Иерархическая квантификация кластерной переменной

  • А.В. Болгов Алтайский государственный университет Email: bolgov.c@gmail.com
  • С.В. Дронов Алтайский государственный университет Email: dsv@math.asu.ru
Ключевые слова: квантификация, кластерная переменная, агломеративный кластерный алгоритм, метод Варда

Аннотация

В статье предлагается и обосновывается способ присвоения числовых меток (квантификация) кластерам, связанный с их построением на основе агломеративного кластерного алгоритма, рассматриваются проблемы, которые могут возникнуть при такой квантификации, в частности, возникновение числовых меток кластеров, значения которых противоречат их естественному порядку (инверсии). Предложен новый вариант алгоритма, при котором подобные инверсии не возникают.

Литература

1. Дронов С.В., Герасимова А.С. К проблеме оцифровки кластерной переменной // Труды Всероссийской молодежной школы-семинара “Анализ, Геометрия и топология” Барнаул, 2-4 октября 2013 г. — Барнаул : ИП Колмогоров И.А., 2013. — С. 54–58. — Ч.2.
2. Romesburg H.C. Cluster Analysis for Researchers. – Morrisville, NC : Lulu.com, 2004.
3. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. — М. : Финансы и статистика, 1989.
4. Жамбю М. Иерархический кластер-анализ и соответствия. — М. : Финансы и статистика, 1988.
5. Brian S. Everitt, Sabine Landau, Morven Leese, Daniel Stahl. Cluster Analysis. – 5th edition. – UK : John Wiley & Sons, Ltd, 2011.
6. Дронов С.В. Методы и задачи многомерной статистики: монография. — Барнаул : Изд-во Алт. ун-та, 2015.
7. IBM SPSS Statistics. – URL: http://www.ibm.com/ru-ru/products/spss-statistics.
8. StatSoft Statistica. – URL: https://statsoft.com.
9. Stata: Software for statistics. – URL: https://www.stata.com/.
10. Origin: Data Analysis and Graphing Software. – URL: https://www.originlab.com/.
11. The R Project for Statistical Computing. – URL: https://www.r-project.org/.
12. Python programming language. – URL: https://www.python.org/.
13. Жилин С.И. Решение задач дисперсионного и ковариационного анализа методом центра неопределенности // Известия АГУ. — 2011. — № 1-2(69). — С. 54–57.
14. Batagelj V. Note on ultrametric hierarchical clustering algorithms // Psychometrika. – 1981. – Vol. 46, no. 3. – P. 351–352.
15. Ward Jr. J.H. Hierarchical Grouping to Optimize an Objective Function // Journal of the American Statistical Association. – 1963. – no. 58. – P. 236–244.
16. Boutell M. R., Luo J., Shen X., Brown C.M. Learning multi-label scene classification // Pattern Recognition. – 2004. – no. 37(9). – P. 1757–1771.
Опубликован
2022-02-16
Как цитировать
Болгов А., Дронов С. Иерархическая квантификация кластерной переменной // Труды семинара по геометрии и математическому моделированию, 2022, № 7. С. 28-33. URL: http://journal.asu.ru/psgmm/article/view/11001.

Наиболее читаемые статьи этого автора (авторов)