Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Multidimensional scaling" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Multidimensional Scaling for Symbolic Interval Data
    Skalowanie wielowymiarowe dla danych symbolicznych przedziałowych
    Autorzy:
    Dudek, Andrzej
    Powiązania:
    https://bibliotekanauki.pl/articles/906289.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    Multidimensional scaling
    visualization
    symbolic data
    Opis:
    Podstawowym celem skalowania wielowymiarowego jest przedstawienie relacji między obiektami w przestrzeni wielowymiarowej jako odległości w przestrzeni 2- lub 3- wymiarowej. Dane wejściowe do procedur skalowania wielowymiarowego to zazwyczaj symetryczna macierz kwadratowa wskazująca na relacje (podobieństwa lub niepodobieństwa) pomiędzy obiektami pewnego zbioru. Istnieje wiele technik klasycznego skalowania wielowymiarowego, jednak wszystkie z nich wymagają aby w poszczególnych komórkach tej macierzy znajdowały się pojedyncze wartości liczbowe. Denoeux and Masson (2002) zaproponowali rozszerzenie klasycznego skalowania wielowymiarowego na dane symboliczne w postaci przedziałów liczbowych. Danymi wejściowymi do opracowanego przez nich algorytmu 1NTERSCAL jest tabela zawierająca minimalne i maksymalne odległości pomiędzy hiperprostopadłościanami reprezentującymi obiekty. Takie same podejście występuje w algorytmach SYMSCAL i I-SCAL zaproponowanych przez Groenena i in. (2005). W artykule przedstawiony zostały najważniejsze algorytmy skalowania wielowymiarowego dla danych symbolicznych w postaci przedziałów liczbowych oraz przykłady ich zastosowania dla danych symbolicznych pochodzących z repozytorium http://www.ceremade.dauphine.fr/~touati/sodas-pagegarde.htm.
    The aim of multidimensional scaling is to represent dissimilarities among objects in high dimensional space as distances in low (usually 2- or 3-) dimensional space. Usually the input to multidimensional scaling procedure is a square, symmetric matrix indicating relationships (similarities or dissimilarities) among a set of items. There are many techniques of classical multidimensional scaling but all under assumption that each entry in relationship matrix is single numeric value. Denoeux and Masson (2002) have proposed to extend multidimensional scaling onto symbolic interval data. The input to theirs INTERSCAL algorithm is interval dissimilarity table containing minimum and maximum distance between hyper-rectangles representing objects. The same approach is used in SYMSCAL and I-SCAL algorithms proposed by Groenen et al. (2005). Article presents main algorithms of multi-dimensional scaling for symbolic data in form of intervals along with some examples on datasets taken from symbolic data repository (http://www.ceremade.dauphine.fr/~touati/sodas-pagegarde.htm).
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2009, 228
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Geometrical Presentation of Preferences by Using Profit Analysis and R Program
    Geometryczna prezentacja preferencji z wykorzystaniem analizy profit i programu R
    Autorzy:
    Zaborski, Artur
    Pełka, Marcin
    Powiązania:
    https://bibliotekanauki.pl/articles/905645.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    multidimensional scaling
    property fitting
    preference maps
    Opis:
    PROFIT is a kind of external vector analysis of preference mapping. It is a combination of multidimensional scaling and multiple regression analysis. PROFIT takes as input both a configuration of stimulus points and a set of preference rankings of the different properties of the stimuli. For stimulus space obtained by multidimensional scaling multiple regression is performed using the coordinates as independent variables and attribute as the dependent variable. The program locates each property as a vector through the configuration of points, so that it indicates the direction over the space in which the property is increasing. The article presents PROFIT analysis and the R code to carry out the method. The function is illustrated with an example of application in the analysis of consumer preferences.
    PROFIT jest przykładem „zewnętrznej” wektorowej metody map preferencji. Jest ona połączeniem skalowania wielowymiarowego i analizy regresji wielorakiej. Danymi wejściowymi w analizie PROFIT są zarówno współrzędne punktów reprezentujących obiekty na mapie percepcyjnej jak również oceny preferencji obiektów ze względu na wybrane zmienne. Dla konfiguracji punktów reprezentujących obiekty otrzymanej za pomocą skalowania wielowymiarowego przeprowadza się analizę regresji wielorakiej, w której zmiennymi objaśniającymi są współrzędne obiektów na mapie percepcyjnej, a zmiennymi zależnymi oceny marek ze względu na poszczególne cechy. Program dokonuje rozmieszczenia na mapie percepcyjnej zmiennych w postaci wektorów wskazujących kierunek maksymalnej preferencji ze względu na daną zmienną. Artykuł jest prezentacją analizy PROFIT oraz składni poleceń programu R, pozwalającej na jej realizację. Sposób użycia funkcji zilustrowano przykładem badania preferencji.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2013, 285
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Multidimensional Scaling in Economic Research
    Wielowymiarowe skalowanie w badaniach ekonomicznych
    Autorzy:
    Biela, Adam
    Powiązania:
    https://bibliotekanauki.pl/articles/904915.pdf
    Data publikacji:
    2004
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    multidimensional scaling
    theory of data decision analysis
    Opis:
    A relationship between the theoretical terms and the observational ones, called also a perceptual or observational, is essential for scientific research of empirical type, including social sciences and economic sciences. This relationship cannot be clarified in terms of a complete definition but only by a partial definition. This methodological truth is well known since R. Carnap's works. Later on it was developed in methodology of sciences by the Polish logicians: Przełęcki, Poznański and Kamiński. Multivariable techniques are necessary when one wants to define the relationships between variables in economic and social sciences. However, the results obtained in such analysis are often unsatisfactory because the residual variance is too large. Multidimensional scaling proposes quite a different methodological approach for seeking the relationship between the theoretical terms and the observational ones. This paper aims: (1) to show what kind of methodological proposition is multidimensional scaling; (2) to show what are the possible directions of applying multidimensional scaling to social and economic analysis; (3) to define the multidimensional character of decision analysis.
    W badaniach naukowych typu empirycznego (do których należą również nauki społeczne i ekonomiczne) istotne znaczenie ma określenie związku pomiędzy terminami teoretycznymi a terminami empirycznymi. Związku tego nie da się ustalić w postaci definicji zupełnych, lecz tylko i wyłącznie przez definicje cząstkowe. Ta prawda znana jest już od czasu prac R. Carnapa, a została utrwalona i rozwinięta w metodologii nauk przez polskich logików: Przełęckiego, Poznańskiego, Kamińskiego. W określaniu związków pomiędzy analizowanymi zmiennymi w naukach społecznych i ekonomicznych konieczne jest stosowanie technik wielozmiennowych. Wyniki uzyskanych analiz nie są jednak zadowalające z uwagi na ich zbyt wielką wariancję resztową. Nieco inne podejście metodologiczne w poszukiwaniu związku między terminami teoretycznymi i empirycznymi proponuje skalowanie wielowymiarowe. Artykuł omawia założenia metodologiczne skalowania wielowymiarowego, teorię danych С. H. Coombsa (1964) jako podstawę logiczną tego skalowania oraz przydatność tej metody w analizie decyzyjnej. Wskazano, iż skalowanie wielowymiarowe może okazać się przydatne w pierwszych etapach pracy badawczej, eksperckiej, analitycznej czy aplikacyjnej, gdy należy usystematyzować zebrane dane i na tej podstawie przystąpić dopiero do formułowania hipotez, sądów, diagnoz, ocen. Istnieje jeszcze jedna możliwość wykorzystania skalowania wielowymiarowego, a jest nią mianowicie integrowanie różnych opinii oraz ekspertyz w przedmiotowej kwestii.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2004, 175
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Switch preference analysis by the drift vector method
    Analiza zmian preferencji z wykorzystaniem metody wektorów dryfu
    Autorzy:
    Zaborski, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/654523.pdf
    Data publikacji:
    2015
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    analiza preferencji
    skalowanie wielowymiarowe
    dane asymetryczne
    wektory dryfu
    preference analysis
    multidimensional scaling
    asymmetric data
    drift vectors
    Opis:
    Punktem wyjścia w skalowaniu wielowymiarowym jest symetryczna macierz niepodobieństw. Jednak macierz danych o zmianach preferencji (np. prawdopodobieństwo, że konsument dokonuje zakupu marki j pod warunkiem, że przy wcześniejszych zakupach była to marka i, liczba osób deklarujących, że marka j jest przez nich najbardziej preferowana, mimo że we wcześniejszym okresie była to marka i i in.) nie jest symetryczna. Dla takich danych uśrednienie odpowiednich wartości niepodobieństw prowadzi do utraty cennych informacji dotyczących analizowanego zjawiska, stąd konieczność stosowania metod właściwych dla danych niesymetrycznych. Spośród wybranych metod niesymetrycznego skalowania wielowymiarowego szczególną uwagę zwrócono na metodę wektorów dryfu. Metoda ta umożliwia równoczesną prezentację na mapie percepcyjnej konfiguracji punktów reprezentujących analizowane obiekty, jak również wektorów wskazujących kierunek i siłę zmian zachodzących w preferencjach respondentów.
    The matrix of  switch preference data (e.g. one’s preference for brand j, given that one has already defined his/her first choice for brand i) is not symmetric. The averaging of  appropriate off-diagonal proximity entries for such data leads to the loss of information, hence the necessity to use appropriate methods for asymmetric data. Among the chosen methods of asymmetric multidimensional scaling, particular attention was paid to the drift vectors method. This method enables to present simultaneously on the perceptual map both the configuration of points representing the analyzed objects and the vectors indicating the direction and the strength of changes in the respondents preferences.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2015, 3, 314
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies