Asymmetric Distances: Potential Output Structures and Procedures

• Autorzy: Jan W. Owsiński

Warianty tytułu

Odległości niesymetryczne: Struktury wynikowe i propozycje procedur

• Języki publikacji: EN

Abstrakty

EN

The paper presents the issue of treating the case of essentially asymmetric distances in the cases, when the expected / desired output structure implies (usually) symmetricity. Some examples of input structures are given, along with those of the potential output structures, the latter primarily corresponding to grouping / clustering. A straightforward procedure is proposed and some of its properties are assessed. Since the problem appears to be little treated in the literature of the subject, the paper ought to be considered as a very preliminary consideration, which ought to be pursued from both theoretical and technical points of view, given the potential fields of application, and the unresolved basic problems.(original abstract)

Artykuł przedstawia zagadnienie analizy systemów opisanych zasadniczo niesymetrycznymi odległościami w sytuacjach, gdy oczekiwane wyniki zazwyczaj implikują symetrię. Pokazano przykładowe takie sytuacje z punktu widzenia danych wejściowych oraz pożądanych struktur wyników. Te ostatnie są przede wszystkim związane z grupowaniem obiektów i analizą skupień. Zaproponowano pewną konkretną procedurę, i odniesiono się do jej zasadniczych własności. Ponieważ rozpatrywane zagadnienie jest niezmiernie rzadko podejmowane w literaturze przedmiotu, artykuł należy uważać za wprowadzający pewne podstawowe kwestie z rozważanego obszaru i proponujący kierunki prac w tym zakresie, zarówno jeśli idzie o metodykę, jak i kwestie techniczne.(abstrakt oryginalny)

Słowa kluczowe

EN

Cluster analysis

PL

Analiza skupień

• Czasopismo: Studia i Materiały Polskiego Stowarzyszenia Zarządzania Wiedzą
• Rocznik: 2010
• Tom: 31
• Strony: 317--325

Twórcy

autor

Jan W. Owsiński

• Instytut Badań Systemowych PAN, Warszawa

Bibliografia

• [1]Bezdek J. C.: Pattern Recognition with Fuzzy Objective Function Algorithms. Plenum Press, New York 1981.
• [2]Carrington P.J., Scott J. and Wasserman S., eds.: Models and Methods in Social Network Analysis. Cambridge University Press, New York 2005.
• [3]Drezner Z. and Wesolowsky G. O.: The asymmetric distance location problem. Transp. Sci., 23, 1989, pp. 201-207.
• [4]Dubois D. and Prade H.: Possibility Theory. Plenum Press, New York 1985.
• [5]Dubois D. and Prade H.: The three semantics of fuzzy sets. Fuzzy Sets and Systems, 90, 1990, pp. 141-150.
• [6]MacCuish N. and MacCuish J.: Tversky Shape Clustering for Screening Data. OpenEye Scientific Software User Group Meeting CUPIV, Santa Fe, New Mexico, February 2003.
• [7]MacCuish J. and MacCuish N.: Mesa Suite Version 1.1. Fingerprint Module, 2003.
• [8]Mażbic-Kulma B., Owsiński J. W. and Sęp K.: Application of selected methods of graph theory and combinatorial heuristics to minimize the number of transit nodes in an air network. Total Logistics Management, 1, 2008.
• [9]Mażbic-Kulma B., Potrzebowski H., Stańczak J. and Sęp K.: Evolutionary Approach to Solve Hub-and-Spoke Problem Using Alpha-cliques. Prace Naukowe PW, issue 165: Evolutionary Computation and Global Optimization, 2008, pp. 121-130.
• [10]Owsiński J. W.: On a new naturally indexed quick clustering method with a global objective function. Applied Stochastic Models and Data Analysis, 6, 1990, pp. 157-171.
• [11]Owsiński J.W.: Asymmetric distances - a natural case for fuzzy clustering? In: D.A. Viattchenin, ed., Developments in Fuzzy Clustering. Vever, Minsk (Belarus') 2009, pp. 36- 45.
• [12] Plastria F.: On destination optimality in asymmetric distance Fermat-Weber problems. Annals of Operations Research, 40, 1992, pp. 355-369.
• [13]Saito T. and Yadohisa H.: Data Analysis of Asymmetric Structures - Recent Development of Computational Statistics. Marcel Dekker, New York 2005.
• [14]Takeuchi A. and Yadohisa H.: Evaluation of asymmetric k-medoids algorithms. IFCS@GFKL. Classification as a Tool for Research. 11th Conference of the International Federation of Classification Societies. March 13-18, 2009, University of Technology, Dresden, Germany. IFCS, 2009, p. 269.
• [15]Viattchenin D. A.: A new heuristic algorithm of fuzzy clustering. Control & Cybernetics, vol. 33, 2, 2004, pp. 323-340.
• [16]Zadeh L. A.: From computing with numbers to computing with words - from manipulation of measurements to manipulation of perceptions. Int. J. Appl. Math. Comput. Sci. vol. 12, 3, pp. 307-324.
• [17]Zadeh L. A.: The concept of a linguistic variable and its application to approximate reasoning. Information Sciences, vol. 8, 3, 1975, pp. 199-249.