The most common methods of object ranking in the multidimensional space of features are presented. These methods are based on the idea of orthogonal projection of points in the multidimensional space towards a predetermined straight line. The methods differ from one another in the direction of the straight line. The direction of the straight line may be considered as co-ordinates of a unit vector or as weights of features. Such an interpretation of ranking methods enables us to measure a variance of the ranking presented and compare the rankings constructed using different methods. The variance of ranking made on the basis of orthogonal projections of points towards the straight line has been called a direction variance. The paper described the following ranking methods: the method of the first main component, Hellwig's development path, arithmetic mean of standardized features and object ranking based on the features with weights. The direction variance for every method has been determined.
PL
W artykule przedstawiono najczęściej stosowane metody rangowania obiektów wielocechowych: metodę pierwszej głównej składowej, ścieżkę rozwoju Hellwiga, średniej arytmetycznej zestandaryzowanych cech oraz rangowanie obiektów na podstawie cech z wagami. Wariancję rankingu utworzonego na podstawie rzutów ortogonalnych punktów na prostą wyznaczono dla poszczególnych metod i nazwano ją wariancją kierunkową.
3
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Zaproponowano dwa algorytmy podziału szeregu czasowego na takie części, zwane segmentami, które charakteryzują się względnie stałą tendencją rozwojową. Lokalne trendy, wyznaczone dla poszczególnych segmentów szeregu czasowego, utworzą wówczas funkcję segmentową szeregu czasowego. Opisywane algorytmy pozwalają znaleźć w szeregu czasowym możliwie najmniejszą liczbę segmentów dla ustalonego błędu funkcji segmentowej lub podzielić szereg czasowy na zadaną z góry liczbę segmentów tak, aby błąd resztowy funkcji segmentowej (otrzymanej w wyniku takiego podziału) był możliwie najmniejszy. Zaproponowane metody pozwalają poznać strukturę szeregu czasowego i wskazują na te momenty czasowe, w których naturalnie kształtujący się proces ulega zakłóceniu. Przedstawione algorytmy można zastosować w analizie przebiegu zjawisk społeczno-gospodarczych, w którym zachodzi konieczność wyodrębnienia różnych faz rozwoju.
EN
The article presents two methods of spliting time series into such part, called segments, that are of relatively permanent growing tendency. Local trends calculated for each segment of time series produce then segment function of time series. The algorithms described here allow to find, for a given segment function error, possible least number of segments or to split the time series into particular number of segments in such a way the segment function mean square error is possibly least. The method shown in the article allow to detect the time series structure and show these moments of time, in which the process is being distributed. Algorithms can be useful when analyzing the processes of social and economical occurrences where different stages of development must be found.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.