Full-text resources of CEJSH and other databases are now available in the new Library of Science.
Visit https://bibliotekanauki.pl

Results found: 3

first rewind previous Page / 1 next fast forward last

Search results

Search:
in the keywords:  klasyfikacja spektralna
help Sort By:

help Limit search:
first rewind previous Page / 1 next fast forward last
1
Publication available in full text mode
Content available

Wielomodelowa klasyfikacja spektralna danych symbolicznych

100%
Pełka M.
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
|
2017
|
issue 468
180-187
PL
Klasyfikacja spektralna, którą zaproponowali Ng, Jordan i Weiss [ 2002], jest nie tyle nową metodą klasyfikacji, ile nowym podejściem do przygotowywania danych na potrzeby klasyfikacji, która wykorzystuje ideę dekompozycji spektralnej macierzy danych. Głównym celem artykułu jest zastosowanie klasyfikacji spektralnej na potrzeby podejścia wielomodelowego w analizie skupień danych symbolicznych oraz przeprowadzenie i analiza symulacji w tym zakresie. Klasyfikacja spektralna może znaleźć zastosowanie zarówno w przygotowaniu danych na potrzeby utworzenia macierzy współwystąpień (co-association matrix), jak i w samej klasyfikacji dokonywanej na podstawie tej macierzy, a także jako metoda przygotowywania danych na potrzeby adaptacji metody boosting w klasyfikacji. W części empirycznej artykułu zaprezentowano i zinterpretowano wyniki klasyfikacji wielomodelowej z zastosowaniem klasyfikacji spektralnej zarówno do przygotowania danych wejściowych, jak i samej klasyfikacji. Wykorzystano tu sztuczne zbiory danych o znanej strukturze klas.
2
Publication available in full text mode
Content available

Analiza porównawcza rozwoju sektora bankowo-kredytowego w krajach UE z wykorzystaniem metod taksonomicznych

88%
Pisula T.
Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu
|
2017
|
issue 469
140-148
PL
Sektor bankowo-kredytowy w sytuacji pojawiających się zawirowań i kryzysów finansowych jest szczególnie wrażliwy na ryzyko występowania licznych niekorzystnych zjawisk. Celem artykułu jest uzyskanie odpowiedzi na pytania dotyczące stopnia podobieństwa rozwoju sektora bankowo-kredytowego w Polsce w porównaniu z innymi krajami UE oraz zbadanie, które kraje charakteryzują się najlepszym poziomem jego rozwoju. Z wykorzystaniem metod taksonomicznych wyodrębniono skupienia krajów podobnych pod względem poziomu rozwoju sektora bankowo-kredytowego i przeanalizowano zmiany w strukturze skupień krajów podobnych, które nastąpiły w dobie kryzysu finansowego (rok 2014) w stosunku do okresu przed kryzysem (rok 2008). Wyznaczono ranking krajów UE ze względu na poziom rozwoju sektora bankowo-kredytowego w obu porównywanych okresach. Zbadano, które kraje są najlepsze w rankingu rozwoju, a także porównano pozycję Polski w stosunku do krajów najlepszych oraz pozostałych krajów Europy Środkowo-Wschodniej.
3
Publication available in full text mode
Content available

Klasyfikacja spektralna a skale pomiaru zmiennych

75%
Walesiak M.
Przegląd Statystyczny
|
2012
|
vol. 59
|
issue 1
13-31
PL
W artykule zaproponowano modyfikację metody klasyfikacji spektralnej (zob. Ng, Jordan, Weiss, 2002) umożliwiającą jej zastosowanie w klasyfikacji danych nominalnych, porządko-wych, przedziałowych oraz ilorazowych. W tym celu w procedurze tej metody przy wyzna-czaniu macierzy podobieństwa (affinity matrix) zastosowano funkcję z miarami odległości właściwymi dla danych mierzonych na różnych skalach pomiaru. Takie podejście umożliwia ponadto pośrednie wzmocnienie skali pomiaru zmiennych dla danych niemetrycznych. Zaproponowana metoda klasyfikacji spektralnej może być z powodzeniem stosowana we wszystkich zagadnieniach klasyfikacyjnych, w tym dotyczących pomiaru, analizy i wizualiza-cji preferencji.
EN
In article the proposal of modification of spectral clustering method for nominal, ordinal, interval and ratio data, based on procedure of Ng, Jordan, Weiss (2002), is presented. In con-struction of affinity matrix we implement function with distance measures appropriate for dif-ferent scales of measurement. This approach gives possibility of conversion nonmetric data (nominal, ordinal) into interval data. The proposed method of spectral clustering can be successfully used in all classification problems, including the measurement, analysis and visualization of preferences.
first rewind previous Page / 1 next fast forward last
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.