Počet záznamů: 1
Clustering Variables by Classical Approaches and Neural Network Boolean Factor Analysis
- 1.
SYSNO ASEP 0314040 Druh ASEP C - Konferenční příspěvek (mezinárodní konf.) Zařazení RIV D - Článek ve sborníku Název Clustering Variables by Classical Approaches and Neural Network Boolean Factor Analysis Překlad názvu Shlukování proměnných klasickými metodami a pomocí neurosíťové Booleovské faktorové analýzy Tvůrce(i) Frolov, A. A. (RU)
Húsek, Dušan (UIVT-O) RID, SAI, ORCID
Řezanková, H. (CZ)
Snášel, V. (CZ)
Polyakov, P.Y. (RU)Zdroj.dok. International Joint Conference on Neural Networks. - Piscataway : IEEE, 2008 - ISBN 978-1-4244-1820-6 Rozsah stran s. 3742-3746 Poč.str. 5 s. Akce IJCNN 2008. International Joint Conference on Neural Networks Datum konání 01.06.2008-08.06.2008 Místo konání Hong Kong Země CN - Čína Typ akce WRD Jazyk dok. eng - angličtina Země vyd. US - Spojené státy americké Klíč. slova clustering ; Boolean factor analysis ; linear factor analysis ; overlapping classes Vědní obor RIV BB - Aplikovaná statistika, operační výzkum CEP 1M0567 GA MŠMT - Ministerstvo školství, mládeže a tělovýchovy 1ET100300414 GA AV ČR - Akademie věd CEZ AV0Z10300504 - UIVT-O (2005-2011) UT WOS 000263827202095 EID SCOPUS 56349087933 DOI https://doi.org/10.1109/IJCNN.2008.4634335 Anotace In this paper, we compare three methods for grouping of binary variables: neural network Boolean factor analysis , hierarchical clustering, and a linear factor analysis on the mushroom dataset . In contrast to the latter two traditional methods, the advantage of neural network Boolean factor analysis is its ability to reveal overlapping classes in the dataset. It is shown that the mushroom dataset provides a good demonstration of this advantage because it contains both disjunctive and overlapping classes. Pracoviště Ústav informatiky Kontakt Tereza Šírová, sirova@cs.cas.cz, Tel.: 266 053 800 Rok sběru 2009
Počet záznamů: 1