Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: agglomerative clustering

Sortuj według:

Ogranicz wyniki do:

Wykorzystanie narzędzi data mining w badaniu struktury upraw i chowu zwierząt w Polsce na tle krajów Unii Europejskiej

Kolasa-Więcek A., Koszela K.

Journal of Research and Applications in Agricultural Engineering

2013

Vol. 58, nr 1

73--77

W artykule zaprezentowano wyniki badań z zastosowaniem narzędzi eksploracji danych w zakresie usytuowania Polski na mapie krajów UE-27 pod względem wielkości upraw oraz pogłowia zwierząt gospodarskich. Zastosowano w tym celu dwie różne metody: analizę składowych głównych oraz grupowanie aglomeracyjne. Uzyskane w obu przypadkach wyniki badań są niemal identyczne i wśród 27 krajów wskazują na wyraźnie homogeniczne państwa: Polska, Francja, Niemcy, Włochy, Hiszpania, Wielka Brytania oraz Rumunia, a w przypadku grupowania aglomeracyjnego także Holandia. Pozostałe kraje stanowiły liczną, odrębną grupę. Badania przeprowadzono w pakiecie Statistica v.10.

The article presents the results of using data mining tools in the field of Polish location on a map of the EU-27 in terms of crops and livestock population. For this purpose two different methods were used: principal component analysis and agglomerative clustering. Obtained in both cases results are almost identical, and among the 27 countries indicate clearly homogeneous countries: Poland, France, Germany, Italy, Spain, the UK and Romania, in the case of the agglomeration group also Netherlands. Other countries accounted for a large, separate group. The study was conducted in the package Statistica v. 10.

Machine-part grouping and cluster analysis: similarities, distances and grouping criteria

Owsiński J.W.

Bulletin of the Polish Academy of Sciences. Technical Sciences

2009

Vol. 57, nr 3

217-228

The paper considers the machine-part grouping problem, as equivalent to partitioning the set of machines and operations into subsets, corresponding to block diagonalisation with constraints. The attempts to solve the problem with clustering methods are outlined. The difficulties encountered are presented, related to (i) ambiguity of formulations; (ii) selection of criteria; and (iii) lack of effective algorithms. These are illustrated in more detail with a limited survey of similarity and distance definitions, and of criteria used, constituting the main body of the paper. The return is proposed to the basic paradigm of cluster analysis, as providing simple and fast algorithms, which, even if not yielding optimal solutions, can be controlled in a simple manner, and their solutions improved.