Opis

• Tytuł:
  On Some Properties of Support Vector Clustering
• Twórca:
  Trzęsiok, Michał
• Współtwórca:
  Department of Mathematics, Karol Adamiecki University of Economics, Katowice
• Opis:
  Celem referatu jest przedstawienie analizy wybranych formalnych własności taksonomicznej metody wektorów nośnych (SVC). Wyniki dotyczące nowej metody SVC zestawiono i porównano z własnościami innych znanych metod taksonomicznych. Ponieważ na ogół nie jest możliwe wskazanie, która z metod taksonomicznych daje najlepsze rezultaty, stojąc wobec konkretnego problemu, badacz musi dokonywać wyboru metody w oparciu o wiedzę dotyczącą ich własności. Zadaniem badacza jest wtedy ustalenie preferencji w zbiorze własności metod by następnie użyć ich przy doborze odpowiedniego narzędzia. Wiedza dotycząca formalnych własności metod taksonomicznych jest w referacie rozszerzona o nową- taksonomiczną metodę wektorów nośnych.;
  The aim o f this paper is to analyse the relatively new clustering method - Support Vector Clustering (SVC) in terms o f fulfilling admissibility conditions. The results are compared within a group o f four other clustering methods. Since it is not possible to assess which clustering method is the "best" in general, given a specific problem the user can decide which method to apply considering some properties o f clustering methods, known as admissibility conditions. This paper expands the knowledge about the properties o f clustering methods with the properties o f SVC.;
  Zadanie pt. „Digitalizacja i udostępnienie w Cyfrowym Repozytorium Uniwersytetu Łódzkiego kolekcji czasopism naukowych wydawanych przez Uniwersytet Łódzki” nr 885/P-DUN/2014 dofinansowane zostało ze środków MNiSW w ramach działalności upowszechniającej naukę.
• Dostępność obiektu:
  Dostęp otwarty
• Data:
  2015.03.09;
  2009
• Typ:
  Article
• Język:
  angielski
• Format:
  application/pdf
• Wydawca:
  Wydawnictwo Uniwersytetu Łódzkiego
• Relacja:
  Acta Universitatis Lodziensis. Folia Oeconomica;228
• Temat i słowa kluczowe:
  support vector machines;
  clustering;
  admissibility conditions
• Identyfikator:
  0208-6018;
  http://hdl.handle.net/11089/7096
• Dostawca danych:
  Repozytorium Uniwersytetu Łódzkiego
• Czy mogę z tego obiektu skorzystać?:
  poproś o pozwolenie
• Rodzaj zawartości:
  obrazy