Wyniki wyszukiwania - BazEkon

1

Analityczne metody ustalania liczby skupień

100%

Migdał-Najman K., Najman K.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2005

|

12

|

nr 1076 Klasyfikacja i analiza danych - teoria i zastosowania

265-273

W literaturze proponuje się kilkadziesiąt wskaźników jakości grupowani wskazujących w sposób ilościowy na optymalny podział obiektów z pewnego punk tu widzenia. W prezentowanym badaniu opisano dwa wskaźniki: indeks Dunna i indeks Davisa-Bouldina, możliwe do zastosowania przy grupowaniu obiektów zastosowaniem klasycznych metod typu k-średnich i FCM (ang. fuzzy c-means). Podsumowując przeprowadzone badanie, można stwierdzić, że indeks Davisa-Bouldina jest silnym narzędziem wspomagającym podejmowanie decyzji o liczbie grup, na którą należy pogrupować zbiór danych. Przy zastosowaniu właściwej metody pogrupowania obiektów wskazania uzyskane dzięki temu indeksowi są prawie zawsze prawidłowe. Indeks Dunna, ze względu na znaczną liczbę kombinacji odległości wewnętrznych i zewnętrznych między obiektami oraz ze względu na jego wrażliwość na dobór metod pomiaru tych odległości, musi być jeszcze szczegółowo przebadany. (fragment tekstu)

2

Przykład algorytmu grupowania zleceń na komisjonowanie

100%

Kacprzak M.

Logistyka

|

2017

|

nr 2

34-37

Artykuł zawiera opis problemu grupowania zleceń na komisjonowanie. Przedstawiony zostaje przykładowy algorytm (algorytm grupowania zleceń podobnych). Dokonana zostaje analiza efektywności przykładowego algorytmu dla różnych parametrów obliczeniowych (układ przestrzenny strefy komisjonowania, długość listy kompletacyjnej, parametry samego algorytmu). (abstrakt oryginalny)

3

O metodzie Warda grupowania zbiorów

100%

Wywiał J.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu

|

1994

|

nr 667 Ekonomia matematyczna

119-122

Stosowane w praktyce metody wyłaniania grup w populacji skończonej zwykle nie zawsze prowadzą do utworzenia grup spójnych. W 1985 r. Zdzisław Hellwig zasygnalizował potrzebę konstrukcji takich metod grupowania tworzących grupy spójne. W niniejszej pracy spójność zbioru elementów jest ściśle wiązana z pojęciem sąsiedztwa elementów. Wprowadzona jest definicja dyskretnego zbioru elementów sąsiadujących. Następnie przystosowano znaną metodę Warda do tworzenia grup elementów sąsiadujących ze sobą. (fragment tekstu)

4

Zastosowanie jednowymiarowej sieci SOM do wyboru cech zmiennych w grupowaniu dynamicznym

100%

Migdał-Najman K.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2013

|

21

|

nr 279 Klasyfikacja i analiza danych - teoria i zastosowania

48-57

W artykule zaproponowano oryginalną procedurę wyboru cech w grupowaniu dynamicznym. Jako algorytm grupowania dynamicznego wykorzystano samouczącą się sieć neuronową typu GNG. Aby przyspieszyć i polepszyć wyniki grupowania, redukowano liczbę zmiennych, korzystając z sieci SOM. W eksperymencie symulacyjnym wykazano skuteczność takiego rozwiązania. W efekcie uzyskano znaczące przyspieszenie procesu grupowania dynamicznego bez utraty jakości grupowania.(abstrakt oryginalny)

5

Grupowanie ekonomicznych szeregów czasowych

75%

Rozkrut D.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2006

|

13

|

nr 1126 Klasyfikacja i analiza danych - teoria i zastosowania

206-213

Omówiono zagadnienie grupowania ekonomicznych szeregów czasowych.

6

Hierarchical Clustering Methods with Territorial Integrity Criterion

75%

Sobolewski M., Markowska M.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2017

|

vol. 4, t. 330

99-109

Na konferencji "Ekonometria przestrzenna i regionalne analizy ekonomiczne", która odbyła się w Łodzi w 2014 roku, zaproponowano wprowadzenie warunku spójności przestrzennej do metody Warda, stosowanej do grupowania jednostek administracyjnych. Na każdym etapie aglomeracji w zmodyfikowanej metodzie Warda uwzględniane są tylko te skupienia, które ze sobą sąsiadują. Niniejszy artykuł stanowi rozszerzenie tej koncepcji na inne metody grupowania hierarchicznego, w szczególności metodę prostych i zupełnych połączeń. Zwrócono uwagę na korzyści płynące z zastosowania metody grupowania z warunkiem spójności, akcentując jednak także pewne ograniczenia tych procedur. Wprowadzenie warunku ograniczającego podczas procedury grupowania hierarchicznego powoduje przede wszystkim zmniejszenie jednorodności wyodrębnianych skupień. Ograniczenia przestrzenne mogą też prowadzić do sytuacji, kiedy odległość między skupieniami łączonymi na późniejszym etapie jest mniejsza niż na etapie wcześniejszym (można tu mówić o graficznym "cofaniu się" dendrogramu). Od tej aberracji wolna jest metoda zupełnych połączeń, gdzie odległość między skupieniami jest wyznaczana jako maksimum odległości między ich elementami. Zmodyfikowany algorytm grupowania zaimplementowano jako rozszerzenie programu STATISTICA. Przykłady zastosowania metod grupowania hierarchicznego z warunkiem spójności dotyczą europejskiej przestrzeni regionalnej (w układzie NUTS-2) w latach poprzedzających i następujących po kryzysie finansowym 2008 roku. Celem analiz było wyodrębnienie spójnych przestrzennie obszarów, które charakteryzowałyby się podobną wrażliwością na zjawiska kryzysowe w obszarze rynku pracy. (abstrakt oryginalny)

7

Taksonomiczna analiza województw Polski pod kątem wyposażenia gospodarstw domowych : metodologia

75%

Basiura B.

Zeszyt Naukowy / Wyższa Szkoła Zarządzania i Bankowości w Krakowie

|

2010

|

nr 15-16

27-42

Celem niniejszego opracowania jest zaprezentowanie zastosowania procedury statystycznej do pogrupowania województw Polski. Na potrzeby tego badania wybrane zostały dane dotyczące wyposażenia gospodarstw domowych w dobra trwałego użytku w przekroju lat 2006-2008 z odpowiednich "Roczników Statystycznych Województw". Postawiono hipotezę, że zbiór województw Polski charakteryzowany wybranymi wskaźnikami jest jednorodny i nie powinien być dzielony na grupy. Jednakże zastosowanie empirycznego testu jednorodności pozwoliło na odrzucenie tej hipotezy. Otrzymane podziały zawsze dawały w wyniku dwie podgrupy zbioru województw Polski, ale o różnym składzie w poszczególnych latach. Prezentowane opracowanie ma na celu ukazanie, jak zmieniało się wyposażenie gospodarstw domowych przeciętnego Polaka w ciągu wspomnianych trzech lat. (abstrakt oryginalny)

8

Efficient Stock Portfolio Construction by Means of Clustering

75%

Korzeniewski J.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2018

|

vol. 1, t. 333

85-92

Stosując metody statystyczne do optymalizacji swoich decyzji inwestycyjnych, inwestorzy stają przed bardzo istotnym problemem skonstruowania dobrze zdywersyfikowanego portfela inwestycyjnego składającego się z niewielkiej liczby pozycji. Wśród wielu metod stosowanych do konstrukcji takiego portfela są metody wykorzystujące grupowanie wszystkich spółek w homogeniczne grupy spółek, po którym to etapie następuje wybieranie reprezentanta każdej grupy w celu utworzenia ostatecznej postaci portfela. Etap grupowania nie musi pokrywać się z przynależnością sektorową spółek. Grupowanie może być wykonywane za pomocą metod analizy skupień i w tym procesie bardzo istotne jest ustalanie właściwej liczby skupień. Celem niniejszego artykułu jest zaproponowanie nowej techniki konstrukcji portfela inwestycyjnego, odnoszącej się zarówno do ustalenia liczby pozycji w portfelu, jak również do wyboru reprezentantów skupień. Stosowane metody grupowania spółek to klasyczna metoda k-średnich oraz algorytm PAM (Partitioning Around Medoids). Technika jest testowana na danych 85 największych spółek giełdowych z parkietu warszawskiego z lat 2011-2016. Wyniki są bardzo obiecujące w sensie możliwości opracowania algorytmu opartego na analizie skupień, który prawie nie wymagałby interwencji inwestora.(abstrakt oryginalny)

9

Pax-DBSCAN: a Proposed Algorithm for Improved Clustering

75%

Samson G. L., Lu J.

Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach. Informatyka i Ekonometria

|

2016

|

6

|

nr 296

86-121

W artykule autorzy skupiają swoją uwagę na zastosowaniu techniki przetwarzania równoległego przy wykorzystaniu struktur drzewiastych X-tree i algorytmu bulk loading. Zaproponowano nowy algorytm przetwarzania równoległego DBSCAN i drugi algorytm dla rozszerzania struktur indeksowania przestrzennego. Algorytm grupowania DBSCAN jest efektywnym algorytmem grupowania dla Systemów Przestrzennych Baz Danych, który ma możliwość wykrywania zakłóceń i nie wymaga znacznej liczby skupień wcześniej ustalonych, jednakże działanie algorytmu zmienia się, gdy rozmiar danych jest duży. Ten algorytm może nie działać optymalnie, jeśli niewłaściwe wartości są wybrane dla minpts i eps. Dlatego nowy zaproponowany algorytm powinien eliminować te ograniczenia.(abstrakt oryginalny)

10

Badanie efektywności wybranych metod grupowania danych na zbiorach danych ze świata realnego

75%

Korzeniewski J.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia

|

2009

|

16

|

nr 47 Klasyfikacja i analiza danych - teoria i zastosowania

358-366

W publikacji [Guha, Rastogi, Shim 1998] autorzy algorytmu CURE zaproponowali algorytm przewyższający wszystkie dotychczas znane algorytmy grupowania danych pod względem szybkości pracy, wrażliwości na stopień rozmycia skupień i zdolności wykrywania skupień o kształcie niekoniecznie normalnym. Algorytm został porównany z takimi metodami, jak CLARA, CLARANS i BIRCH. Porównanie zostało przeprowadzone na kilku sztucznie wygenerowanych zbiorach danych z dwuwymiarowej przestrzeni euklidesowej. Podobnie [Karypis i in. 1999] zaproponowali algorytm CHAMELEON, który okazał się doskonały na sztucznych zbiorach danych z przestrzeni dwuwymiarowej. Wydaje się, że warto byłoby zbadać efektywność wymienionych nowych metod, tj. CURE i CHAMELEON, na zbiorach danych ze świata realnego. Niniejsza praca ma być próbą takiego badania. (fragment tekstu)

11

Problemy doboru zmiennych w zagadnieniach grupowania obiektów metoda FeatureSelector heurystycznego doboru cech

75%

Lasek M.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2005

|

12

|

nr 1076 Klasyfikacja i analiza danych - teoria i zastosowania

87-95

Celem artykułu jest przedstawienie podstawowych przyczyn, skłaniających nas do ograniczania liczby zmiennych w przypadku grupowania obiektów oraz zaproponowanie stosowania heurystycznej metody wyboru zmiennych spośród większego ich zbioru, dających jak najlepsze pogrupowanie obiektów. Twórcami metody, algorytmu komputerowego i programu realizującego metodę jest zespół pracowników firmy МIТ - Management Intelligenter Technologien GmbH z Aachen. W metodzie tej rozpoczyna się od niewielkiej liczby cech (np. dwóch lub nawet jednej), do których dokładane są cechy do momentu uzyskania takiej jakości grupowania, że dołożenie jakiejkolwiek nowej cechy z założonego zbioru nie daje poprawy tej jakości. W artykule zostanie przedstawiony algorytm metody, a także jej zalety i wady w porównaniu z innymi metodami doboru zmiennych w zagadnieniach grupowania obiektów. Rozważania będą zilustrowane przykładem doboru cech, które były stosowane na potrzeby tworzenia grup (skupień) przedsiębiorstw podobnych pod względem kondycji ekonomicznej. (fragment tekstu)

12

Przydatność grupowania organizacji gospodarczych według wielkości zatrudnienia

75%

Niemczyk J., Majewski M.

Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu

|

2009

|

nr 49 Zmiana warunkiem sukcesu : rozwój i zmiany w małych i średnich przedsiębiorstwach

52-63

Celem artykułu było wskazanie ograniczeń klasyfikacji przedsiębiorstw ze względu na liczbę zatrudnionych i w oparciu o analizę tych ograniczeń sformułowanie nowych propozycji grupowania. W artykule przedstawiono tylko kilka kierunków grupowań analizując: przeciętną wielkość zatrudnienia w poszczególnych grupach przedsiębiorstw; przeciętną wysokość przychodów i kosztów przypadającą na jednego zatrudnionego w tych grupach; wysokość przychodów z całokształtu działalności w poszczególnych grupach w relacji do przeciętnej dla całej badanej populacji; wysokość poszczególnych wskaźników rentowności w poszczególnych sektorach działalności. (fragment tekstu)

13

Influence of Cluster Coherence on Efficiency of Logistic Process

75%

Staszewska J.

Logistyka i Transport

|

2010

|

10

73-77

The clustering process is an innovation on the Polish market. The process concerns various market sectors. The logistic clusters and logistics of clusters result in minimization of expenses and prompt return of expenditure. The cluster is a form of network and its efficacy is very important for logistics. The logistic network presents a new opportunity for cluster and cluster offers new possibility for logistic network as well. The efficacy is necessary for various levels of logistic process.(original abstract)

14

Podział miast wojewódzkich na jednorodne grupy pod względem ich lokalnych rynków nieruchomości przy wykorzystaniu analizy skupień

75%

Mikołajczyk Ł.

Przegląd Nauk Stosowanych

|

2017

|

nr 14 Wybrane problemy rynku nieruchomości

106-118

W niniejszym artykule autor przedstawia proces badawczy, którego celem jest uzyskanie jednorodnych grup miast województw pod względem ich lokalnych rynków nieruchomości. Podział został dokonany w oparciu o dane dostępne w Głównym Urzędzie Statystycznym oraz rocznym raporcie Narodowego Banku Polskiego związane bezpośrednio i pośrednio z rynkiem nieruchomości. Cały proces został podzielony na dwa etapy, w pierwszym z nich autor chce pozyskać informację ile grup województw powinno być utworzonych, a w drugim dokonać ich podziału. Do realizacji poszczególnych etapów wykorzystano metodę wielowymiarowej analizy danych - analizę skupień, zarówno w zakresie metod aglomeracji jak i metody k-średnich. Po dokonaniu podziału, kolejnym krokiem była statystyczna prezentacja wyodrębnionych grup ze wskazaniem różnic.(abstrakt oryginalny)

15

Optymalizacja liczby skupień na podstawie wybranych wskaźników jakości grupowania

75%

Bryja A.

Zeszyty Naukowe / Uniwersytet Ekonomiczny w Krakowie

|

2012

|

nr 892

53-67

Wybór liczby grup, na jakie należy podzielić dane, jest jednym z największych problemów związanych z analizą skupień. Opublikowano wiele prac na temat metod mających ułatwiać wybór optymalnej liczby grup, których efektywność jest najczęściej oceniana na podstawie wyników analiz zbiorów o znanej strukturze klas. W pracy podjęto próbę oceny przydatności kilku tego typu metod polecanych w literaturze przedmiotu podczas dzielenia zbioru mającego ponad 35 tys. obiektów na podstawie 11 zmiennych. W trakcie eksploracyjnej analizy wykorzystano 5 indeksów jakości grupowania (indeks Calińskiego i Harabasza, indeks Huberta i Levine'a, indeks Dunna, indeks SI Rousseeuwa, indeks Daviesa i Bouldina) oraz sprawdzian krzyżowy, a miarą stabilności był skorygowany indeks Randa. Na podstawie wyników skomentowano użyteczność testowanych miar. (abstrakt autora)

16

Propozycja hybrydowej metody grupowania dużych zbiorów danych wykorzystującej sieć Kohonena i taksonomiczne metody grupowania

75%

Migdał-Najman K.

Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia

|

2007

|

14

|

nr 1169 Klasyfikacja i analiza danych - teoria i zastosowania

305-313

Celem prezentowanych badań jest prezentacja i opis własności dwustopniowej metody grupowania obiektów opartej na powyższej idei. Do wyodrębnienia "prototypów" skupień zostanie użyta sieć neuronowa typu SOM (self organizing map), która wykazuje wysoką zdolność uogólniania podobieństwa obiektów wielowymiarowych, a także redukowania wymiarowości badanego problemu. Dzięki takiej wstępnej analizie zredukowana zostanie liczba obiektów do znacznie mniejszej liczby "prototypowych" skupień. Redukcji także ulegnie przestrzeń cech, ponieważ sieć SOM będzie jedynie dwuwymiarowa. W ten sposób problem wielkości macierzy danych zostanie znacznie zredukowany. (fragment tekstu)

17

A Proposal of a New Method of Choosing Starting Points for K-means Grouping

75%

Korzeniowski J.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2008

|

216 Multivariate Statistical Analysis Statistical Inference, Statistical Models and Applications

285-290

Gdy grupujemy punkty zbioru metodą k-średnich to zasadniczym problemem jest właściwy wybór punktów startowych. Jeśli są one źle wybrane to grupowanie może być złe. W artykule zaproponowana jest nowa metoda wyboru punktów startowych. Metoda ta jest oparta wyłącznie na znajomości macierzy odległości. Punkty startowe są wybierane tak, by poprawić wybór, który otrzymamy przy pomocy metody klasycznej polegającej na wyborze punktów możliwie jak najbardziej od siebie oddalonych. Jakość grupowania jest oceniana przy pomocy indeksów sylwetkowych - porównywana jest z jakością grupowania otrzymanego przy losowym wyborze punktów startowych oraz przy wyborze metodą klasyczną. Zbiory z przestrzeni euklidesowych są generowane przy pomocy programu CLUSTGEN autorstwa J. Milligana. (abstrakt oryginalny)

18

Charakterystyka mierników oceny podobieństwa wyników podziałów

75%

Najman K.

Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego

|

2007

|

nr 3

191-201

Zaprezentowano wybrane, najczęściej opisywane w literaturze przedmiotu mierniki służące do oceny podobieństwa wyników podziału, takie jak: miara Rand`a Jaccard`a, Fowkes`a i Mallows`a, statystyka Huberta oraz znormalizowana statystyka Г. Rozważania teoretyczne zilustrowane zostały przykładami numerycznymi.

19

Comparison of the Accuracy of the Probabilistic Distance Clustering Method and Cluster Ensembles

75%

Rozmus D.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2016

|

vol. 3, t. 322 Statistics and Econometrics Multivariate Analysis of Insurance and Finance Market

63-70

Stosowanie metod taksonomicznych w jakimkolwiek zagadnieniu grupowania wymaga jednocześnie zapewnienia wysokiej dokładności wyników podziału. Ona bowiem warunkuje skuteczność wszelkich decyzji podjętych na podstawie uzyskanych rezultatów. Dlatego też w literaturze wciąż proponowane są nowe rozwiązania, których zadaniem jest poprawa dokładności grupowania w stosunku do tradycyjnie stosowanych metod (np. k-średnich, hierarchicznych). Przykładami mogą tu być metody polegające na zastosowaniu podejścia zagregowanego (Leisch 1999; Dudoit, Fridlyand 2003; Hornik 2006; Fred, Jain 2002), czy niedawno zaproponowana metoda odległości probabilistycznej (Ben-Israel, Iyigun 2008). Głównym celem artykułu jest porównanie dokładności omawianej metody z dokładnością podejścia zagregowanego w taksonomii. (abstrakt oryginalny)

20

Poziom zrównoważonego rozwoju w Polsce i krajach UE - analiza z zastosowaniem miar stabilności grupowania

75%

Rozmus D.

Przegląd Statystyczny

|

2019

|

66

|

z. 1

84-93

W kontekście metod taksonomicznych w ostatnich latach dużo uwagi poświęca się zagadnieniu stabilności tych metod, czyli odpowiedzi na pytanie na ile struktura odkryta przez daną metodę rzeczywiście jest obecna w danych? W literaturze zaproponowano wiele różnych sposobów pomiaru stabilności, przy czym głównie są to miary odnoszące się do stabilności ostatecznego wyniku grupowania. Lord i inni (2017) natomiast zaproponowali miarę stabilności dla każdej obserwacji ze zbioru danych oraz miarę stabilności dla poszczególnych grup. W artykule Autorzy ci sugerują, że indywidualna miara stabilności może wskazywać obserwacje oddalone, natomiast miara stabilności odnosząca się do poszczególnych grup może wskazywać grupy obserwacji zaszumionych, które powinny zostać usunięte ze zbioru danych. Celem artykułu jest próba zastosowania zaproponowanej indywidualnej miary stabilności oraz miary stabilności dla poszczególnych grup do odpowiedzi na pytanie, jak dobrze Polska dopasowana jest do poziomu UE pod względem poziomu zrównoważonego rozwoju? (abstrakt oryginalny)