BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Wilk Justyna (Wrocław University of Economics, Poland)
Tytuł
Cluster Analysis Methods in Symbolic Data Analysis
Źródło
Studia i Prace Uniwersytetu Ekonomicznego w Krakowie, 2010, nr 11, s. 39-54, bibliogr. 42 poz.
Słowa kluczowe
Taksonomia, Zastosowanie taksonomii, Analiza danych
Taxonomy, Application of taxonomy, Data analysis
Abstrakt
W artykule opisano pojęcie danych symbolicznych i ich znaczenie w opisie problemów społeczno-gospodarczych. Omówiono sposoby klasyfikowania danych symbolicznych oraz algorytmy klasyfikacyjne taksonomii symbolicznej i numerycznej.

The paper discusses: - the concept of symbolic data and their importance in describing socio-economic and other research problems, - alternative strategies for classifying symbolic data, - numerical and symbolic taxonomy algorithms classification, - applications of symbolic data analysis for classification purposes. (fragment of text)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Bibliografia
Pokaż
  1. Anderberg, M. R. (1973) Cluster Analysis for Applications. New York: Academic Press Inc.
  2. Arroyo, J., Maté, C. and Muñoz-San Roque, A. (2006) "Hierarchical Clustering for Boxplot Variables" in V. Batagelj et al. (eds) Data Science and Classification, Studies in Classification, Data Analysis and Knowledge Organization. Berlin-Heidelberg: Springer-Verlag.
  3. Billard, L. and Diday, E. (2003) "From the Statistics of Data to the Statistics of Knowledge: Symbolic Data Analysis". Journal of the American Statistical Association 98(462).
  4. Billard, L. and Diday, E. (2006) Symbolic Data Analysis. Conceptual Statistics and Data Mining. Chichester: Wiley.
  5. Bisdorff, R. (2000) "Professional Careers of Retired Working Persons" in H.-H. Bock and E. Diday (eds) Analysis of Symbolic Data. Exploratory Methods for Extracting Statistical Information from Complex Data. Berlin-Heidelberg: Springer-Verlag.
  6. Bock, H.-H. and Diday, E. (eds) (2000) Analysis of Symbolic Data. Exploratory Methods for Extracting Statistical Information from Complex Data. Berlin-Heidelberg: Springer-Verlag.
  7. Brito, P. (2002) "Hierarchical and Pyramidal Clustering for Symbolic Data". Journal of Japan Computational and Statistical Society 15.
  8. Brito, P. (2004) "Clustering Interpretation. Interpreting Clusters by Using the Module CLINT" in M. Noirhomme-Fraiture (ed.) User Manual for SODAS 2 Software, Software Report, Analysis System of Symbolic Official Data, Project Number IST-2000-25161.
  9. Brito, P. and de Carvalho, F. A. T. (2008) "Hierarchical and Pyramidal Clustering" in H.-H. Bock and E. Diday (eds) Analysis of Symbolic Data. Exploratory Methods for Extracting Statistical Information from Complex Data, Berlin-Heidelberg: Springer-Verlag.
  10. De Carvalho, F. A. T., Lechevallier, Y. and Verde, R. (2008) "Clustering Methods in Symbolic Data Analysis" in H.-H. Bock and E. Diday (eds) Analysis of Symbolic Data. Exploratory Methods for Extracting Statistical Information from Complex Data. Berlin-Heidelberg: Springer-Verlag.
  11. Diday, E. (1971) "La mèthode des nuées dynamiques". Revue de Statistique Appliquée 19.
  12. Diday E. (2002) "An Introduction to Symbolic Data Analysis and the SODAS Software". The Electronic Journal of Symbolic Data Analysis 0(0).
  13. Diday, E. and Brito, P. (1989) "Symbolic Cluster Analysis" in O. Opitz (ed.) Conceptual and Numerical Analysis of Data. Berlin-Heidelberg: Springer-Verlag.
  14. Diday, E. and Gowda, C. K. (1994) "Symbolic Clustering Algorithm Using Similarity and Dissimilarity Measures" in E. Diday et al. (eds) New Approaches in Classification andData Analysis. Berlin-Heidelberg: Springer-Verlag.
  15. Diday, E., Noirhomme-Fraiture, M. (eds) (2008) Symbolic Data Analysis and the SODAS Software. Chichester: John Wiley & Sons.
  16. Doux, C., Laurent, P. and Nadal, P. (1997) "Symbolic Data Analysis with the k-means Algorithm for User Profiling" in J. Anthony, P. Cecile and T. Carlo (eds) User Modeling: Proceedings of the Sixth International Conference. Vienna-New York: Springer Wien.
  17. Dudek, A. (2007) Metody klasyfikacji dla danych symbolicznych - symulacja porównawcza [Cluster analysis methods for symbolic data - comparative simulation] Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1151, Wrocław.
  18. Everitt, B.S., Landau, S. and Leese, M. (2001) Cluster Analysis. 4th edition. London: Arnold.
  19. Fisher, D. and Langley, P. (1986) "Conceptual Clustering and Its Relationship to Numerical Taxonomy" in W. A. Gale (ed.) Artificial Intelligence and Statistics. Boston: Addison- -Wesley.
  20. Gatnar, E. (1998) Symboliczne metody klasyfikacji danych [Symbolic data classification Methods]. Warszawa: PWN.
  21. Gordon, A. D. (1999) Classification. London-New York-Washington: Chapman & Hall.
  22. Hair, J. F. et al. (2006) Multivariate Data Analysis. New Jersey: Pearson Prentice Hall.
  23. Hanson, S. J. (1990) "Conceptual Clustering and Categorization: Bridging the Gap between Induction and Casual Models" in R. S. Michalski and Y. Kodratoff (eds) Machine Learning. An Artificial Intelligence Approach. Yol. III. San Mateo: Morgan Kaufmann Publishers.
  24. Hardy, A. and Lallemand, P. (2002) "Determination of the Number of Clusters for Symbolic Objects Described by Interval Variables" in K. Jajuga, A. Sokołowski and H.-H. Bock (eds) Classification, Clustering and Data Analysis. Berlin-Heidelberg: Springer-Verlag.
  25. Korenjak-Černe, S. and Batagelj, V. (2002) "Symbolic Data Analysis Approach to Clustering Large Datasets" in K. Jajuga, A. Sokołowski and H.-H. Bock (eds) Classification, Clustering and Data Analysis. Berlin-Heidelberg: Sprinter-Verlag.
  26. Laaksonen, S. (2006) People's Life Values and Trust Components in Europe - Symbolic Data Analysis for 20-22 Countries. University of Helsinki, Department of Mathematics and Statistics (typescript).
  27. Malerba, D., Esposito, F. and Monopoli, M. (2002) "Comparing Dissimilarity Measures for Probabilistic Symbolic Objects" in A. Zanasi et al. (eds) Data Mining III, Series Management Information Systems. Vol. 6. Southampton: WIT Press.
  28. Malerba, D. et al. (2001) Comparing Dissimilarity Measures for Symbolic Data Analysis. New Techniques and Technologies for Statistics and Exchange of Technology and Know-how (ETK-NTTS'01), Hersonissos.
  29. Marcelo, C. (2004) Application of Symbolic Data Analysis to Official Statistical Data. Workshop on applications of symbolic data analysis. Lisbon.
  30. Más, M. and Olaeta, H. (2002) Symbolic Analysis of Time Use in Basque Country. EUSTAT Technical Notebook 1. Instituto Vasco de Estadistica. Donostia-San Sebastian.
  31. Michalski, R.S., Stepp, E. and Diday E. (1981) A Recent Advance in Data Analysis: Clustering Objects into Classes Characterized by Conjunctive Concepts in L. Kanal and A. Rosenfeld (eds) Progress in Pattern Recognition. Vol. 1.
  32. Mustjarvi, S. (2006) "Application to the Finnish, Portuguese and Spanish Data from European Social Survey 2002/2003" in L. Billard and E. Diday (eds) Symbolic Data Analysis: Extracting Knowledge from Complex Data. Indianapolis: John Wiley and Sons Ltd.
  33. Pełka, M. (2005) Klasyfikacja obiektów symbolicznych oparta na kryteriach [Criterion- -based divisive classification of symbolic objects]. Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1100. Wrocław.
  34. Pełka, M. (2006) Klasyfikacja marek samochodów pod względem komfortu [Classification of car makes based on comfort and safety of driving] in J. Garczarczyk (ed.) Ilościowe i jakościowe badania rynku. Pomiar i jego skuteczność. Zeszyty Naukowe Akademii Ekonomicznej w Poznaniu nr 71, Poznań.
  35. Pełka, M. (2007) Analiza danych symbolicznych i jej wykorzystanie w badaniach marketingowych [Symbolic data analysis and its application in marketing research]. Doctoral thesis.
  36. Sokal, R. R. (1988) "Unsolved Problems in Numerical Taxonomy" in H.-H. Bock (ed.) Classification and Related Methods of Data Analysis. Amsterdam: Elsevier Science Publishers B.V.
  37. Walesiak, M. (1996) Metody analizy danych marketingowych [Marketing data analysis methods]. Warszawa: PWN.
  38. Wilk, J. (2006a) "Miary odległości obiektów opisanych zmiennymi symbolicznymi z wagami" [Distance measures for objects described by modal symbolic variables] in K. Jajuga and M. Walesiak (eds) Taksonomia 13. Klasyfikacja i analiza danych - teoria i zastosowania. Prace Naukowe Akademii Ekonomicznej we Wrocławiu nr 1126, Wrocław.
  39. Wilk, J. (2006b) "Problemy klasyfikacji obiektów symbolicznych. Symboliczne miary odległości" [Symbolic object classification procedure problems. Distance measures for objects described by symbolic variables] in J. Garczarczyk (ed.) Ilościowe i jakościowe metody badania rynku. Pomiar i jego skuteczność. Zeszyty Naukowe Akademii Ekonomicznej w Poznaniu nr 71, Poznań.
  40. Wilk, J. (2009) Segmentacja internautów z wykorzystaniem danych symbolicznych i metod klasyfikacji [Internet users market segmentation based on symbolic data and cluster analysis] in K. Jajuga and M. Walesiak (eds) Taksonomia 16. Klasyfikacja i analiza danych - teoria i zastosowania. Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Wrocław.
  41. Wilk, J. (2010) Problemy segmentacji rynku z wykorzystaniem metod klasyfikacji i danych symbolicznych [Research problems in market segmentation procedure based on symbolic data and cluster analysis]. Doctoral thesis.
  42. Wilk J. and Pełka, M. (2004) "Dane symboliczne w zagadnieniu klasyfikacji" [Symbolic data in classification] in M. Rószkiewicz (ed.) Identyfikacja struktur rynkowych: pomiar - modelowanie - symulacja. Monografie i Opracowania nr 533. Warszawa: Oficyna Wydawnicza SGH w Warszawie.
Cytowane przez
Pokaż
ISSN
1899-6205
Język
eng
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu