Zusammenfassung
Es wird ein Verfahren (ACMMDS=Adaptive C-Means and Multi-Dimensional Scaling) zur explorativen Datenanalyse vorgestellt. ACMMDS ist eine Kombination des adaptiven c-means Clusteranalyseverfahrens und eines multidimensionalen Skalierungsverfahrens. Es erlaubt die Visualisierung des Clusteranalyseprozesses ‚online ‘und kann als eine mögliche Alternative zu Kohonen’s selbstorganisierender Merkmalskarte (SOM) betrachtet werden. Während SOM ein heuristischer Algorithmus ist, kann ACMMDS aus bekannten Verfahren der multivariaten Statistik hergeleitet werden. Anhand von zwei verschiedenen Datensätzen wird die Anwendung von ACMMDS gezeigt.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Jain, A. and Dubes, R. (1988). Algorithms for Clustering Data. Prentice Hall, Englewood Cliffs, New Jersey.
Kohonen, T. (1995). Self-Organizing Maps. Springer.
Kushner, H. and Clark, D. (1978). Stochastic Approximation Methods for Constrained and Unconstrained Systems. Springer.
Linde, Y., Buzo, A., and Gray, R. (1980). An algorithm for vector quantizer design. IEEE Transactions on Communications, 28(l):84–95.
Lloyd, S. (1982). Least squares quantization in PCM. IEEE Transactions on Information Theory, 28(2): 129–137.
MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. In L.M.LeCam and J. Neyman, editors, Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, volume I, pages 281–297. Berkeley University of California Press.
Moody, J. and Darken, C. (1989). Fast learning in networks of locally-tuned processing units. Neural Computation, 1(2):281–294.
Ritter, H. and Schulten, K. (1988). Convergence properties of Kohonen’s topology converving maps:fluctuations,stability, and dimension selection. Biological Cybernetics, 60:59–71.
Sammon, J. (1969). A nonlinear mapping for data structure analysis. IEEE Transactions on Computers, C-18:401–409.
Schalkoff, R. (1992). Pattern Recognition: Statistical, Structural and Neural Approaches. Wiley & Sons, New York.
Schnell, R. (1994). Graphisch gestützte Datenanalyse. R. Oldenbourg Verlag, München Wien.
Schwenker, F., Kestler, H., and Palm, G. (1996). Visualization and analysis of signal averaged high resolution electrocardiograms employing cluster analysis and multidimensional scaling. In IEEE International Conference on Computers in Cardiology, pages 453–456.
Scott, D. (1992). Multivariate Density Estimation. John Wiley & Sons, New York.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1998 Physica-Verlag Heidelberg
About this chapter
Cite this chapter
Schwenker, F. (1998). Adaptive Verfahren der Clusteranalyse und der multidimensionalen Skalierung für die Analyse und Visualisierung hochdimensionaler Datenmengen. In: Nakhaeizadeh, G. (eds) Data Mining. Beiträge zur Wirtschaftsinformatik, vol 27. Physica-Verlag HD. https://doi.org/10.1007/978-3-642-86094-2_7
Download citation
DOI: https://doi.org/10.1007/978-3-642-86094-2_7
Publisher Name: Physica-Verlag HD
Print ISBN: 978-3-7908-1053-0
Online ISBN: 978-3-642-86094-2
eBook Packages: Springer Book Archive