Miary podobieństwa obiektów symbolicznych : idea Gowdy i Didaya

• Autorzy: Marcin Pełka

Warianty tytułu

Symbolic Objects Dissimilarity Measures : Gowda and Diday Idea

• Języki publikacji: PL

Abstrakty

Pomiar odległości odgrywa ważną rolę w wielu metodach, których celem jest np. klasyfikacja. W niniejszym artykule przedstawione zostaną pojęcia obiektu symbolicznego oraz idea pomiaru odległości zaprezentowana przez K.C. Gowdę i E. Didaya. Miara ta została opisana w pracy Analysis of Symbolic Data. Explanatory Methods for Extracting Statistical Information from Complex Data obok miary Ichino-Yaguchiego oraz miary de Carvalho, którą zaprezentował A. Dudek w zeszycie Ekonometria nr 14. Przedstawimy także problemy mogące wystąpić przy pomiarze odległości symbolicznej tą metodą. (fragment tekstu)

EN

This article presents symbolic dissimilarity measure proposed by Gowda and Diday. The aim of the article is to present all the parts of this idea and to characterize them. Article presents also suggestions of polish translations for words used by Gowda and Diday. At the end of the article some weaknesses of this idea were presented the possible usage of this idea was presented too. (original abstract)

Słowa kluczowe

PL

Miara podobieństwa

EN

Similarity measure

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Ekonometria
• Rocznik: 2005
• Tom: 15
• Numer: nr 1096 Zastosowania metod ilościowych
• Strony: 69--75

Twórcy

autor

Marcin Pełka

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Bock H.-H., Diday E. (2000), Analysis of Symbolic Data. Explanatory Methods for Extracting Statistical Information from Complex Data, Springer Verlag.
• Dudek A. (2004a), Miary podobieństwa obiektów symbolicznych. Odległość Ichino-Yaguchiego, "Prace Naukowe AE we Wrocławiu", nr 1021, Ekonometria 14, AE, Wrocław.
• Dudek A. (2004b), Tworzenie obiektów symbolicznych z baz danych, Prace Naukowe AE we Wrocławiu", nr 1021, Ekonometria 14, AE, Wrocław.
• Gatnar E. (1998), Symboliczne metody klasyfikacji danych, Wydawnictwo Naukowe PWN, Warszawa.
• Gowda K.C., Diday E. (1991), Symbolic Clustering Using a New Dissimilarity Measure, [w:] R. Led- ley (red.) "Pattern Recognition" nr 24, Elsvier, Amsterdam, s. 567-578.
• Hair E., Anderson E., Tatham L., Black C. (1998), Multivariate Data Analysis, New Jersey, Prentice Hall.
• Wójcik T. (1965), Zarys teorii klasyfikacji, Wydawnictwo Naukowe PWN, Warszawa.