Search results

1

A Proposal of Modification of Agglomerative Clustering Algorithms

100%

Korzeniewski J., Department of Statistical Methods U. o. Ł.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2009

|

vol. 228

PL

W pracy przedstawiono propozycję modyfikacji dowolnego algorytmu aglomeracyjnego łączenia obserwacji w skupienia. Ideą modyfikacji jest położenie większego nacisku na łączenie skupień w tych obszarach, w których lokalna gęstość rozkładu obserwacji jest większa. Modyfikację zastosowano do czterech klasycznych algorytmów: aglomeracji pojedynczego połączenia, całkowitego połączenia, środka ciężkości i średniej odległości klasowej. Jakość otrzymywanych grupowań była oceniana przy pomocy odsetka obserwacji o ujemnym indeksie sylwetkowym. Wyniki pokazują, że zaproponowane modyfikacje prawie zawsze poprawiają tradycyjne algorytmy.

EN

In the paper, a modification o f agglomerative clustering algorithms is proposed which can be applied to any kind o f agglomeraitve algorithm. The idea o f die modification is to stress the local density o f observations’ distribution, while performing clustering based on the dissimilarity matrix. The following clustering algorithms are examined: single link, complete link, group average link and centroid link. The quality o f clustering is assessed by means o f the silhouette indices on subsets generated with the Milligan’s Clustgen software. The results prove that the Author’s modifications almost always improve the standard methods.

2

A Proposal of New Classification Algorithm

100%

Korzeniewski J., University of Łódź D. o. S. M.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2009

|

vol. 225

EN

In the paper a new method of classifying points to a predetermined number of classes is presented. The method is based on the use of the sample/window mean shift technique to obtain a synthetic insight into the data set structure. The method's performance is tested on Euclidean space data sets generated by the Milligan's CLUSTGEN programme through comparison with the grouping obtained by the k-means method. The criterion applied are the Rousseeuw's silhouette indices are used as a criterion for comparison.

PL

W artykule przedstawiona jest nowa metoda klasyfikowania punktów zbioru danych do klas, których liczba jest zadana. Metoda oparta jest na wykorzystaniu techniki średniego przesunięcia okna/próby do uzyskania syntetycznego wglądu w strukturę zbioru danych. Działanie metody jest sprawdzone na zbiorach danych z przestrzeni euklidesowych wygenerowanych przy pomocy programu CLUSTGEN poprzez porównanie wyników z grupowaniem uzyskanym metodą k-średnich. Kryterium porównawczym są indeksy sylwetkowe Rousseeuwa.

3

A proposal of a new method of choosing starting points for k-means grouping

100%

Korzeniewski J., University of Łódź C. o. S. M.

Acta Universitatis Lodziensis. Folia Oeconomica

|

2008

|

vol. 216

EN

When one groups set elements with the help of k-means it is crucial to choose starting points properly. If they are chosen incorrectly one may arrive at badly grouped elements. In the paper a new method of choosing starting points is proposed. It is based on the distance matrix only. Starting points are chosen so as to improve the classical method of choosing points which are as far from one another as possible. The quality of grouping is assessed by means of silhouette indices — it is compared with the quality of grouping done with randomly chosen starting points and with maximum distance interval method. Sets from Euclidean spaces are generated with the help of CLUSTGEN software written by J. Milligana.

PL

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.

Refine search results

3 Acta Universitatis Lodziensis. Folia Oeconomica

3 Korzeniewski J.

1 Department of Statistical Methods U. o. Ł.

1 University of Łódź C. o. S. M.

1 University of Łódź D. o. S. M.

2 2009

1 2008

A Proposal of Modification of Agglomerative Clustering Algorithms

A Proposal of New Classification Algorithm

A proposal of a new method of choosing starting points for k-means grouping