Klasyfikacja obiektów reprezentowanych przez różnego rodzaju cechy symboliczne

• Autorzy: Małgorzata Machowska-Szewczyk

Warianty tytułu

Clustering Algorithms for Mixed-Feature Symbolic Objects

• Języki publikacji: PL

Abstrakty

Większość opracowanych metod klasyfikacji symbolicznej umożliwia grupowanie obiektów opisanych za pomocą cech symbolicznych tego samego typu. W praktycznych zastosowaniach wiele obiektów może być charakteryzowanych przez cechy symboliczne mieszane, czyli o wartościach różnego typu: w postaci zarówno numerycznej, przedziałów liczbowych, listy wartości, jak i list wartości z wagami. Celem pracy jest prezentacja metod klasyfikacji obiektów symbolicznych o cechach mieszanego typu zaproponowanych w pracy [de Carvalho, de Souza 2010] oraz przedstawienie propozycji uogólnienia tych algorytmów do klasyfikacji rozmytej. Główna idea polega na transformacji wartości symbolicznych różnego typu na wartości symboliczne w postaci histogramu.(abstrakt oryginalny)

EN

The majority of discussed classification methods allow clustering of symbolic objects described by variables of the same type. In real applications many objects can be characterized by symbolic mixed feature types: both numeric-valued, interval-valued, set of categories-valued and ordered list-value with weights. The aim of this work is to present clustering algorithms discussed in paper [de Carvalho, de Souza 2010] for objects, which can be described simultaneously by mixed type symbolic data and to propose generalization of these algorithms for fuzzy classification. The main idea is the transformation of mixed feature-type symbolic data into histogram-valued symbolic data.(original abstract)

Słowa kluczowe

PL

Analiza danych; Klasyfikacja; Klasyfikacja obiektów

EN

Data analysis; Classification; Classification of objects

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2013
• Tom: 20
• Numer: nr 278 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 290--299

Twórcy

autor

Małgorzata Machowska-Szewczyk

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• Bock H.H., Diday E., Analysis of Symbolic Data. Exploratory Methods for Extracting Statistical Information from Complex Data, Springer-Verlag, Berlin, Heidelberg, 2000.
• De Carvalho F.A.T., Histograms in symbolic data analysis, Annals of Operations Research 55, 1995, 229-322.
• De Carvalho F.A.T., de Souza R., Unsupervised pattern recognition models for mixed feature-type symbolic data, "Pattern Recognition Letters" 31, 2010, 430-443.
• Diday E., Simon J.C., Clustering Analysis, [in:] K.S. Fu (ed.), Digital Pattern Clasification, Springer, Berlin, 1976, 47-94.