Wybrane metody klasyfikacji dla dużych baz danych w analizie demograficznego starzenia się ludności w krajach UE i EFTA

• Autorzy: Artur Mikulec

Warianty tytułu

Choosen Clustering Methods for Large Data Sets in Analysis of Population's Ageing in the EU and EFTA Countries

• Języki publikacji: PL

Abstrakty

Celem referatu jest prezentacja algorytmów wybranych metod podziałowych analizy skupień, tj. PAM (Partitioning Around Medoids), CLARA (Clustering LARge Applications) i CLARANS (Clustering Large Applications based on RANndomised Search), wykorzystujących do opisu poszczególnych skupień obiekt położony najbliżej środka ciężkości (k-medoids), a nie sam środek ciężkości. Wymienione algorytmy przeznaczone są do analizy "dużych baz danych", jednak od momentu ich powstania zmianie uległa definicja tego typu bazy danych. Rozwój techniki spowodował zwiększenie możliwości obliczeniowych komputerów, powodując podniesienie granicy skutecznego i efektywnego wykorzystania tych algorytmów jako narzędzia analizy z jednoczesnym zwiększeniem wielkości gromadzonych i profesjonalnie przetwarzanych baz danych. (fragment tekstu)

EN

In the study, chosen partitioning clustering methods have been discussed - the PAM algorithm (Partitioning Around Medoids) - Kaufman, Rousseeuw and also clustering methods for large data sets, the CLARA algorithm (Clustering LARge Applications) Kaufman, Rousseeuw and the CLARANS algorithm (Clustering Large Applications based on RANndomised Search) - Ng, Han. The PAM and CLARA algorithms were applied to the analysis of population's ageing of society in the EU and EFTA countries. In the calculations, statistics data of population by age at NUTS-2 level for the EU and EFTA countries were applied. Obtained results were compared with results of clustering based on the k-means algorithm (Hartigan-Wong). (original abstract)

Słowa kluczowe

PL

Metody klasyfikacyjne; Analiza demograficzna; Proces starzenia się ludności; Bazy danych

EN

Classification methods; Demographic analysis; Process of people ageing; Databases

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2009
• Tom: 16
• Numer: nr 47 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 349--357

Twórcy

autor

Artur Mikulec

• Uniwersytet Łódzki

Bibliografia

• Długosz Z. (1998), Próba określenia zmian starości demograficznej Polski w ujęciu przestrzennym, "Wiadomości Statystyczne", 3, s.15-27.
• Frątczak E. (1984), Proces starzenia się ludności Polski a proces urbanizacji, Monografie i Opracowania nr 157, SGH ISID, Warszawa.
• Han J., Kamber M. (2000), Data mining: concept and techniques, Morgan Kaufmann Publishers.
• Kaufmann L., Rousseeuw P.J. (1990, 2005), Finding groups in data. An introduction to cluster analysis, Wiley-Interscience, New York.
• Kolenda M. (2006), Taksonomia numeryczna. Klasyfikacja, porządkowanie i analiza obiektów wielocechowych, AE, Wrocław.
• Mikulec A. (2007), Analiza starzenia się ludności w polskich podregionach, "Wiadomości Statystyczne", 1, s. 62-75.
• Ng R., Han J. (1994), Efficient and effective clustering methods for spatial data mining, Proceedings of the 20th VLDB Conference, Chile.
• Rosset E. (1959), Proces starzenia się ludności, PWG, Warszawa.