×

非对称邻近数据的分类。 (英语) Zbl 1360.62359号

摘要:当对非对称邻近数据进行聚类时,通常只考虑平均数量,假设非对称性是由噪声引起的。但是,当不对称是结构性的时,如交换流、迁移数据或混淆数据通常可能发生的那样,这可能会强烈影响对组的搜索,因为交换的方向被忽略,并且在聚类过程中没有整合。本文提出的聚类模型依赖于将不对称差异矩阵分解为对称效应和不对称效应,这两种效应都分解为簇内效应和簇间效应。这里使用的分类结构通常基于分别适合于数据对称部分和不对称部分的对象的两个不同分区;在限制的情况下,分区将两者结合在一起,允许对象簇在数据的平均数量和方向上相似。提出了节省的模型,可以对结果进行有效和简单的图形表示。

MSC公司:

62H30型 分类和区分;聚类分析(统计方面)
91C15号机组 社会和行为科学中的单维和多维尺度

软件:

XGvis公司
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 阿拉伯,第页。;SCHLEUTERMANN,S.公司。;DAWS,J。;哈伯特,L。;Gaul,W.(编辑);Schader,M.(编辑),非对称和/或双模矩阵的排序和划分的市场应用,215-224(1988),Hiedelberg·doi:10.1007/978-3-642-73489-2_18
[2] BORG,I.和GROENEN,P.(2005),《现代多维尺度》。《理论与应用》(第二版),柏林:施普林格出版社·Zbl 1085.62079号
[3] BOTH,M.和GAUL,W.(1986),“Ein Vergleich Zweimodaler Clusteranalysiserfahren”,运筹学的数学方法,57,593-605。
[4] BROSSIER,G.(1982),“非对称矩阵的分类”,《唐奈统计与分析》,第7期,第22-40页·Zbl 0529.62049号
[5] BUJA,A.和SWAYNE,D.F.(2002),“多维尺度的可视化方法”,《分类杂志》,19,7-44·Zbl 1137.91603号 ·doi:10.1007/s00357-001-0031-0
[6] CARROLL,J.D.和WISH,M.(1974),“多维感知模型和测量方法”,《感知手册》(第二卷),E.C.Carterette和M.P.Friedman编辑,纽约:学术,第391-447页。
[7] CONSTANTINE,A.G.和GOWER,J.C.(1978),“非对称矩阵的图形表示”,应用统计学,27,297-304·Zbl 0436.62049号 ·doi:10.2307/2347165
[8] DESARBO,W.S.(1982),“GENNCLUS:一般非层次聚类分析的新模型”,《心理测量学》,第47期,第449-475页·Zbl 0566.62057号 ·doi:10.1007/BF02293709
[9] DESARBO,W.S.和DE SOETE,G.(1984),“关于使用层次聚类分析非对称邻近性”,《消费者研究杂志》,第11期,第601-610页·doi:10.1086/208996
[10] DESARBO,W.S.,MANRAI,A.K.,和BURKE,R.R.(1990),“结合距离密度假设的双向邻近数据分析的非空间方法”,《心理测量学》,55,229-253·doi:10.1007/BF02295285
[11] DE SOETE,G.、DESARBO,W.S.、FURNAS,G.W.和CARROLL,J.D.(1984年),“从矩形邻近数据估算超长和路径长度树”,《心理测量学》,49,289-310·doi:10.1007/BF02306021
[12] ECKES,T.和ORLIK,P.(1993),“二模式层次聚类的误差方差方法”,《分类杂志》,10,51-74·Zbl 0775.62151号 ·doi:10.1007/BF02638453文件
[13] 营救员,Y。;格鲁德,A。;Diday,E.(编辑);等。,分析矩阵的非对称因子”,263-276(1980),北荷兰·Zbl 0474.62055号
[14] FERSHTMAN,M.(1997),“基于隔离矩阵指数的社交网络中的聚合群体检测”,社交网络,193-207年。
[15] FURNAS,G.W.(1980),“对象及其特征:两类数据的度量表示”,斯坦福大学未发表的博士论文。
[16] FUJIWARA,H.(1980),“使用非对称度量和同质性系数进行聚类分析的方法”,《日本行为计量学杂志》,第7期,第12-21页·Zbl 0566.62057号
[17] 戈尔,JC;Barra,JR(编辑);Brodeau,F.(编辑);Romier,G.(编辑);Cutsem,B.(编辑),《不对称性和正交性分析》,109-123(1977),北荷兰·Zbl 0366.62058号
[18] HUBERT,L.(1973),“使用非对称相似性度量的最小和最大层次聚类”,《心理测量学》,38,63-72·Zbl 0251.92014号
[19] HUBERT,L.和ARABIE,P.(1985年),“比较分区”,分类杂志,2193-218·doi:10.1007/BF01908075
[20] HUBERT L.J.、ARABIE P.和MEULMAN J.(2001),组合数据分析:动态规划优化,费城:SIAM·Zbl 0999.90047号 ·doi:10.137/1.9780898718553
[21] HUBERT L.J.、ARABIE P.和MEULMAN J.(2006),用MATLAB实现接近矩阵的结构表示,费城:SIAM·Zbl 1093.68147号 ·数字对象标识代码:10.1137/1.9780898718355
[22] MCCORMICK,W.T.、SCHWEITZER,P.J.和WHITE,T.W.(1972),“通过聚类技术进行问题分解和数据重组”,运筹学,20993-1009·Zbl 0249.90046号 ·doi:10.1287/opre.20.5.993年
[23] OKADA,A.和IWAMOTO,T.(1996),“日本各州之间的大学招生流动:通过非对称聚类分析进行第一阶段联合成就测试前后的比较”,《行为测量学》,第23期,第169-185页·doi:10.2333/bhmk.23.169
[24] OZAWA,K.(1983),“经典:基于非对称相似性的层次聚类算法”,模式识别,16,201-211·Zbl 0552.62049号
[25] REITZ,K.P.(1988),“修道院中的社会群体”,《社会网络》,第10期,第343-357页·doi:10.1016/0378-8733(88)90003-2
[26] ROCCI,R.和BOVE,G.(2002),“非对称多维缩放中的旋转技术”,《计算与图形统计杂志》,第11期,第405-419页·doi:10.1198/106186002760180581
[27] ROTHKOPF,E.Z.(1957),“一些配对联想学习中刺激相似性和错误的测量”,《实验心理学杂志》,53,94-101·doi:10.1037/0041867
[28] RUBIN,J.(1967),“最优分组:解决分类问题的方法”,《理论生物学杂志》,第15期,第103-144页·Zbl 1130.62063号
[29] SAITO,T.和YADOHISA,H.(2005),《不对称结构的数据分析》。《计算统计高级方法》,纽约:Marcel Dekker·Zbl 1067.62006年
[30] SOKAL,R.R.和ROHLF,F.J.(1962),“用客观方法比较树状图”,Taxon,11,33-40·doi:10.2307/1217208
[31] SHEPARD,R.N.和ARABIE,P.(1979),“加性聚类:相似性作为离散重叠性质组合的表示”,《心理学评论》,8687-123·doi:10.1037/0033-295X.86.2.87
[32] TAKEUCHI,A.、SAITO,T.和YADOHISA,H.(2007),“非对称聚集层次聚类算法及其评估”,分类杂志,24,123-143·Zbl 1130.62063号 ·doi:10.1007/s00357-007-0002-1
[33] VICARI,D.和VICHI M.(2000),“非层次分类结构”,摘自《数据分析、分类数据分析和知识组织研究》,编辑W.Gaul、O.Opitz和M.Schader,Berline:Springer,第51-66页·Zbl 1130.62063号
[34] VICHI,M.(2008),“将半参数聚类模型拟合到异质性数据”,《数据分析和分类进展》,第212-161页·Zbl 1306.62147号
[35] YADOHISA,H.(2002),“非对称聚集层次聚类的公式及其结果的图形表示”,《计算公报》,日本统计,第15期,第309-316页·Zbl 1137.91603号
[36] ZIELMAN,B.和HEISER,W.J.(1993年),“用幻灯片向量分析不对称性”,《心理测量学》,58,101-114·Zbl 0775.92037号 ·doi:10.1007/BF02294474
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。