Classification via Spectral Clustering

• Autorzy: Andrzej Dudek

Warianty tytułu

Analiza skupień metodami klasyfikacji spektralnej

• Języki publikacji: EN

Abstrakty

EN

Spectral clustering is known since end of twentieth century and is developing quite fast. This method gives very good empirical results on artificial and real data, despite lack of strong theoretical basement in few places. Article presents main steps of spectral clustering algorithm and points situations where spectral clustering gives much better results (measured by adjusted Rand index) than other clustering techniques. Finally some recommendations of usage of spectral clustering are given. (original abstract)

Klasyfikacja spektralna to rozwijająca się od końca poprzedniego wieku metoda analizy skupień. Metoda ta, mimo niekiedy niezbyt rozbudowanej podbudowy teoretycznej, daje bardzo dobre wyniki empiryczne zarówno na zbiorach testowych jak i na rzeczywistych zbiorach danych. Artykuł przedstawia najważniejsze kroki algorytmu klasyfikacji spektralnej, wskazuje sytuacje, w których stosowanie algorytmu daje duże lepsze rezultaty (mierzone indeksem Randa) niż inne metody analizy skupień. W zakończenie przedstawione są rekomendacje dotyczące sytuacji, w których warto stosować tą technikę klasyfikacji. (abstrakt oryginalny)

Słowa kluczowe

EN

Cluster analysis; Spectral analysis; Algorithms; Classification; Statistical methods

PL

Analiza skupień; Analiza widmowa; Algorytmy; Klasyfikacja; Metody statystyczne

• Czasopismo: Acta Universitatis Lodziensis. Folia Oeconomica
• Rocznik: 2010
• Tom: 235 Multivariate Statistical Analysis
• Strony: 121--130

Twórcy

autor

Andrzej Dudek

• Wrocław University of Economics, Poland

Bibliografia

• Climescu-Haulica A. (2006) How to choose the number of clusters. The Cramer Multiplicity Solution, W: H.H.-J. Lenz, R. Decker (Eds.), Advances in Data Analysis, Berlin, pp. 15-23.
• Cristianini N., Kandola J. (2001), Spectral Methods for Clustering, Neural Information Processing Symposium, available at http://www.nips.cc/NIPS2001/papers/psgz/AA35.ps.gz
• Everitt B.S., Landau S., Leese M. (2001), Cluster analysis, Edward Arnold, London.
• Gatnar E., Walesiak M. (red.) (2004), Metody statystycznej analizy wielowymiarowej w badaniach marketingowych, Wydawnictwo AE, Wrocław.
• Gordon A.D. (1999), Classification, Chapman and Hall/CRC, London.
• Hartigan J.A. (1975), Clustering algorithms, Wiley, New York, London, Sydney, Toronto.
• Hubert L.J., Arabie P. (1985), Comparing partitions, Journal of Classification, no. 1, 193-218.
• Kaufman L., Rousseew P.J. (1990), Finding groups in data: an introduction to cluster analysis, Wiley, New York.
• von Luxburg U. (2006), A tutorial on spectral clustering, Max Planck Institute for Biological Cybernetics, Technical Report TR-149.
• Ng A., Jordan I., Weiss Y. (2001), On Spectral Clustering: Analysis and an Algorithm Neural Information Processing Symposium, available at http://www.nips.cc/NIPS2001/papers/psgz/AA35.ps.gz
• Walesiak M., Dudek A. (2008), ClusterSim, R package available at http://wgrit.ae.jgora.pl/keii/clusterSim

Identyfikatory

DOI

11089/344