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 "K-means Clustering" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 32
Tytuł:
DSMK-means “density-based split-and-Merge K-means clustering algorithm
Autorzy:
Aldahdooh, R. T.
Ashour, W.
Powiązania:
https://bibliotekanauki.pl/articles/91719.pdf
Data publikacji:
2013
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
clustering
K-means
Density-based Split
Merge K-means clustering Algorithm
DSMK-means
clustering algorithm
Opis:
Clustering is widely used to explore and understand large collections of data. K-means clustering method is one of the most popular approaches due to its ease of use and simplicity to implement. This paper introduces Density-based Split- and -Merge K-means clustering Algorithm (DSMK-means), which is developed to address stability problems of standard K-means clustering algorithm, and to improve the performance of clustering when dealing with datasets that contain clusters with different complex shapes and noise or outliers. Based on a set of many experiments, this paper concluded that developed algorithms “DSMK-means” are more capable of finding high accuracy results compared with other algorithms especially as they can process datasets containing clusters with different shapes, densities, or those with outliers and noise.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2013, 3, 1; 51-71
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
An application of machine learning methods to cutting tool path clustering and rul estimation in machining
Autorzy:
Zegarra, Fabio C.
Vargas-Machuca, Juan
Roman-Gonzalez, Avid
Coronado, Alberto M.
Powiązania:
https://bibliotekanauki.pl/articles/28407324.pdf
Data publikacji:
2023
Wydawca:
Wrocławska Rada Federacji Stowarzyszeń Naukowo-Technicznych
Tematy:
feature extraction
k-means clustering
time series
unsupervised learning
Opis:
Machine learning has been widely used in manufacturing, leading to significant advances in diverse problems, including the prediction of wear and remaining useful life (RUL) of machine tools. However, the data used in many cases correspond to simple and stable processes that differ from practical applications. In this work, a novel dataset consisting of eight cutting tools with complex tool paths is used. The time series of the tool paths, corresponding to the three-dimensional position of the cutting tool, are grouped according to their shape. Three unsupervised clustering techniques are applied, resulting in the identification of DBA-k-means as the most appropriate technique for this case. The clustering process helps to identify training and testing data with similar tool paths, which is then applied to build a simple two-feature prediction model with the same level of precision for RUL prediction as a more complex four-feature prediction model. This work demonstrates that by properly selecting the methodology and number of clusters, tool paths can be effectively classified, which can later be used in prediction problems in more complex settings.
Źródło:
Journal of Machine Engineering; 2023, 23, 4; 5--17
1895-7595
2391-8071
Pojawia się w:
Journal of Machine Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Supporting investment decisions using data mining methods
Autorzy:
Sysiak, W.
Trajer, J.
Janaszek, M.
Powiązania:
https://bibliotekanauki.pl/articles/93017.pdf
Data publikacji:
2009
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
data mining
decision support
k-means clustering
neural networks
Opis:
This paper presents an application of k-means clustering in preliminary data analysis which preceded the choice of input variables for the system supporting the decision about stock purchase or sale on capital markets. The model forecasting share prices issued by companies in the food-processing sector quoted at the Warsaw Stock Exchange was created in STATISTICA 7.1. It was based on neural modeling and allowed for the assessment of changes direction in securities values (increase, decrease) and generates the quantitative forecast of their future price.
Źródło:
Studia Informatica : systems and information technology; 2009, 1(12); 67-78
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Implementation of Big Data Concept for Variability Mapping Control of Financing Assessment of Informal Sector Workers in Bogor City
Autorzy:
Salmah, Salmah
Andria, Fredi
Wahyudin, Irfan
Powiązania:
https://bibliotekanauki.pl/articles/1065325.pdf
Data publikacji:
2019
Wydawca:
Przedsiębiorstwo Wydawnictw Naukowych Darwin / Scientific Publishing House DARWIN
Tematy:
Big Data
Cluster
Informal Worker Sector
K-Means Clustering
Opis:
At present risks and uncertainties occur in protecting health for the community. This requires a national health insurance program that can guarantee health care costs. One of the program participants is a resident who works in the informal sector. This group is vulnerable as well as the potential for the implementation of health insurance programs. However, the level of participation of informal sector workers is still low, so an analysis of the constraints affecting it is needed. This study aims to identify categories of informal sector workers and analyze various obstacles faced by informal sector workers to become health insurance participants in the city of Bogor. The method used is the concept of big data with K-means clustering data mining techniques to group informal sector workers along with the constraints that exist in each of these groups. The results showed that there were 3 clusters with very low Social Security Administrator (BPJS) health ownership, namely cluster 1, cluster 3, and cluster 5. Each cluster had different constraints. Cluster 1 has constraints on the number of dependents it has, Cluster 3 has constraints on the gender side that are dominated by women, while Cluster 5 has constraints on the low-income side. Each cluster has a different obstacle resolution recommendation, namely for cluster 1 by registering workers in JKN contribution recipient (PBI) participants, cluster 2 by giving outreach to women who have only focused on men, and for clusters 5 by involving the community as a forum for the empowerment of informal sector workers.
Źródło:
World Scientific News; 2019, 135; 261-282
2392-2192
Pojawia się w:
World Scientific News
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Machine Learning-Based Small Cell Location Selection Process
Autorzy:
Wasilewska, Małgorzata
Kułacz, Łukasz
Powiązania:
https://bibliotekanauki.pl/articles/1839352.pdf
Data publikacji:
2021
Wydawca:
Instytut Łączności - Państwowy Instytut Badawczy
Tematy:
base station selection
k-means clustering
spectral clustering
user equipment allocation
Opis:
In this paper, the authors present an algorithm for determining the location of wireless network small cells in a dense urban environment. This algorithm uses machine learning, such as k-means clustering and spectral clustering, as well as a very accurate propagation channel created using the ray tracing method. The authors compared two approaches to the small cell location selection process – one based on the assumption that end terminals may be arbitrarily assigned to stations, and the other assuming that the assignment is based on the received signal power. The mean bitrate values are derived for comparing different scenarios. The results show an improvement compared with the baseline results. This paper concludes that machine learning algorithms may be useful in terms of small cell location selection and also for allocating users to small cell base stations.
Źródło:
Journal of Telecommunications and Information Technology; 2021, 2; 120-126
1509-4553
1899-8852
Pojawia się w:
Journal of Telecommunications and Information Technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Application of Clustering Method in Different Geophysical Parameters for Researching Subsurface Environment
Zastosowanie metody klastrowania w różnych parametrach geofizycznych do badania środowiska podpowierzchniowego
Autorzy:
Le, Cuong Van Anh
Nguyen, Ngan Nhat Kim
Nguyen, Thuan Van
Powiązania:
https://bibliotekanauki.pl/articles/2172080.pdf
Data publikacji:
2022
Wydawca:
Polskie Towarzystwo Przeróbki Kopalin
Tematy:
Electrical Resistivity Imaging
MASW
K-means Clustering
obrazowanie oporności elektrycznej
grupowanie K-średnich
Opis:
Safety of construction needs knowledge of physical parameters as stiffness or porosity of the subsurface environment. Combination of different geophysical methods such as electrical resistivity imaging and multichannel analysis of surface waves can provide distributions of resistivity and shear velocity which are responsible for the underground physical parameters. Their joint interpretation can solve individual problems of none-uniqueness of the solutions when expressing two inversion results to describe environment characteristics. In our work, the k-means clustering method can categorize the two parameters into specific zones that can help to interpret the geophysical data effectively. Our workflow consists of two stages in which two independent geophysical data are inverted and the k-means clustering is applied to the two results for achieving the specified groups. The collocated geophysical data are measured in District 9, Ho Chi Minh City, Vietnam. Matching with the geology drillhole information, the joint results generally present layered medium with the upper zone having smaller resistivity and shear velocity values and the bottom zone of stronger stiffness.
Bezpieczeństwo konstrukcji wymaga znajomości parametrów fizycznych, takich jak sztywność czy porowatość środowiska podpowierzchniowego. Połączenie różnych metod geofizycznych, takich jak obrazowanie rezystywności elektrycznej i wielokanałowa analiza fal powierzchniowych, może dostarczyć rozkłady rezystywności i prędkości ścinania, które są odpowiedzialne za parametry fizyczne podziemnych warstw. Ich wspólna interpretacja może rozwiązać indywidualne problemy niejednoznaczności rozwiązań przy wyrażaniu dwóch wyników inwersji do opisu cech środowiska. W naszej pracy metoda grupowania k-średnich może podzielić dwa parametry na określone strefy, co może pomóc w skutecznej interpretacji danych geofizycznych. Nasz przepływ pracy składa się z dwóch etapów, w których dwa niezależne dane geofizyczne są odwracane, a grupowanie k-średnich jest stosowane do dwóch wyników w celu uzyskania określonych grup. Zebrane dane geofizyczne są mierzone w Dystrykcie 9, Ho Chi Minh City, Wietnam. Dopasowując się do informacji uzyskanych z odwiertów geologicznych, wyniki połączeń ogólnie przedstawiają ośrodek warstwowy, w którym górna strefa ma mniejsze wartości rezystywności i prędkości ścinania, a dolna strefa ma większą sztywność.
Źródło:
Inżynieria Mineralna; 2022, 2; 39--47
1640-4920
Pojawia się w:
Inżynieria Mineralna
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Denoising and Analysis Methods of Computer Tomography Results of Lung Diagnostics for Use in Neural Network Technology
Autorzy:
Slavova, Oleksandra
Lebid, Solomiya
Powiązania:
https://bibliotekanauki.pl/articles/1833888.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Oddział w Lublinie PAN
Tematy:
computed tomography
CT scans analysis
convolutional neural network
image clustering
image denoising
k-means clustering
Opis:
Any type of biomedical screening emerges large amounts of data. As a rule, these data are unprocessed and might cause problems during the analysis and interpretation. It can be explained with inaccuracies and artifacts, which distort all the data. That is why it is crucial to make sure that the biomedical information under analysis was of high quality to omit to receive possibly wrong results or incorrect diagnosis. Receiving qualitative and trustworthy biomedical data is a necessary condition for high-quality data assessment and diagnostics. Neural networks as a computing system in data analysis provide recognizable and clear datasets. Without such data, it becomes extremely difficult to make a diagnosis, predict the course of the disease, and treatment result. The object of this research was to define, describe, and test a new approach to the analysis and preprocessing of the biomedical images, based on segmentation. Also, it was summarized different metrics for assessing image quality depending on the purpose of research. Based on the collected data, the advantages and disadvantages of each of the methods were identified. The proposed method of analysis and noise reduction was applied to the results of computed tomography lungs screening. Based on the appropriate evaluation metrics, the obtained results were evaluated quantitatively and qualitatively. As a result, the expediency of the proposed algorithm application was proven.
Źródło:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes; 2020, 9, 1; 19--24
2084-5715
Pojawia się w:
ECONTECHMOD : An International Quarterly Journal on Economics of Technology and Modelling Processes
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Homogeneous regionalization via L-moments for Mumbai City, India
Autorzy:
Parchure, Amit Sharad
Gedam, Shirish Kumar
Powiązania:
https://bibliotekanauki.pl/articles/108584.pdf
Data publikacji:
2019
Wydawca:
Instytut Meteorologii i Gospodarki Wodnej - Państwowy Instytut Badawczy
Tematy:
regional analysis
L-moments
tests for homogeneity
K-means clustering
principal components analysis
Opis:
This study identified homogeneous rainfall regions using a combination of cluster analysis and the L-moments approach. The L-moments of heavy rainfall events of various durations (0.25, 1, 6, 12, 24, 48, 72, 96, and 120 h) were analysed using seasonal (June-September) rainfall measurements at 47 meteorological stations over the period 2006- 2016. In the primary phase of this study, the homogeneity of Mumbai as a single region was examined by statistical testing (based on L-moment ratios and variations of the L-moments). The K-means clustering approach was applied to the site characteristics to identify candidate regions. Based on the most appropriate distribution, these regions were subsequently tested using at-site statistics to form the final homogeneous regions. For durations above 1h, the regionalisation procedure delineated six clusters of similarly behaved rain gauges, where each cluster represented one separate class of variables for the rain gauges. However, for durations below 1h, the regionalisation procedure was not efficient in the sense of identifying homogeneous regions for rainfall. Furthermore, the final clusters confirmed that the spatial variation of rainfall was related to the complex topography, which comprised flatlands (below or at mean sea level), urban areas with high rise buildings, and mountainous and hilly areas.
Źródło:
Meteorology Hydrology and Water Management. Research and Operational Applications; 2019, 7, 2; 73-83
2299-3835
2353-5652
Pojawia się w:
Meteorology Hydrology and Water Management. Research and Operational Applications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Shluková analýza a možnosti jejího využití při hledání typických skupin studentů během realizace výuky formou e-learningu
Cluster analysis and its application in search of typical groups of students in the implementation of teaching through e-learning
Autorzy:
CHRÁSKA, Miroslav
Powiązania:
https://bibliotekanauki.pl/articles/456627.pdf
Data publikacji:
2013
Wydawca:
Uniwersytet Rzeszowski
Tematy:
shluková analýza
shlukování metodou k-průměrů
studenti
e-learning
Cluster Analysis
K-Means Clustering
students
Opis:
Příspěvek popisuje výsledky výzkumu, v jehož rámci byly hledány typické skupiny studentů, které se objevují při realizaci výuky formou e-learningu. Využita byla shluková analýza, pomocí níž bylo zjištěno, že se vyskytuje pět charakteristických skupin studentů, které se odlišují zejména svým způsobem komunikace s tutorem.
This paper describes the results of research in which they were searched typical groups of students which appear in the implementation of teaching through e-learning. Cluster analysis was used. Was found that there are five characteristic groups of students, which is different especially in its own way communication with a tutor.
Źródło:
Edukacja-Technika-Informatyka; 2013, 4, 2; 147-153
2080-9069
Pojawia się w:
Edukacja-Technika-Informatyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Performance of Unsupervised Change Detection Method Based on PSO and K-means Clustering for SAR Images
Autorzy:
Shehab, Jinan N.
Abdulkadhim, Hussein A.
Powiązania:
https://bibliotekanauki.pl/articles/1844494.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
change detection
k-means clustering
multitemporal satellite image
PSO
Gabor wavelet filter
remote sensing
Opis:
This paper presents unsupervised change detection method to produce more accurate change map from imbalanced SAR images for the same land cover. This method is based on PSO algorithm for image segmentation to layers which classify by Gabor Wavelet filter and then K-means clustering to generate new change map. Tests are confirming the effectiveness and efficiency by comparison obtained results with the results of the other methods. Integration of PSO with Gabor filter and k-means will providing more and more accuracy to detect a least changing in objects and terrain of SAR image, as well as reduce the processing time.
Źródło:
International Journal of Electronics and Telecommunications; 2021, 67, 3; 403-408
2300-1933
Pojawia się w:
International Journal of Electronics and Telecommunications
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
K-means clustering in textured image: example of lamellar microstructure in titanium alloys
Klasteryzacja k-średnich obrazów teksturowych lamelarnych mikrostruktur stopów tytanu
Autorzy:
Al Darwich, R.
Babout, L.
Strzecha, K.
Powiązania:
https://bibliotekanauki.pl/articles/407821.pdf
Data publikacji:
2017
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
k-means clustering
oriented textured
number of cluster
X-ray tomography
klasteryzacja k-średnich
tekstura zorientowana
liczba klastrów
tomografia rentgenowska
Opis:
This paper presents an implementation of the k-means clustering method, to segment cross sections of X-ray micro tomographic images of lamellar Titanium alloys. It proposes an approach for estimating the optimal number of clusters by analyzing the histogram of the local orientation map of the image and the choice of the cluster centroids used to initialize k-means. This is compared with the classical method considering random coordinates of the clusters.
W artykule przedstawiono implementację metody klasteryzacji k-średnich, do segmentacji dwuwymiarowych rentgenowskich obrazów mikro tomograficznych lamelarnych stopów tytanu. Zaproponowano metody szacowania optymalnej liczbę klastrów oraz wyboru centro idów poprzez analizę histogramu mapy lokalnych kierunków obrazu. Dokonano porównania zaproponowanych metod z losowym doborem początkowego położenia klastrów.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 3; 43-46
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Podobieństwa rynków pracy w grupie krajów UE-28
The similarity of labour markets in the EU-28 countries
Autorzy:
Wąsowicz, Jarosław
Powiązania:
https://bibliotekanauki.pl/articles/591310.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Ekonomiczny w Katowicach
Tematy:
Metoda k-średnich
Metody aglomeracji
Rynki pracy w UE-28
Agglomerative hierarchical clustering method
K-means clustering
Labour markets in the EU-28
Opis:
W artykule uwagę skoncentrowano na grupowaniu rynków pracy w badanych krajach UE-28 w celu utworzenia jednorodnych klas. Procedura grupowania uwzględnia wewnętrzne zróżnicowanie rynków pracy. W badaniu zastosowano hierarchiczne metody aglomeracyjne i metodę k-średnich. Głównymi kryteriami decydującymi o przynależności rynków pracy krajów UE-28 do skupień są wskaźnik zatrudnienia oraz współczynnik aktywności zawodowej.
The paper focuses on the clustering of labor markets in the EU-28 countries in order to form homogeneous clusters. The clustering procedure of EU countries is based on intra and inter-group differences in labor markets. The agglomerative hierarchical clustering and k-means clustering methods were used in the paper. The main criteria for deciding on countries belonging to clusters are employment rate and economic activity rate.
Źródło:
Studia Ekonomiczne; 2016, 289; 218-226
2083-8611
Pojawia się w:
Studia Ekonomiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
The Application of Association Rules to Detect the Effects of Vaccinations against Covid-19 in the EU-27. Preliminary Estimates
Stosowanie zasad stowarzyszenia w celu wykrywania skutków szczepionek przeciwko COVID-19 w UE-27. Wstępne szacunki
Autorzy:
Berezka, Kateryna
Powiązania:
https://bibliotekanauki.pl/articles/2196126.pdf
Data publikacji:
2023
Wydawca:
Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:
COVID-19
association rules
k-means clustering
vaccinations
EU country
decision-making
zasady asocjacji
grupowanie k-średnich
szczepienia
kraj UE
podejmowanie decyzji
Opis:
In this research study, the authors obtained the preliminary evaluation of the impact detection of vaccinations against COVID-19 in the EU-27. The empirical basis of the study was the daily number of COVID-19 cases, vaccinations, hospitalisations, and deaths in the EU countries from March 2020 to March 2022. Rules of association were used to identify non-obvious associations between vaccinations against COVID-19 and cases of illness, hospitalisations, and deaths from COVID-19. The obtained results were used to cluster the EU countries by the level of vaccinations against COVID-19, cases of COVID-19, deaths from COVID, and COVID-19 hospitalisations for the EU member states. The K-means clustering method was used for cluster analysis. Hidden dependencies of the number of COVID-19 cases, the number of COVID-19 hospitalisations, and the number of COVID-19 deaths due to the number of vaccinations against COVID-19 by EU countries were revealed. It was established with a high probability that vaccination significantly affects the level of morbidity. For the first time, association rules were obtained, which are preliminary estimates of the relationship between the dynamics of vaccinations against COVID-19 and the dynamics of COVID-19 cases, COVID-19 hospitalisations, and deaths from COVID-19 in the EU. The results can be used to make beneficial decisions, for example, to regulate vaccination policies in individual EU countries, and predict the future consequences of the COVID-19 pandemic.
W tym badaniu autorzy uzyskali wstępną ocenę skuteczności wykrywania szczepień przeciwko COVID-19 w UE-27. Empiryczną podstawą badania jest dzienna liczba zachorowań na COVID-19, szczepień, hospitalizacji i zgonów w krajach UE w okresie od marca 2020 do marca 2022 r. Reguły asocjacji posłużyły do zidentyfikowania nieoczywistych powiązań między szczepieniami przeciwko COVID-19 oraz przypadków zachorowań, hospitalizacji i zgonów z powodu COVID-19. Uzyskane wyniki posłużyły do grupowania krajów UE według poziomu szczepień przeciwko COVID-19, przypadków choroby, zgonów z jej powodu oraz hospitalizacji dla krajów członkowskich UE. Do analizy skupień zastosowano metodę k-średnich grupowania. Ujawniono ukryte zależności liczby zachorowań na COVID-19, liczby hospitalizacji z powodu COVID-19 oraz liczby zgonów z powodu COVID-19 w związku z liczbą szczepień przeciwko COVID-19 w krajach UE. Stwierdzono z dużym prawdopodobieństwem, że szczepienia istotnie wpływają na poziom zachorowalności. Po raz pierwszy uzyskano reguły asocjacyjne, które są wstępnymi szacunkami zależności między dynamiką szczepień przeciwko COVID-19 a dynamiką zachorowań na COVID-19, hospitalizacji z tego powodu i zgonów w krajach UE. Wyniki mogą posłużyć do podejmowania korzystnych decyzji, np. do uregulowania polityki szczepień w poszczególnych krajach UE i przewidywania przyszłych konsekwencji choroby.
Źródło:
Econometrics. Ekonometria. Advances in Applied Data Analytics; 2023, 27, 1; 1-16
1507-3866
Pojawia się w:
Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Podobieństwa struktur zatrudnienia w sektorze przemysłowym w krajach UE-27
The Similarities of Employment Structures in Industrial Sector in the Eu-27 Countries
Autorzy:
Wąsowicz, Jarosław
Powiązania:
https://bibliotekanauki.pl/articles/439399.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Pedagogiczny im. Komisji Edukacji Narodowej w Krakowie
Tematy:
metoda k-średnich
metody aglomeracji
podobieństwa w grupie krajów UE-27
zatrudnienie w sektorze przemysłowym
agglomerative hierarchical clustering method
employment in industry sector
k-means clustering
similarities in the EU-27 countries
Opis:
Sektor przemysłowy jest jedną z głównych sił napędowych wzrostu gospodarczego, szczególniew krajach rozwijających się. Pozytywna dynamika zmian w sektorze przemysłowym przyczynia siędo efektów w innych sektorach gospodarki. Celem artykułu jest pogrupowanie badanych krajów UE-27 podwzględem zatrudnienia w sektorze przemysłowym w celu utworzenia jednorodnych klas. Zakres czasowyanalizy obejmuje 2013 rok. Wybór takiego okresu badawczego wynika z dostępności i porównywalności danychstatystycznych w przekroju poszczególnych krajów Unii Europejskiej. Procedura grupowania uwzględniawewnątrzgrupowe i międzygrupowe zróżnicowanie wybranych zmiennych diagnostycznych. W badaniuzastosowano hierarchiczne metody aglomeracji i metodę k-średnich. Głównymi kryteriami decydującymio przynależności badanych krajów UE-27 do skupień są: udział zatrudnionych w produkcji i udział zatrudnionychw budownictwie. Kraje UE-15, zwłaszcza Niemcy, Wielka Brytania, Francja, Hiszpania, Włochy i osobnoPolska charakteryzują się wyższymi wartościami średnich dla wybranych zmiennych diagnostycznych, czyliudziału zatrudnionych w sektorze produkcji i udziału zatrudnionych w budownictwie, w porównaniu z przeciętnymiwartościami zmiennych w grupie pozostałych krajów UE-27.
The industrial sector is the one of key engine of economic growth especially in the developing countries. The positive dynamics of change in industrial sectors lead to effects in other areas of economy. The paper focuses on the clustering of employment in industrial sector in the EU-27 countries in order to form homogeneous clusters. The period considered is the year 2013. The choice of such a research period comes from the availability and comparability of the statistical data within the European Countries. The clustering procedure of EU countries is based on intra and inter-group differences on selected diagnostic variables. The agglomerative hierarchical clustering and k-means clustering methods were used in the paper. The main criteria for deciding on UE-27 countries belonging to clusters are the share of employment in manufacturing and the share of employment in construction. The countries of the EU-15, particularly Germany, Great Britain, France, Spain, Italy and separately Poland as well are characterized by higher values of average for selected diagnostic variables i.e. the share of employment in manufacturing and the share of employment in construction in relation to the average of variables for the remaining countries.
Źródło:
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego; 2016, 30, 3; 33-44
2080-1653
Pojawia się w:
Prace Komisji Geografii Przemysłu Polskiego Towarzystwa Geograficznego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
K-means is probabilistically poor
Autorzy:
Kłopotek, Mieczysław
Powiązania:
https://bibliotekanauki.pl/articles/2201613.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Przyrodniczo-Humanistyczny w Siedlcach
Tematy:
k-means
clustering
probabilistic k-richness
Opis:
Kleinberg introduced the concept of k-richness as a requirement for an algorithm to be a clustering algorithm. The most popular algorithm k means dos not fit this definition because of its probabilistic nature. Hence Ackerman et al. proposed the notion of probabilistic k-richness claiming without proof that k-means has this property. It is proven in this paper, by example, that the version of k-means with random initialization does not have the property probabilistic k-richness, just rebuking Ackeman's claim.
Źródło:
Studia Informatica : systems and information technology; 2022, 2(27); 5--26
1731-2264
Pojawia się w:
Studia Informatica : systems and information technology
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 32

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