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 "hierarchical analysis" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Przegląd technik grupowania danych i obszary zastosowań
    Autorzy:
    Sala, Karolina
    Powiązania:
    https://bibliotekanauki.pl/articles/2157869.pdf
    Data publikacji:
    2017
    Wydawca:
    Instytut Studiów Międzynarodowych i Edukacji Humanum
    Tematy:
    cluster analysis
    hierarchical clustering
    k-means
    Opis:
    The paper presents an overview of various clustering techniques used in data mining. Clustering is an unsupervised learning problem that is used to identify groups in a set of unlabeled data. Data is grouped by probability so that objects of the same group / cluster have similar properties / characteristics [1]. This article aims at exploring and comparing different clustering algorithms. Grouping is used in many areas, including machine learning, pattern recognition, image analysis, information retrieval.
    Źródło:
    Społeczeństwo i Edukacja. Międzynarodowe Studia Humanistyczne; 2017, 2(25); 141-145
    1898-0171
    Pojawia się w:
    Społeczeństwo i Edukacja. Międzynarodowe Studia Humanistyczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Dochody podatkowe w krajach Unii Europejskiej
    Autorzy:
    Szymańska, Agata
    Powiązania:
    https://bibliotekanauki.pl/articles/543520.pdf
    Data publikacji:
    2017
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    cluster analysis
    tax revenues
    tax harmonization
    hierarchical method
    analiza skupień
    dochody podatkowe
    harmonizacja podatków
    metoda hierarchiczna
    Opis:
    Celem opracowania jest zanalizowanie dochodów podatkowych oraz zbadanie podobieństwa krajów Unii Europejskiej (UE) pod względem wpływów z tytułu wybranych podatków — głównie VAT, CIT, PIT oraz podatku akcyzowego. Ocenie poddano kraje UE w okresie między 2003 r. (tj. rokiem poprzedzającym największe rozszerzenie UE) a 2012 r. (z uwagi na kompletność danych). Porównano stawki podatków i strukturę dochodów podatkowych w krajach UE, a następnie dokonano oceny ich podobieństwa przy wykorzystaniu narzędzi analizy skupień. Z przeprowadzonej analizy wynika, że proces harmonizacji, który następował w badanym okresie, nie wywarł znaczącego wpływu na upodobnienie się struktury dochodów podatkowych krajów UE. O strukturze tej wydają się nadal decydować np. względy społeczne, ekonomiczne czy historyczne mające wpływ na tworzenie systemów podatkowych w poszczególnych krajach UE.
    The aim of this paper is to analyse tax revenues and examine similarities of selected tax revenues (mainly VAT, CIT, PIT and excise duty) in the European Union countries. The analysis of the EU members concerns the period between 2003 (i.e. the year preceding the biggest enlargement of the EU) and 2012 (due to data completeness). Tax rates and the structure of tax revenues in the EU countries were compared and then the cluster analysis was applied to assess the similarity of tax revenues. The analysis suggests that the process of tax harmonization, which took place in the period considered, did not exert a significant impact on the similarity of the structure of tax revenues in the EU countries. The structure seems to be still determined by e.g. social, economic or historical factors, which influenced the tax systems creation in particular EU countries.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2017, 5
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie języka R do statystycznej analizy oraz analizy skupień dla danych geochemicznych
    Use of R programming language for statistical analysis and cluster analysis of geochemical data
    Autorzy:
    Janiga, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/31348311.pdf
    Data publikacji:
    2023
    Wydawca:
    Instytut Nafty i Gazu - Państwowy Instytut Badawczy
    Tematy:
    analiza skupień
    metoda k-średnich
    metoda hierarchiczna
    skład gazu ziemnego
    cluster analysis
    k-means method
    hierarchical method
    natural gas composition
    Opis:
    W zagadnieniach geologii naftowej metody statystyczne są szeroko stosowane w petrografii, petrofizyce, geochemii, geomechanice, geofizyce wiertniczej czy sejsmice, a analiza skupień jest istotna w klasyfikacji skał – wyznaczaniu stref o pewnych własnościach, np. macierzystych lub zbiornikowych. Artykuł prezentuje użycie metod statystycznych, w tym metod analizy skupień, w procesach przetwarzania i analizy dużych zbiorów różnorodnych danych geochemicznych. Do analiz statystycznych wykorzystano literaturowe dane z analiz składu chemicznego i izotopowego gazów ziemnych. Wyniki zawierały skład chemiczny gazów ziemnych oraz skład izotopowy. Zastosowano algorytmy tzw. nienadzorowanego uczenia maszynowego do przeprowadzenia analizy skupień. Grupowania było przeprowadzone dwiema metodami: k-średnich oraz hierarchiczną. Do zobrazowania wyników grupowania metodą k-średnich można wykorzystać dwuwymiarowy wykres (funkcja fviz_cluster języka R). Wymiary na wykresie to efekt analizy głównych składowych (PCA) i są one liniową kombinacją cech (kolumn w tabeli). Wynikiem grupowania metodą hierarchiczną jest wykres nazywany dendrogramem. W artykule dodatkowo zaprezentowano wykresy pudełkowe i histogramy oraz macierz korelacji zawierającą współczynniki korelacji Pearsona. Wszystkie prace wykonano z użyciem języka programowania R. Język R, z wykorzystaniem programu RStudio, jest bardzo wygodnym i szybkim narzędziem do statystycznej analizy danych. Przy użyciu tego języka uzyskanie wymienionych powyżej wykresów, tabeli i danych jest szybkie i stosunkowo łatwe. Wyniki analiz składu gazu wydają się mało zróżnicowane. Mimo to dzięki algorytmom k-średnich i hierarchicznym możliwe było pogrupowanie danych geochemicznych na wyraźnie rozdzielne zespoły. Zarówno wartości składu izotopowego, jak i skład chemiczny pozwalają wyznaczyć grupy, które w inny sposób nie byłyby dostrzegalne.
    In petroleum geology, statistical methods are widely used in petrography, petrophysics, geochemistry, geomechanics, well log analysis and seismics, and cluster analysis is important for rock classification – determination of zones with certain properties, e.g., source or reservoir. This paper presents the use of the R language for statistical analysis, including cluster analysis, of large sets of diverse geochemical data. Literature data from analyses of chemical and isotopic composition of natural gases were used for statistical analyses. The results included the chemical composition of the natural gases and the isotopic composition. So-called unsupervised machine learning algorithms were used to perform the cluster analysis. Clustering was performed using two methods: k-means and hierarchical. A two-dimensional graph (function fviz_cluster) can be used to illustrate the results of the k-means clustering. The dimensions in the graph are the result of principal component analysis (PCA) and are a linear combination of the features (columns in the table). The result of hierarchical clustering is a graph called a dendrogram. The paper additionally presents box plots and histograms as well as a correlation matrix containing Pearson correlation coefficients. All work was completed using the programming language R. The R language, using the RStudio software, is a very convenient and fast tool for statistical data analysis. Obtaining the above-mentioned graphs, tables and data is quick and relatively easy, using the R language. The results of the analyses of the composition of the gas appear to have little variation. Nevertheless, thanks to k-means and hierarchical algorithms, it was possible to group the geochemical data into clearly separable groups. Both the isotopic composition values and the chemical composition make it possible to delineate groups that would not otherwise be noticeable.
    Źródło:
    Nafta-Gaz; 2023, 79, 9; 576-583
    0867-8871
    Pojawia się w:
    Nafta-Gaz
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      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