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:  miary odległości
help Sort By:

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

Metody klasyfikacyjne danych w analizach wirtualnych łańcuchów dostaw

100%
Trzpiot G., Ganczarek A., Uniwersytet Ekonomiczny w Katowicach; Wydział Informatyki i Komunikacji; Katedra Demografii i Statystyki Ekonomicznej
Acta Universitatis Lodziensis. Folia Oeconomica
|
2012
|
vol. 271
EN
In this paper the classification of data obtained in the survey of Silesian businesses is presented. The survey was aimed at production, commerce and service enterprises, The main objective was to classify the factors determining the virtual supply chain consisting of IT and communication systems logistic competences and the transport-spedition-logistic branch. Due to the qualitative and quantitative character of variables, methods based on varying similarity measures were used.
2
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.
3
Publication available in full text mode
Content available

Wybór grup metod normalizacji wartości zmiennych w skalowaniu wielowymiarowym

63%
Walesiak M.
Przegląd Statystyczny
|
2016
|
vol. 63
|
issue 1
7-18
EN
In multidimensional scaling carried out on the basis of metric data matrix (interval, ratio) one of the stages is the choice of the variable normalization method. The R package clusterSim with data.Normalization function has been developed for that purpose. It provides 18 data normalization methods. In this paper the proposal of procedure which allows to isolate groups of normalization methods that lead to similar multidimensional scaling results were presented. The proposal can reduce the problem of choosing the normalization method in multidimensional scaling. The results are illustrated via empirical example.
PL
W skalowaniu wielowymiarowym przeprowadzanym na podstawie macierzy danych metrycznych (przedziałowych, ilorazowych) jednym z etapów jest wybór metody normalizacji wartości zmiennych. W badaniu zastosowano funkcję data.Normalization pakietu clusterSim programu R. Funkcja ta zawiera 18 różnych metod normalizacyjnych. W artykule zaproponowano procedurę badawczą pozwalającą na wyodrębnienie grup metod normalizacji wartości zmiennych prowadzących do zbliżonych wyników skalowania wielowymiarowego. Propozycja pozwala ograniczyć problem wyboru metody normalizacji wartości zmiennych w skalowaniu wielowymiarowym. Wyniki zilustrowano przykładem empirycznym.
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.