Please use this identifier to cite or link to this item: https://elib.utmn.ru/jspui/handle/ru-tsu/14541
Title: Обратная post-hoc задача кластерного анализа и ее применение к дискриминации данных
Other Titles: Inverse post-hoc problem of the cluster analysis with application to data discrimination
Authors: Sergey, V. Dronov
Antonina, S. Sazonova
Дронов, Сергей Вадимович
Сазонова, Антонина Станиславовна
Keywords: discriminatory function;Clusterization;cluster variable;кластерная переменная;дискриминационная функция;Кластеризация
Issue Date: 2014
Citation: Дронов, С. В. Обратная post-hoc задача кластерного анализа и её применение к дискриминации данных / С. В. Дронов, А. С. Сазонова // Вестник Тюменского государственного университета. - 2014. - № 7. - С. 199-204.
metadata.dc.relation.ispartof: Вестник ТюмГУ: Физико-математическое моделирование. Нефть, газ, энергетика. Физико-математические науки. Информатика (№7, 2014)
Abstract: Рассматривается задача определения информационной важности статистических показателей объектов некоторого множества. Показатели объектов допускаются к рассмотрению как числовые, так и качественные категорированные. Решается задача: используя априорную информацию о порядке следования кластеров, ранжировать показатели по степени их важности. Предполагая существование дискриминационной функции, правильно разделяющей объекты по имеющимся кластерам, разработан алгоритм, позволяющий для каждого показателя X определить вид такого его преобразования fX, что после замены в дискриминационной функции X на fX его влияние на кластерную структуру множества выделяется оптимальным . We consider the problem of informational importance of characteristics determination for a set of clusterized objects. These characteristics can be either numerical ones or non-numerical with categories. Using priori information about the natural order of clusters, we propose the way to range characteristics with respect to the degree of their importance. Assuming the discrimination function separating correctly the objects into the available clusters, we developed a new algorithm. The algorithm defines a type of the proper fX transformation for each X characteristic. In this case, if we replace the discriminatory function X with fX, then a new discrimination function will show the influence of the characteristic on cluster structure of the set of objects in the optimal way.
URI: https://elib.utmn.ru/jspui/handle/ru-tsu/14541
Appears in Collections:Вестник ТюмГУ: Физико-математическое моделирование. Нефть, газ, энергетика

Files in This Item:
File SizeFormat 
8_С.В. Дронов, А.С. Сазонова.pdf459,71 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.