6. Symbolic Data Analysis:CLUSTERING ALGORITHMS AND KOHONEN MAPS FOR SYMBOLIC DATA

スポンサーリンク

概要

• 論文の詳細を見る

• This paper considers 'symbolic' data tables where variables take, as 'values', intervals, sets of categories, histograms etc. instead of single numbers or categories. After presenting some cases where this situation may occur, we concentrate on interval-type data and present methods for partitioning the underlying set of objects (rows of the data matrix) into a given number of homogeneous clusters. Our clustering strategies are typically based on a clustering criterion and generalize similar approaches in classical cluster analysis. Such methods are part of a general Symbolic Data Analysis described, e.g., in Bock and Diday (2000). Finally, we present a sequential clustering and updating strategy for constructing a Self-Organizing Map (SOM, Kohonen map) for visualizing symbolic interval-type data.

• 日本計算機統計学会の論文

日本計算機統計学会 | 論文

• MCMC法に基づく多変量階層線形データの分析(セッション5A(学生研究発表賞セッションII))
• コンテンツ・アプリケーション連動型複合統計教材開発と授業への展開(セッション4A)
• 初等中等教育を支援するコンテンツ・アプリケーション連動型複合統計教材の開発(セッション6A)
• 非対称可変分類法のシミュレーションによる評価
• 級内相関係数に関するパーミュテーションテストについて

もっと見る

スポンサーリンク