Cluster Analysis Methods in Symbolic Data Analysis

• Autorzy: Justyna Wilk
• Języki publikacji: EN

Abstrakty

EN

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)

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.

Słowa kluczowe

EN

Taxonomy; Application of taxonomy; Data analysis

PL

Taksonomia; Zastosowanie taksonomii; Analiza danych

• Czasopismo: Studia i Prace Uniwersytetu Ekonomicznego w Krakowie
• Rocznik: 2010
• Numer: nr 11
• Strony: 39--54

Twórcy

autor

Justyna Wilk

• Wrocław University of Economics, Poland

Bibliografia

• Anderberg, M. R. (1973) Cluster Analysis for Applications. New York: Academic Press Inc.
• 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.
• 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).
• Billard, L. and Diday, E. (2006) Symbolic Data Analysis. Conceptual Statistics and Data Mining. Chichester: Wiley.
• 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.
• 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.
• Brito, P. (2002) "Hierarchical and Pyramidal Clustering for Symbolic Data". Journal of Japan Computational and Statistical Society 15.
• 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.
• 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.
• 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.
• Diday, E. (1971) "La mèthode des nuées dynamiques". Revue de Statistique Appliquée 19.
• Diday E. (2002) "An Introduction to Symbolic Data Analysis and the SODAS Software". The Electronic Journal of Symbolic Data Analysis 0(0).
• Diday, E. and Brito, P. (1989) "Symbolic Cluster Analysis" in O. Opitz (ed.) Conceptual and Numerical Analysis of Data. Berlin-Heidelberg: Springer-Verlag.
• 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.
• Diday, E., Noirhomme-Fraiture, M. (eds) (2008) Symbolic Data Analysis and the SODAS Software. Chichester: John Wiley & Sons.
• 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.
• 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.
• Everitt, B.S., Landau, S. and Leese, M. (2001) Cluster Analysis. 4th edition. London: Arnold.
• 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.
• Gatnar, E. (1998) Symboliczne metody klasyfikacji danych [Symbolic data classification Methods]. Warszawa: PWN.
• Gordon, A. D. (1999) Classification. London-New York-Washington: Chapman & Hall.
• Hair, J. F. et al. (2006) Multivariate Data Analysis. New Jersey: Pearson Prentice Hall.
• 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.
• 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.
• 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.
• 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).
• 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.
• 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.
• Marcelo, C. (2004) Application of Symbolic Data Analysis to Official Statistical Data. Workshop on applications of symbolic data analysis. Lisbon.
• 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.
• 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.
• 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.
• 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.
• 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.
• Pełka, M. (2007) Analiza danych symbolicznych i jej wykorzystanie w badaniach marketingowych [Symbolic data analysis and its application in marketing research]. Doctoral thesis.
• 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.
• Walesiak, M. (1996) Metody analizy danych marketingowych [Marketing data analysis methods]. Warszawa: PWN.
• 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.
• 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.
• 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.
• 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.
• 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.