PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2016 | nr 426 Taksonomia 26. Klasyfikacja i analiza danych - teoria i zastosowania | 206--213
Tytuł artykułu

Grupowanie danych funkcjonalnych w analizie poziomu wiedzy maturzystów

Treść / Zawartość
Warianty tytułu
Functional Data Clustering Methods in The Analysis of High School Graduates' Knowledge
Języki publikacji
PL
Abstrakty
W artykule przedstawiono różne podejścia do grupowania danych funkcjo-nalnych. Do głównych kategorii metod zaliczmy: metody, w których przeprowadza się redukcję wymiaru przed właściwym grupowaniem; nieparametryczne metody wykorzystu-jące odpowiednią odległość między krzywymi oraz metody bazujące na modelu bazowym. Zaprezentowano przykład grupowania danych funkcjonalnych, który obejmuje analizę poziomu wiedzy uczniów na IV etapie edukacji(abstrakt oryginalny)
EN
The article presents different approaches to clustering functional data. The main methods include: dimension reduction before clustering, nonparametric methods using specifying distances between curves and model-based clustering methods. Numerical illustrations includes an analysis of the level of knowledge of students in the fourth stage of education(original abstract)
Twórcy
  • Uniwersytet Ekonomiczny we Wrocławiu
Bibliografia
  • Daniele M., 2006, Functional principal components analysis to study environmental data, http://www.sis-statistica.it/files/pdf/atti/Spontanee%202006_677-680.pdf (7.05.2016).
  • Hall P., Hosseini-Nasab M., 2006, On properties of functional principal components analysis, Journal of the Royal Statistical Society, Series B (Statistical Methodology), vol. 68, no. 1, s. 109-126.
  • Hall P., Müller H.G., Wang J.L., 2006, Properties of principal component methods for functional and longitudinal data analysis, The Annals of Statistics, vol. 34, no. 3., s. 1493-1517.
  • Ingrassia S., Costanzo G.D., 2005, Functional principal component analysis of financial time series, [w:] M. Vichi, P. Monari, S. Mignani, A. Montanari (red.), New Developments in Classification and Data Analysis, Springer-Verlag, Berlin, s. 351-358.
  • Jacques J., Preda C., 2014, Functional data clustering: A survey, Advances in Data Analysis and Classification, Springer Verlag (Germany), 8 (3).
  • Ramsay J.O., Silverman B.W., 2005, Functional Data Analysis, Springer, New York.
  • Ramsay J.O., Hooker G., Graves S., 2009, Functional Data Analysis with R and MATLAB, Springer, New York.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171435734

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.