Методы анализа данных: Подход, основанный на методе динамических сгущений

Free Download

Authors:

Size: 6 MB (6394652 bytes)

Pages: 361/361

File format:

Language:

Publishing Year:

Category:

Дидэ Э., и др.(Diday)


Table of contents :
Обложка ……Page 1
Титульная страница оригинала ……Page 3
Титульная страница перевода ……Page 4
Анализ данных, прикладная статистика и построение общей теории автоматической классификации. Вступительная статья С. А. Айвазяна и В. М. Бухштабера ……Page 6
Предисловие ……Page 24
Литература ……Page 28
1.2. Метод динамических сгущений (МДС) ……Page 30
1.2.3. Функция представительства ……Page 31
1.2.5. Основные составные части и структура метода ……Page 32
1.3.1. Пространства покрытий и представительств ……Page 33
1.3.5. Построение алгоритма ……Page 34
1.3.6. Изучение свойств алгоритма ……Page 35
1.4.2. Случай существования непустой общей части у представителей всех $k$ классов ……Page 36
1.5. Некоторые методы, не укладывающиеся в общую схему МДС ……Page 37
1.6. Сравнение алгоритмов метода динамических сгущений ……Page 38
Литература ……Page 39
2.1. Введение ……Page 40
2.2.2. Оптимизационная задача ……Page 41
2.3.1. Пространство представительств ……Page 42
2.4.1. Пространство представительств ……Page 43
2.6. Метод центра тяжести ……Page 44
2.6.1. Пространство представительств ……Page 45
2.6.3. Алгоритм ……Page 46
2.6.4. Распространение на непрерывный случай ……Page 47
2.7. Выражение и сравнение различных критериев в рамках некоторого евклидова представления объектов ……Page 51
Литература ……Page 52
3.1.2. Связь с задачей классификаций при наличии ограничений ……Page 54
3.2. Пространство покрытий и пространство представительств ……Page 55
3.3. Критерий и оптимизационная задача ……Page 56
3.5. Алгоритм ……Page 57
3.7.1. Задача ……Page 59
3.7.3. Представительство ……Page 60
3.7.5. Мультикритерий $W^2$ и оптимизационная задача ……Page 61
3.7.7. Описание алгоритма ……Page 62
3.7.10. Область применения ……Page 63
Литература ……Page 64
4.2. Используемые алгоритмы ……Page 66
4.3.1. Сравнение алгоритмов ……Page 68
4.3.2. Прадеревья с петлей в корне ……Page 70
4.3.3. Гистограмма решений ……Page 71
Литература ……Page 72
5.1.2. Предшествующие работы ……Page 73
5.1.3. Предлагаемый подход ……Page 74
5.2.1. Оператор проектирования и подпространство, соответствующие неполно описанному объекту ……Page 75
5.2.2. Аппроксимация расстояний ……Page 77
5.2.3. Аппроксимация инерции ……Page 82
5.3.1. Напоминание некоторых понятий ……Page 83
5.3.2. Минимизация псевдоинерции ……Page 85
5.3.3. Отношение между псевдоцентрами тяжести ……Page 89
5.3.4. Разложение псевдоинерции ……Page 90
5.4.1. Напоминание сущности метода центра тяжести ……Page 92
5.4.3. Критерий ……Page 93
5.4.5. Функция назначения ……Page 94
5.5.2. Реализованное моделирование ……Page 95
5.5.4. Взвешивание классифицируемых данных и процент неправильно расклассифицированных объектов ……Page 96
5.5.5. Возможный дефект алгоритма ……Page 97
5.6. Заключение ……Page 99
Литература ……Page 100
6.1. Введение ……Page 101
6.2.1. Основные пространства и функции ……Page 102
6.2.2. Оптимизируемый критерий $W$ ……Page 107
6.2.3. Алгоритм ANATYP-A ……Page 109
6.2.4. Метрики и функция представительства ……Page 112
6.3.1. Обозначения ……Page 114
6.3.2. Проблемы, возникающие при выборе метрики $chi^2$ в факторном типологическом анализе и предлагаемое решение ……Page 115
6.3.3. Использование метрик: исследование сходимости алгоритма ANATYP-B ……Page 121
6.3.4. Восстановление данных по ограниченному числу локальных факторов ……Page 124
6.4.1. Выбор входных параметров ……Page 131
6.4.2. Выбор меры близости $D$ ……Page 133
6.4.3. Понятие устойчивых осей ……Page 134
6.4.4. Исключение влияния резко выделяющихся точек ……Page 138
6.4.5. Сходимость и критерии остановки алгоритма ……Page 144
6.5.1. Данные ……Page 145
6.5.2. Исследования, выполненные в Ланионе ……Page 146
6.5.3. Вклад факторного типологического анализа ……Page 147
6.5.4. Примеры анализа гласных ……Page 148
6.6. Заключение ……Page 149
Литература ……Page 150
7.1.2. Отсрочка в обосновании априорного разбиения на семейства ……Page 151
7.1.3. Классификация и дискриминация: дискриминантный типологический анализ ……Page 152
7.2. Пространство представительств ……Page 153
7.3.3. Математическое выражение критерия в терминах меры близости ……Page 154
7.4. Функция представительства ……Page 155
7.4.1. Поиск $maxlimits_{U}I_{inter}(P,U)$ ……Page 157
7.4.2. Вывод: функция представительства ……Page 158
7.6. Сходимость алгоритма ……Page 159
7.7.3. Выходные данные к моменту сходимости алгоритма ……Page 160
7.8.2. Решающее правило $R$ ……Page 161
7.9. Заключение ……Page 162
Литература ……Page 163
8.2. Описание данных ……Page 164
8.3.1. Методология ……Page 167
8.3.2. Результаты ……Page 168
8.3.3. Сравнение дискриминантного типологического анализа с другими методами ……Page 174
8.3.4. Проблема экзаменационной выборки ……Page 176
8.4.1. Решающие правила, выводимые из дискриминантного типологического анализа ……Page 177
8.4.2. Другие решающие правила ……Page 178
Литература ……Page 180
9.1.1. Данные и отношения предпочтения ……Page 181
9.1.2. Агрегирование данных о предпочтениях ……Page 183
9.1.3. Типологическое агрегирование данных о предпочтениях ……Page 186
9.2.2. Оптимизируемый критерий ……Page 187
9.3.1. Этап представления ……Page 188
9.3.3. Сходимость и разные задачи ……Page 189
9.4. Заключение ……Page 190
Литература ……Page 191
10.1.2. Различные подходы ……Page 193
10.1.3. Предлагаемый подход ……Page 194
10.2.1. Необходимые теоретические факты и псевдообращение ……Page 195
10.2.2. Пространство представительств ……Page 199
10.3.1. Функции $f$ и $g$ ……Page 200
10.3.3. Сходимость алгоритма ……Page 201
10.3.4. Гребневая регрессия и регрессия по Марквардту ……Page 203
10.3.5. Исключение эффекта «цилиндра» ……Page 208
10.3.6. Оптимальный выбор числа классов ……Page 210
10.3.7. Связь с критерием Шоу ……Page 214
10.3.8. Метод прогноза, связанный с локальными линейными моделями ……Page 217
10.4. Входные и выходные данные программы ……Page 218
10.4.1. Общая схема алгоритма ……Page 219
10.5. Заключение ……Page 220
Литература ……Page 221
11.1. Введение ……Page 222
11.2. Обозначения ……Page 223
11.3.1. Частный случай ……Page 224
11.3.2. Ограничения ……Page 225
11.3.3. Алгоритм ……Page 228
11.3.4. Решение и его свойства ……Page 230
11.4. Заключение ……Page 237
Литература ……Page 238
12.2.2. Алгоритм ……Page 239
12.2.3. Случай необратимой ковариационной матрицы ……Page 242
12.2.4. Пример применения метода адаптивных расстояний ……Page 245
12.3.3. Алгоритм ……Page 249
12.3.5. Ограничения на конструкцию алгоритма ……Page 250
12.4.2. Алгоритм ……Page 251
12.5.1. Описание метода ……Page 252
12.5.2. Пример с искусственными данными ……Page 253
12.6. Заключение ……Page 254
Литература ……Page 257
13.1. Введение ……Page 258
13.2.1. Общие определения ……Page 259
13.2.3. Ограничения на оцифровку и множества оцифровок допустимых согласно природе переменных ……Page 260
13.3.2. Структура представительства, пространство представительств ……Page 262
13.3.3. Оптимизируемый критерий ……Page 263
13.3.5. Описание алгоритма ……Page 264
13.3.7. Связь между каноническим анализом и оцифровкой номинальных данных ……Page 271
13.4.2. Структура представительств, пространство представительств ……Page 273
13.4.3. Оптимизируемый критерий ……Page 274
13.4.5. Описание алгоритма ……Page 275
13.4.7. Связь между оцифровкой переменных и определением некоторых адаптивных расстояний ……Page 278
13.5.1. Данные ……Page 279
13.5.2. Результаты ……Page 280
Литература ……Page 285
14.1. Постановка задачи ……Page 286
14.2.1. Метод динамических сгущений с использованием расстояния $chi^2$ и центра тяжести ……Page 287
14.2.2. Предлагаемый алгоритм ……Page 289
14.2.3. Сходимость последовательности $(P^{(n)}, Q^{(n)})$ ……Page 290
14.3.1. Международное сравнение бюджетов времени ……Page 291
Литература ……Page 295
15.2.1. Введение ……Page 296
15.2.2. Описание метода ……Page 297
15.2.3. Заключение ……Page 299
15.3.2. Описание метода и алгоритма ……Page 300
15.3.3. Применение классификации с ограничениями на разбиения ……Page 301
15.4.1. Введение ……Page 304
15.4.2. Изучение влияния весового множителя $alpha$ ……Page 305
15.4.4. Метод и алгоритм ……Page 306
Литература ……Page 307
16.2.1. Постановка задачи ……Page 309
16.2.2. Формализация задачи ……Page 310
16.2.3. Алгоритм ……Page 311
16.2.4. Примеры применения МДС с использованием адаптивных ультраметрик ……Page 312
16.3.1. Постановка задачи ……Page 316
16.3.2. Формализация задачи ……Page 317
16.3.3. Алгоритм ……Page 318
Литература ……Page 319
17.2. Реструктуризация программ ……Page 320
17.4. Применение алгоритмов автоматической классификации ……Page 321
17.5. Результаты ……Page 322
Литература ……Page 323
18.1. Введение ……Page 324
18.2.1. Основы метода ……Page 325
18.2.2. Оптимизируемые критерии ……Page 326
18.3.1. Введение ……Page 327
18.3.2. Графики нагрузки для потребителей электроэнергии низкого напряжения, для которых электроэнергия не является основным источником отопления ……Page 328
18.3.3. Графики нагрузки для потребителей электроэнергии среднего напряжения ……Page 342
18.5. Приложение 1 ……Page 348
18.6. Приложение 2 ……Page 349
Литература ……Page 350
Оглавление ……Page 351
Выходные данные ……Page 359

Reviews

There are no reviews yet.

Be the first to review “Методы анализа данных: Подход, основанный на методе динамических сгущений”
Shopping Cart
Scroll to Top