Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378), страница 115
Текст из файла (страница 115)
Функционалы качества классификации как показатели степени аппроксимации данных Выводы Г л а в а 6. Классификация без обучения (параметрический случай): расщепление смесей иероятностиых распределений 6.1. Понятие смеси вероятностных распределений 6.1.1. Примеры 6.1.2. Общая математическая модель смеси распределений 6.2.
Общая схема решения задачи автоматической классификации в рамках модели смеси распределений (сведение к схеме дискримпнантного анализа) 6.3. Идентифицируемость (различимость) смесей распределений 6.4, Процедуры оценивания параметров модели смеси распределений 6.4.1. Процедуры, базирующиеся иа методе максимального правдоподобия 6.4.2. Процедуры, базирующиеся на методе моментов 8,43 Другие методы оценнвания параметров смеси распределений 6.5. Рекомендации по определению «исходных позиций» алгоритмов расщепления смесей распределений Выводы Г л а в а 7 Автоматическая классификация, есиоваинаи на описании классов «ядрами» 7.!.
Эвристические алгоритмы 7.1.1. Параллельные процедуры 7.12. Последовательные процедуры 7.2. Алгоритмы, использующие понятие центра тяжести 7.2.1. Параллельные процедуры 7.2.2. Последовательные процедуры 147 153 157 169 162 163 !69 172 179 !82 182 162 186 !88 190 192 193 202 207 214 215 217 217 217 219 2л) 220 73. Алгорнтмы с управляющнмя параметрами, настранваемымн в ходе класснфнкацнй Т.3.1. Параллельные процедуры 7.3.2, Последовательные процедуры 7.4, Алгоритмы метода динамических сгушеннй 7.4,!.
Основные понятна н обшая схема метода 7.4.2. Алгорнтмы класснфнкацнн 7.4.3. Автоматнческая класснфикацня неполных данных 7.5. Алгоритмы метода размытых множеств 7.5.1. Основные понятия, функцяоналы качества разбненни, постановка задач 7.5.2. Алгоритмы нечеткой класснфикацнн 7.6. Алгоритмы, основанные на методе просенвання (решета) Выводы Г л а в а 8. Иерархнческан класснфнквцня 8.1. Основные определення 8.2.
Методы н алгорнтмы нерархнческой класснфнкацнн 8.2.1. Днвнзнмные алгорнтмы 8.2.2. Агломератнвные алгоритмы 8.3. Графические представлення результатов нерархнческой класснфнкацнн 8.3.1. Индексацнн нерархян. Методы построення на плоскостн графа нерархнческой класснфнкацнн 8.3.2. Оцифровка нзображення графа иерархической класснфнкацян 8.4, Прнложення обшей рекзррентяой формулы для мер блнзостн между классамн 8.4.1. Расчет матрицы взаимных блнзостей классов данного )ровня нерархнн 8.4.2. Условна на меру близости, обеспечнваюшне отсутствие инверсий 8.4.3. Алгорнтм гибкой стратегии нерархнческой класснфнкацнн 8.4.4.
Процедуры нерархнческой класснфнкацнн, нсполь. зуюшне пороговые значення 8.5. Быстрый алгорнтм нерархнческой класснфнкацни Выводы Г л а в а 9. Процедуры кластер-анализа н разделенна смесей прн нвянчни апрнорнмх ограннченнй 9Л. Разделение смесей при налнчнн неполных обучаюшнх выборок 9.1.1. Моднфякацяя ЕМ-алгоритма 9 1з2. Разделение смеся с нензвестным числом классов 9.2. Класснфикацяя прн ограняченнях на связн между объектами 9.3. Класснфнкацня на графах 9.3.1.
Основные понятия н определенна 9.3.2. Алгорнтм выделення компонент графя 9.3.3. Алгоритмы класснфнкацнн, нспользуюшне процедуру выделения компонент графа 9.3.4. Метод послойной классифнкацян. Общий подход к построению алгорнтмов классяфнкацян на графах Выводы 596 225 225 229 230 231 232 237 239 239 242 245 249 249 249 251 251 253 254 255 257 260 260 260 261 262 263 265 267 26Т 268 268 270 273 273 274 275 277 281 Гла на 10.
Теория автоматнческой класснфнкацнн 10.1. Математическая модель алгоритма автоматической класснфнкацнн (ААК) 10.1.1. Пространство состояннй 10.1.2. Пространство описаннй 1ОЛ:.3. Множество порций Р, в которых выборка поступает на класснфнкацню н генератор порций 0 10.1.4. Классификатор К !0.1.5 Дескриптор Р 10.1.6. Основные понятия н определения, нсцользуемые прн исследовании математической модели ААК . 10.2. Базисная модель ААК, основанного на опнсаннн классов ядрачн 1О.З.
Иерархическая стр)ьт)ра многообразия ААК 10.3.1. Модель алгорнтма Л-средних параллельного тнпа 1О 3.2. Модель алгоритма (й — г).средних 10.3.3. Модель алгоритма Форель 10.3.4. Модель алгоритма выделения размытого кластера 1О 3.6. Модель алгоритма А(й)-средннх 10.3.6.
Модель алгоритма нечеткой класснфнкаццн Бсждека 10.3.7. Модель алгоритма (бй — г)-средних 10.3.8. Модель алгоритма (Ь(1) — г).средннх для весовых функциЯ Беждека 10.4. Исследование сходнмостн ААК Выводы Гл а в а 11. Выбор метрнкн н сокращенне размерностей ° залачах кластер-аналнза г 11.1 Целенаправленное проецнрованне данных в пространство небольшой размерностн с сохранением кластерной стр)ктуры 11.2. Метрики для задач кластер-анализа с неколнчественными переменными 11.3 Алгоритмы классификации с адаптнвной метрвкой 11 3.1. Адаптивная махаланобисова метрика 11.3.2.
Состоятельность алгорнтма с адантнвной махаланобнсовой метрикой 11.33. Адаптивная взвешенная евклидова метрнка . !1.ЗА. Адаптивная взвешенная метрика типа «снтн-блока 11.4. Оценка ветряки с помощью частично-обучающнх выборок Выводы Г л а в а 1й. Средства прелстввлення н ннтернретацнн резуль- татов автоматической класснфнканнн 12.1. Некоторые средства оценки результатов кластер- анализа 12.1 1.
Оценка качества классификации с помощью критериев классификации 12.1.2. Оценка компактности выделенных групп 12.1.3 Визуальные средства оценкн степени разнесенности н компактности выделенных групп объектов !2.2. Связь между показателями качества прогноза переченных, метрикой н некоторымн крнтернямн качества классификации в кластер-анализе 282 282 283 284 284 287 288 289 291 291 292 293 293 294 296 296 300 30! ЗИ 304 304 306 307 308 309 310 311 ЗЦ 311 313 313 318 12,2,1, Случай, когда переменные измерены в количест. венной шкале 122,2, Границы значений некоторых критериев классификации 12,2,3, Случаи, когда центры классов лежат на одной прямой 12.3. Неиоторые методические рекомендации 12.4.
Средства. помогающие интерпретации результатов Выводы 3!8 324 326 328 329 330 Раздел НЕ СНИЖЕНИЕ РАЗМЕРНОСТИ АНАЛИЗИРУЕМОГО ПРИЗНАКОВОГО ПРОСТРАНСТВА И ОТБОР НАИБОЛЕЕ ИНФОРМАТИВНЫХ ПО- КАЗАТЕЛЕН Г л а в а 13. Метод главных компонент 13.!. Сущность проблемы снижения раэмеряостн и различные методы ее решения !3.1.1. Метод главиыл компонент 13.1.2. Факторный анализ 13.1 3. Методы экстремальной группировки признаков 13.1,4.
Многомерное шкалирование 13.1.5. Отбор наиболее информативных показателей в моделях дискриминантного анализа 13,!.6. Отбор наиболее информативных переменных в моделях регрессии 13.1.7. Сведение нескольких частных критернальиых показателей к единому интегральному . 13.2. Определение, вычисление и основные числовые характеристики главных компонент 1З.З. Экстремальные свойства главных компонент. Их интерпретация 13.4.
Статистические свойства выборочных главных компонент; статистическая проверка некоторых гипотез 13,5. Главные компоненты в задачах классификации 13.6 Нелинейное отображение многомерных данных в пространство низкой размерности !3,6.1. Нелинейное отображение по критерию типа стресса 13,6.2. Быстрое нелинейное отображение с помощью опорных точек ! 3.6.3. Быстрый алгоритм нелинейного проецирования многомерных данных 13.6.4. Сравнение нелинейного проецирования (картирования) с линейным Выводы Гл а в а 14, Модели н методы факториого анализа 143. Сушиость модели факториого анализа, его основные задачи 14.2.
Каноническая модель факторного анализа 14.2.!. Общий вид модели, ее связь с главными компонентами 14.2.2. Вопросы идентификации модели факторного анализа 14.2.3. Определение структуры и статистическое исследование модели факторного анализа !4.2.4. Факторный анализ в задачах классификации 332 332 332 334 334 335 335 337 339 354 364 371 371 373 376 379 382 385 392 393 405 14.3, Некоторые эвристические методы снижения размер. ности 14,3,! Природа эвристических методов 14.3.2 Метод экстремальной группировки признаков 14.3.3 Метод корреляционных плеяд 14.3.4.
Снижение размерности с помощью кластер-процедур Выводы Гла в а !5. Экспертно-статистический метод построение единого сводного показателв эффектяннаств функцнонмрования (качества) объекта (скалярная редукция многокрнтернальной схемы) !5.!. Латентный единый (сводный) показатель «качества» Понятия «выходного качества> целевой функции н «входных переменныхэ (частных критериев) !52. Исходные данные 15.3. Алгоритмические и вычислительные вопросы построения неизвестной целевой функции 15.3.1 Общая логическая схема оцснивання параметров В целевой функции 7 (х, О) !5.3.2. Оценнванне неизвестных параметров целевой функции при балльных экспертных оценках выходного качества 15,3.3. Оценнванне неизвестных параметров целевой функции при экспертных ранжировках н парных сравнениях объектов 15,4 Применение экспертно.статистического метода построении латентного интегрального показателя к ре. шеиию практических задач 15.4.!.
Построение ццлевой функции для опенки уровня мастерства смортсменов в игровых видах спорта (на примере' «АИС вЂ” ХОККЕЙ-73») !5.4.2. Об использовании экспертно-статистического метода в анализе макроструктуры фондов потребления !5.4.3. Построение сводного показателя эффективности деятельности промышленного предприятия Выводы Гл а вв 16, Многомерное шкалиронанве (МШ) !6Л. Метрическое многомерное шкалнрование 16.1Л. Статистическая модель метрического шкалнровання !6.1.2.
Классическая модель н решение задачи метрического МШ !6.!.3. Погрешность аппроксимации. Оптимальность ортогонального метрического МШ 16Л.4. Возможности расширения применимости линейного метрического МШ. Проблема аддитнвной константы !6.1.5. Нелинейные методы метрического МШ !6.2. Нсметрическое многомерное шкалирозанне 16.2.1. Структурная модель !6.2.2. Некоторые замечания к вычислительной процедуре 16.3. Шкалнрование индивидуальных различий (ШИ)з) Выводы 406 403 409 415 4!7 4!0 42! 421 424 426 426 427 426 431 431 431 435 436 438 439 430 430 440 44! 442 443 443 44Ь 44Ь 446 Гл а ва 17, Средства анализа н визуализацвн иеквлячественных данных 17.1. Анализ соответствий для двухвходовых таблиц сопряженности 17.!.1. Основные понятия анализа соответствий 17.1.2. Проекции строк н столбцов.