Cтраница 2
Таким образом, кластерный анализ разрешает разделить всю исследовательскую выборку на классы по такому принципу: акционерные общества, которые объединены в один класс, владеют приблизительно одинаковым финансовым потенциалом, тогда как между отдельными классами наблюдается существенная разница в показателях. [16]
Ученые давно применяют кластерный анализ. [17]
Как правило, кластерный анализ используется для создания классификаций, но в большинстве случаев прикладного аиализа данных в основе исследования лежит комбинация этих задач. Чтобы лучше их понять, рассмотрим следующий пример применения кластерного анализа. [18]
Таким образом, кластерный анализ разрешает разделить всю исследовательскую выборку на классы по такому принципу: акционерные общества, которые объединены в один класс, владеют приблизительно одинаковым финансовым потенциалом, тогда как между отдельными классами наблюдается существенная разница в показателях. [19]
В разделе 6.3 обсуждается кластерный анализ. Последовательные непараметрические методы здесь не описываются. [20]
В модуле Claster Analysis ( Кластерный анализ) реализованы методы кластерного анализа. [21]
Более обоснованным методом многомерной классификации является кластерный анализ. [22]
Пакет предназначен для автоматической классификации ( кластерный анализ) и для начальной статистической обработки экспериментальных данных. В связи с универсальностью входящих в него алгоритмов ППП может быть применен при решении широкого круга прикладных задач. Пакет представляет собой набор программ, написанных на АЛГОЛе. Реализован пакет на ЭВМ БЭСМ-6. Все программы оформлены в виде процедур и могут работать либо автоматически, как единая система, либо как самостоятельные модули. Связи между модулями при автоматической работе ППП организуются специальной управляющей программой, которая анализирует запрос на обработку, составляемый пользователем, и на его основе генерирует последовательность операторов, вызывающих тот или иной модуль. [23]
Все описанные выше методы ( включая кластерный анализ) можно отнести к методам психологического шкалирования. Их основу составляют алгоритмы преобразования сложных структур данных в более понятную форму, которая предполагается психологически содержательной. [24]
Чтобы гарантировать сохранение общих характеристик доходности, кластерный анализ повторяется каждые шесть месяцев и состав групп периодически обновляется. [25]
Настоящая работа была задумана как введение в кластерный анализ для тех, кто не имеет соответствующей подготовки и нуждается в современном и систематическом путеводителе по лабиринту понятий, методов и алгоритмов, связанных с идеей кластеризации. Вначале обсуждаются меры сходства - обязательная отправная точка любого анализа процесса кластеризации. Авторы отмечают расхождения в теоретических значениях этого понятия и рассматривают ряд эмпирических мер, чаще всего применяемых для измерения сходства. [26]
Поскольку вычислительные машины почти всегда позволяют провести кластерный анализ больших множеств данмых, авторы рассматривают ряд стандартных и специализированных программ. Кроме того, после каждого раздела помещены библиографические замечания. В приложении приводятся первичные данные, использованные в примерах, так что читатель может проверить, правильно ли он разобрался в описанных процедурах. [27]
Самым распространенным и простым методом анализа репертуарной решетки является кластерный анализ. Иерархическая кластеризация осуществляется на основе выбора элементов матриц, имеющих наибольшее число связей. Кроме того, конструкты могут быть представлены как точки многомерного пространства, плоскости которого определяются числом связанных с конструктами элементов. Факторный анализ пространства конструктов позволяет судить об их значимости, а корреляционный анализ - выявлять значимые связи между ними. [28]
Самым распространенным и простым методом анализа репертуарной решетки является кластерный анализ. Иерархическая кластеризация осуществляется на основе выбора элементов матриц, имеющих наибольшее число связей. Кроме того, конструкты могут быть представлены как точки многомерного пространства, плоскости которого определяются числом связанных с конструктами элементов. Факторный анализ пространства конструктов позволяет судить об их значимости, а корреляционный анализ - выявлять значимые связи между ними. [29]
В последнее время в теории распознавания введено понятие кластер и кластерный анализ. Под термином кластер понимается множество точек в пространстве признаков, не пересекающееся с другим множеством, поэтому в нашем случае этот термин является синонимом класс. Однако между кластерным анализом и классификацией имеется некоторая разница. [30]