Number of the records: 1
Shluková analýza
Title statement Shluková analýza [rukopis] / Kateřina Spohnerová Additional Variant Titles Shluková analýza Personal name Spohnerová, Kateřina (dissertant) Translated title Cluster Analysis Issue data 2010 Phys.des. 69 s. + 1 CD ROM Note Ved. práce Jaroslav Marek Another responsib. Marek, Jaroslav (thesis advisor) Tuček, Pavel, 1980- (opponent) Another responsib. Univerzita Palackého. Katedra matematické analýzy a aplikací matematiky (degree grantor) Keywords shluková analýza * hierarchické metody * nehierarchické metody * neuronové sítě * genetické algoritmy * cluster analysis * hierarchical methods * non-hierarchical methods * neural networks * genetic algorithm Form, Genre diplomové práce master's theses UDC (043)378.2 Country Česko Language čeština Document kind PUBLIKAČNÍ ČINNOST Title Mgr. Degree program Navazující Degree program Aplikovaná matematika Degreee discipline Aplikace matematiky v ekonomii book
Kvalifikační práce Downloaded Size datum zpřístupnění 85121-715936965.pdf 45 3.8 MB 08.04.2010 Posudek Typ posudku 85121-ved-336334582.pdf Posudek vedoucího 85121-opon-990974593.pdf Posudek oponenta
Shluková analýza patří mezi velmi atraktivní vícerozměrné statistické metody. Hlavním cílem shlukové analýzy je jednak seskupit jedince do skupin na základě jejich podobností a rozdílností a dále také zhustit informace o jedincích redukcí individuálních popisů objektů do relativně menšího počtu shluků. V práci jsme se zaměřili na studium klasický metody hierarchické a nehierarchické analýzy. Dalším naším cílem je porovnat tyto metody s alternativními přístupy, např. neuronové sítě, genetické algoritmy, atd.Cluster analysis is ranked among very attractive multivariate methods. The main goal of cluster analysis is the assignment of a set of observations into clusters so that observations in the same cluster are similar in some sense and the reduce information about observations into the smaller number of clusters. In the present paper we focused on the study of classic method of hierarchical and non-hierarchical clustering. The next our goal is the compare this methods with alternative methods, e.g. neural networks, genetic algorithms, etc.
Number of the records: 1