vývoj vybraných postupů ve shlukové analýze. Jde o nedávno navržené míry podobnosti pro objekty charakterizované nominálními proměnnými, vývoj algoritmů pro k-shlukování a vývoj metod pro shlukování v případě velkých datových souborů a kategoriálních dat. U algoritmů pro k-shlukování je pozornost věnována zohlednění neurčitosti při zařazování objektů do shluků, konkrétně algoritmům FCM (fuzzy k-průměrů), PCM, FPCM, RCM, RFCM a RFPCM. Pro velké datové soubory jsou zařazeny algoritmyCURE, ROCK, CLARA, CLARANS a BIRCH, pro shlukování kategoriálních dat pak algoritmy COOLCAT a ROCK. Zmíněna je též dvoukroková shluková analýza pro shlukování velkých datových souborů s proměnnými různých typů.

Název v anglickém jazyce

Classical and recent approaches in cluster analysis

Popis výsledku anglicky

The paper focuses on the development of selected approaches in cluster analysis. There are recently proposed similarity measures for objects characterized by nominal variables, development of algorithms for k-clustering and development of methods for clustering large data files and categorical data. As concerns algorithms for k-clustering, attention is paid to take into account the uncertainty in classifying objects into clusters, namely FCM (fuzzy k-means), PCM, FPCM, RCM, RFCM and RFPCM algorithms. For large data files, algorithms CURE, ROCK, CLARA, CLARANS and BIRCH are included, for categorical data clustering there are COOLCAT and ROCK algorithms. Two-step cluster analysis to cluster large data sets with variables of different types is mentioned.

Druh

D - Stať ve sborníku

CEP obor

BB - Aplikovaná statistika, operační výzkum

OECD FORD obor

—

Projekt

—

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

Analýza dat 2013. Statistické metody pro technologii a výzkum

ISBN

—

ISSN

1805-6903

e-ISSN

—

Počet stran výsledku

10

Strana od-do

109-118

Název nakladatele

TriloByte Statistical Software

Místo vydání

Pardubice

Místo konání akce

Pardubice

Datum konání akce

19. 11. 2013

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

—