Temat: multidimensional data - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Zastosowanie funkcji przynależności w analizie subiektywnego postrzegania jakości życia
Application of membership function in the analysis of subjective perception of quality of life
Autorzy:: Dudek, Hanna
Szczesny, Wiesław
Powiązania:: https://bibliotekanauki.pl/articles/425020.pdf
Data publikacji:: 2015
Wydawca:: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu
Tematy:: membership function
quality of life
multidimensional data analysis
Opis:: In this paper a multivariate analysis of the subjective perception of quality of life is undertaken. In the analysis methods of a fuzzy set theory are applied. The study is conducted on data from the Social Diagnosis 2013. It includes 16 items relating to the evaluation of satisfaction with particular aspects of life. Each of these items is measured on a 7-grade scale. The item’s categories are converted into a [0, 1] interval by using a membership function. In order to aggregate items into synthetic indicators various systems of weights are used. It is found that the choice of weights does not significantly affect the distribution of synthetic indicators. In the next stage, the subjective perception of the quality of life in different socio- -demographic groups is analyzed. It is found that such characteristics as gender, place of residence, size of household, education level and age are important determinants of subjective perception of quality of life.
Źródło:: Econometrics. Ekonometria. Advances in Applied Data Analytics; 2015, 4 (50); 62-78
1507-3866
Pojawia się w:: Econometrics. Ekonometria. Advances in Applied Data Analytics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: MULTIDIMENSIONAL ANALYSIS IN THE CREATION OF MEDICAL CLUSTERS IN ŁÓDŹ – A CONCEPTUAL WORK
WIELOWYMIAROWA ANALIZA W TWORZENIU KLASTRÓW MEDYCZNYCH W ŁODZI – PRACA KONCEPCYJNA
Autorzy:: Twaróg, Sebastian
Ojrzyńska, Anna
Powiązania:: https://bibliotekanauki.pl/articles/654190.pdf
Data publikacji:: 2014
Wydawca:: Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:: Klaster medyczny
wielowymiarowe analizy danych.
Medical cluster
multidimensional data analysis.
Opis:: Celem artykułu jest zaprezentowanie koncepcji doboru podmiotów świadczących usługi medyczne w województwie łódzkim do klastrów. Klaster medyczny to celowo dobrana grupa podmiotów o kompetencjach komplementarnych połączona zależnościami o charakterze organizacyjnym, prawnym, finansowym i naukowym, którego celem jest konsumpcja efektu synergii z korzyścią dla pacjentów, budżetu państwa i nauki. W badaniu wykorzystano metody wielowymiarowej analizy danych. W pierwszej kolejności za pomocą hierarchicznej procedury grupowania wyodrębniono grupy podobnych do siebie z punktu widzenia kompetencji medycznych szpitali. Następnie określono kryteria podziału charakteryzujące odrębności kompetencyjne w ramach grup. W ten sposób otrzymano grupy szpitali niepodobnych (najbardziej różnych od siebie). Następnie na podstawie kryterium minimalnej odległości z każdej grupy szpitali wybierano po jednym obiekcie, aby w ten sposób otrzymać nowe grupy obiektów, zdecydowanie różnych pod względem możliwości oferowanych usług medycznych, a jednocześnie znajdujących się w niedalekiej odległości od siebie. Te dwa aspekty mogą stanowić przesłankę do zainicjowania współpracy między tymi obiektami w ramach klastra medycznego.
This article aims at presenting a concept of the way entities that provide medical services should be selected for clusters. A medical cluster is a designated group of entities that represent complimentary competencies and are connected organisational, legal, financial and scientific interdependencies. A medical cluster is oriented to benefit from a synergy effect to support patients, the state budget and science. The research employed a multidimensional data analysis. Firstly, a hierarchical grouping procedure was used to distinguish groups of hospitals that have similar medical competencies. Then, division criteria that characterise competence differences within the groups in question were found. This way, groups of dissimilar (the most dissimilar) hospitals were obtained. Subsequently, on the basis of a minimal distance criterion, one entity was selected from each group to obtain new groups of entities that were decisively different in the context of medical services offered and simultaneously situated in the close vicinity to one another. These two aspects may offer some premises to initiate co-operation between the entities subject to the research within a given medical cluster.
Źródło:: Acta Universitatis Lodziensis. Folia Oeconomica; 2014, 6, 309
0208-6018
2353-7663
Pojawia się w:: Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Exploring the context of maritime SAR missions using visual data mining techniques
Autorzy:: Sonninen, M.
Goerlandt, F.
Powiązania:: https://bibliotekanauki.pl/articles/135224.pdf
Data publikacji:: 2015
Wydawca:: Akademia Morska w Szczecinie. Wydawnictwo AMSz
Tematy:: visual data mining
multidimensional data
maritime search and rescue
recreational boating
boating safety
maritime safety
Opis:: The environmental conditions in the Gulf of Finland vary significantly in different locations. In addition, the gulf is a busy and important area for waterway traffic and international trade throughout the year. In summer, the area is ideal for recreational activities such as boating and other water-related activities. Water accidents occur due to different factors and under varying weather conditions. This paper introduces a visual data mining analysis applied to Search and Rescue (SAR) missions related to recreational boating. Starting from a SAR operations database, an integrated database was constructed by adding weather and wave data. The aim was to compare the different mission types as well as the activity of different SAR organisations during challenging wind and wave conditions. The investigation was performed using visual analysis techniques. The densest areas of challenging wind and wave conditions were found in the western and eastern parts of the gulf. Other investigated parameters were travelled distances and occurrence of the incidents during different times of day. A more detailed analysis was conducted for one dataset.
Źródło:: Zeszyty Naukowe Akademii Morskiej w Szczecinie; 2015, 43 (115); 79-88
1733-8670
2392-0378
Pojawia się w:: Zeszyty Naukowe Akademii Morskiej w Szczecinie
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: SOLAP GIS in maritime research
Autorzy:: Drypczewski, K.
Stepnowski, A.
Powiązania:: https://bibliotekanauki.pl/articles/332276.pdf
Data publikacji:: 2016
Wydawca:: Polskie Towarzystwo Akustyczne
Tematy:: spatio-temporal GIS
multidimensional data
fish biomass estimation
AIS
tracking vessel movement
Opis:: Multidimensional Geographical Information System is a system especially designed to acquire, distribute, analyze and visualize complicated spatio-temporal data. Modern Geographical Information System technology can provide easy-to-use, near real-time solutions to many problems from different areas of research. In the article, authors summarize recent works on Spatial Online Analytical Processing (SOLAP) and multidimensional Geographical Information System (GIS), discuss its capabilities and data structures used in spatio-temporal datasets, and propose its possible applications in maritime research.
Źródło:: Hydroacoustics; 2016, 19; 93-100
1642-1817
Pojawia się w:: Hydroacoustics
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Exploiting Ordinal Data for Subjective Well-Being Evaluation
Autorzy:: Fattore, Marco
Maggino, Filomena
Arcagni, Alberto
Powiązania:: https://bibliotekanauki.pl/articles/465885.pdf
Data publikacji:: 2015
Wydawca:: Główny Urząd Statystyczny
Tematy:: subjective well-being multidimensional ordinal data
partial order
Opis:: The evaluation of subjective well-being, and of similar issues related to quality of life, is usually addressed through composite indicators or counting procedures. This leads to inconsistencies and inefficiency in the treatment of ordinal data that, in turn, affect the quality of information provided to scholars and to policy-makers. In this paper we take a different path and prove that the evaluation of multidimensional ordinal well-being can be addressed in an effective and consistent way, using the theory of partially ordered sets. We first show that the proper evaluation space of well-being is the partially ordered set of achievement profiles and that its structure depends upon the importance assigned to well-being attributes. We then describe how evaluation can be performed extracting information out of the evaluation space, respecting the ordinal nature of data and producing synthetic indicators without attribute aggregation. An application to subjective well-being in Italy illustrates the procedure.
Źródło:: Statistics in Transition new series; 2015, 16, 3; 409-428
1234-7655
Pojawia się w:: Statistics in Transition new series
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 6.

Tytuł:: Diversification maps as a tool for multidimensional data presentation
Autorzy:: Jałowiecki, P.
Jałowiecka, E.
Powiązania:: https://bibliotekanauki.pl/articles/94983.pdf
Data publikacji:: 2012
Wydawca:: Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:: data presentation
multidimensional data
spatial graphs
diversification maps
prezentacja danych
dane wielowymiarowe
wykresy przestrzenne
mapy dywersyfikacji
Opis:: In addition to data analysis, equally important issue, is the appropriate presentation of the analysis results during the economic, social and demographic studies. Depending on the legibility of the used form, it may make it easier or more difficult to interpret and draw conclusions. Especially difficult is the presentation of multidimensional data, according to the limitations of traditional types of graphs. The paper presents a graphical presentation of the three-dimensional data in the form of the so-called "map of differentiation" that is suitably modified spatial graph. There were presented different types of maps, layers determination ways and examples of specific applications for cigarettes consumption and diversification of logistics in the Polish food processing data.
Źródło:: Information Systems in Management; 2012, 1, 3; 197-210
2084-5537
2544-1728
Pojawia się w:: Information Systems in Management
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 7.

Tytuł:: Application of multi-parameter data visualization by means of multidimensional scaling to evaluate possibility of coal gasification
Wykorzystanie wizualizacji wielowymiarowych danych przy użyciu skalowania wielowymiarowego do oceny możliwości zgazowania węgla
Autorzy:: Jamróz, D.
Niedoba, T.
Surowiak, A.
Tumidajski, T.
Szostek, R.
Gajer, M.
Powiązania:: https://bibliotekanauki.pl/articles/219920.pdf
Data publikacji:: 2017
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: zgazowanie węgla
wizualizacja wielowymiarowa
skalowanie wielowymiarowe
MDS
wielowymiarowe dane
wzbogacanie w osadzarkach
coal gasification
multidimensional visualization
multidimensional scaling
multidimensional data
Opis:: The application of methods drawing upon multi-parameter visualization of data by transformation of multidimensional space into two-dimensional one allow to show multi-parameter data on computer screen. Thanks to that, it is possible to conduct a qualitative analysis of this data in the most natural way for human being, i.e. by the sense of sight. An example of such method of multi-parameter visualization is multidimensional scaling. This method was used in this paper to present and analyze a set of seven-dimensional data obtained from Janina Mining Plant and Wieczorek Coal Mine. It was decided to examine whether the method of multi-parameter data visualization allows to divide the samples space into areas of various applicability to fluidal gasification process. The “Technological applicability card for coals” was used for this purpose [Sobolewski et al., 2012; 2013], in which the key parameters, important and additional ones affecting the gasification process were described.
Metody służące do wizualizacji złożonych, wielowymiarowych danych poprzez transformację przestrzeni wielowymiarowej do dwuwymiarowej umożliwiają prezentację tych danych na ekranie komputera. Tym samym są przystępnym instrumentem analizy zbiorów danych, pozwalającym wykorzystać połączenie naszego wzroku z mocą naszej osobistej sieci neuronowej (mózgu) do wyodrębnienia z danych cech, których zauważenie przy pomocy innych metod może być bardzo trudne. W artykule zastosowano jedną z takich metod – skalowanie wielowymiarowe – w celu sprawdzenia, skuteczności tej metody do analizy próbek węgla ze względu na jego przydatność do procesu zgazowania w kotle fluidalnym. W tym celu pobrano próbki dwóch węgli, z KWK „Wieczorek” (węgiel typu 32) oraz ZG „Janina” (węgiel typu 31.2), które następnie miały być poddane testom pod względem ich przydatności do zgazowania. Każda z próbek została zbadana ze względu na cechy, których określone poziomy są kluczowe oraz wskazane w kontekście procesu zgazowania według „Karty przydatności węgli do zgazowania” (Sobolewski et al., 2012; 2013). Każdy z węgli został rozdzielony na osadzarce pierścieniowej (10 pierścieni, uziarnienie węgla 0-18 mm) w wyniku czego powstało pięć warstw (po 2 pierścienie każda). Następnie każda z warstw została rozsiana na 10 klas ziarnowych. Tak otrzymane produkty zostały poddane technicznej oraz chemicznej analizie (ogółem 50 próbek z ZG „Janina” oraz 49 próbek z KWK „Wieczorek” – klasa ziarnowa 16-18 mm w tej drugiej kopalni nie została uzyskana i pomiar był niemożliwy do zrealizowania. Tym samym otrzymano takie parametry do analizy jak: zawartość siarki, zawartość wodoru, zawartość azotu, zawartość chloru, zawartość węgla organicznego, ciepło spalania oraz zawartość popiołu. W wyniku przeprowadzonych badań oraz porównania ich z wymogami prezentowanymi w „Karcie przydatności węgli do zgazowania” okazało się, że tylko 18 próbek spełnia wszystkie wymogi, z czego aż 17 pochodziło z KWK „Wieczorek”. Postanowiono poddać ocenie wszystkie próbki bardziej złożonej obserwacji – wielowymiarowej analizie danych za pomocą skalowania wielowymiarowego. W rozdziale 3 przedstawiono szczegółowo zastosowaną metodologię analizy wraz z opisem algorytmu. Następnie, w rozdziale 4 przedstawiono wyniki obserwacji przeprowadzonych za pomocą opracowanego w tym celu programu komputerowego, napisanego w języku C++. Rysunki 1-3 przedstawiają sytuację, gdzie dane reprezentujące próbki węgla mniej lub bardziej przydatne do zgazowania zaczynają tworzyć podgrupy. Proces grupowania został przedstawiony etapowo, tzn. rys. 1 prezentuje sytuację wyjściową, Rys. 2 sytuację przy bardzo małej wartości parametru ITER = 5, zaś Rys. 3 najlepszy możliwy widok, otrzymany przy wartości parametru ITER = 340. Widać na tym rysunku, że obrazy punktów reprezentujących próbki węgla bardziej oraz mniej podatnego na zgazowanie zajmują osobne podobszary. Widać, że na całym obszarze rysunku, podobszary te można łatwo od siebie odseparować. Przez to możemy na podstawie tego rysunku stwierdzić, że skalowanie wielowymiarowe pozwala podzielić przestrzeń próbek na obszary o różnej przydatności do procesu zgazowania fluidalnego. Dzięki temu analizując następne, nieznane próbki możemy poprzez ich wizualizację zakwalifikować je do grupy bardziej podatnych na zgazowanie lub mniej podatnych na zgazowanie. Ważne jest to szczególnie dlatego, ponieważ w analizowanej sytuacji próbki węgla bardziej podatnego na zgazowanie zajmują wnętrze siedmiowymiarowego prostopadłościanu – co jest znacznym uproszczeniem. Wynika to bezpośrednio z faktu, iż przyjęte warunki określające przynależność do tej grupy („Karta przydatności Technologicznej węgla”) to proste nierówności przy pomocy których łatwo można sprawdzić taką przynależność. W rzeczywistości, może się jednak okazać, że obszar przynależności może mieć znacznie bardziej skomplikowany kształt. Wtedy na podstawie większej ilości próbek, których przynależność do klasy węgla bardziej podatnego na zgazowanie zostanie stwierdzona empirycznie, można będzie próbować przy pomocy skalowania wielowymiarowego uzyskać podział przestrzeni na obszary reprezentujące próbki węgla bardziej oraz mniej podatnego na zgazowanie. Rys. 4 przedstawia podobny podział, ale bez wzięcia pod uwagę parametru „zawartość chloru”. Również i w tym przypadku próbki węgla mniej lub bardziej podatnego na zgazowanie tworzą wyraźne podgrupy. Przy pominięciu parametru „zawartość chloru” już 78 próbek (37 z ZG „Janina” oraz 41 z KWK „Wieczorek”) z analizowanych 99-ciu spełniałoby wymogi zawarte w „Karcie przydatności węgla do zgazowania”. Rys. 5 przedstawia inne podejście do analizowanych próbek węgla. Tym razem za kryterium podziału przyjęto pochodzenie węgla z KWK „Wieczorek” lub ZG „Janina”, bez rozpatrywania ich w kontekście przydatności do zgazowania. Również i tym razem okazało się, że zastosowana metodologia pozwala stwierdzić możliwość efektywnego rozdzielenia, a tym samym prawidłowego rozpoznania analizowanych próbek węgla. Tym samym dowiedziono, że metoda skalowania wielowymiarowego może być bardzo przydatnym narzędziem podczas wieloparametrycznej analizy próbek różnego typu węgli.
Źródło:: Archives of Mining Sciences; 2017, 62, 3; 445-457
0860-7001
Pojawia się w:: Archives of Mining Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 8.

Tytuł:: Application of multidimensional data visualization by means of self-organizing Kohonen maps to evaluate classification possibilities of various coal types
Zastosowanie wizualizacji wielowymiarowych danych za pomocą sieci Kohonena do oceny możliwości klasyfikacji różnych typów węgla
Autorzy:: Jamróz, D.
Niedoba, T.
Powiązania:: https://bibliotekanauki.pl/articles/220033.pdf
Data publikacji:: 2015
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: Kohonen maps
grained material analysis
coal
multidimensional data
multidimensional visualization methods
sieci Kohonena
analiza materiału uziarnionego
dane wielowymiarowe
metody wizualizacji wielowymiarowej
Opis:: Multidimensional data visualization methods are a modern tool allowing to classify some analysed objects. In the case of grained materials e.g. coal, many characteristics have an influence on the material quality. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. To achieve this purpose, the method of Kohonen maps was applied by means of which three types of coal – 31, 34.2 and 35 (according to Polish classification of coal types) were investigated. It was stated that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials.
Metody wizualizacji wielowymiarowych danych są nowoczesnym narzędziem umożliwiającym klasyfikację analizowanych obiektów, którymi mogą być różnego typu dane opisujące wybrane zjawisko lub materiał. W przypadku materiałów uziarnionych, jakim jest np. węgiel, wiele cech ma wpływ na jakość materiału, tj. np. gęstość, wielkość ziaren, ciepło spalania, zawartość popiołu, zawartość siarki itp. Na potrzeby artykułu przeprowadzono rozdział węgli z trzech wybranych kopalni węgla kamiennego, zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Każda z tych kopalni pracuje na innego typu węglu. W tym przypadku były to węgle o typach 31, 34.2 oraz 35 (według polskiej klasyfikacji typów węgla). Najpierw, materiał został podzielony na klasy ziarnowe a następnie za pomocą rozdziale w cieczy ciężkiej (roztwór chlorku cynku) na frakcje gęstościowe. Dla tak przygotowanego materiału przeprowadzono następnie analizy chemiczne mające na celu określenie takich parametrów, jak zawartość siarki, zawartość popiołu, zawartość części lotnych, ciepło spalania oraz wilgotność analityczną. W ten sposób, dla każdej klaso-frakcji uzyskano bogate charakterystyki badanego materiału. Nasuwa się więc pytanie, czy możliwa jest identyfikacja typu węgla za pomocą dostępnych danych. W tym celu zastosowano wielowymiarową technikę wizualizacji statystycznej. Istnieje wiele metod takiej wizualizacji, z których kilka było już przedmiotem wcześniejszych publikacji autorów. W tym wypadku autorzy zdecydowali się zastosować metodę sieci Kohonena. Metoda ta została opisana w rozdziale 2 pracy, gdzie oprócz opisu teoretycznego podano również główne wzory stosowane podczas modelowania tą metodą (wzory (1)-(5)). Do zbadania postawionego problemu wykorzystano optymalną liczbę iteracji i optymalny czas uczenia sieci. Pewnym problemem pojawiającym się przy takiej wizualizacji jest konieczność doboru parametrów, w celu uzyskania widoku, który w sposób czytelny prezentuje poszukiwane przez nas informacje. Należy wspomnieć, że w trakcie prowadzonych eksperymentów uzyskiwano widoki przy użyciu sieci neuronowej o wielkości od 10 × 10 do 100 × 100 neuronów. Widoki były uzyskiwane przy wartości parametru MAX_DISTANCE od 1 do wielkości sieci oraz parametru ITER od 1 do 5000. Eksperymenty były prowadzone dla różnych wzorów określających modyfikację wag. Przedstawione w pracy wyniki stanowią najbardziej czytelne z uzyskanych. Wizualizacja wielowymiarowa przy użyciu sieci Kohonena pozwala stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35, przy czym nawet zobrazowanie 3 typów węgla na jednym rysunku pozwala stwierdzić, że neurony reprezentujące próbki węgla danego typu gromadzą się w skupiskach, które można od siebie odseparować. Z tego wynika, że dane zawierają informacje wystarczające do prawidłowej klasyfikacji węgla. Zauważyć jednak warto, że przedstawienie przy pomocy sieci Kohonena, danych reprezentujących różne typy węgla parami, pozwala uzyskać jeszcze bardziej czytelne wyniki. Najlepsze efekty osiągnięto dla sieci o 40 wierszach oraz 40 kolumnach neuronów, co łącznie dało liczbę 1600 neuronów, zaś czytelność wyników rośnie wraz z postępem uczenia sieci neuronowej (wzrostem parametru ITER). Przeprowadzone doświadczenia w pełni potwierdzają, że zastosowana metoda może być z powodzeniem wykorzystana w badaniach jakościowych związanych z różnego typu materiałami uziarnionymi, w tym również węglem. Badania w tym zakresie są kontynuowane.
Źródło:: Archives of Mining Sciences; 2015, 60, 1; 39-50
0860-7001
Pojawia się w:: Archives of Mining Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: Economic contexts of differences in digital exclusion
Ekonomiczne uwarunkowania zróżnicowania wykluczenia cyfrowego
Autorzy:: Śmiałowski, T.
Ochnio, L.
Powiązania:: https://bibliotekanauki.pl/articles/2118631.pdf
Data publikacji:: 2019
Wydawca:: Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
Tematy:: ICT
income
socio-economic groups
inequalities
multidimensional data analysis
dochody
grupa społeczno-ekonomiczna
zróżnicowanie
wielowymiarowa analiza danych
Opis:: In the 21st century, the problem of digital divide is more and more dynamic. Lack of access to digital technology is now the same exclusion as once slavery, lack of access to education or to work. The paper presents the results of research on the impact of belonging to a socio-economic group and income on a scale and diversity of the digital divide of Polish households in 2003–2015. Author’s digital divide indicator was used to as- sess the impact. In the analyzed period, the scale of digital divide is gradually decreasing, however, its level depends on the socio-economic group and the income. From all socio-economic groups only in the group of students the digital exclusion as marginal. However, the phenomenon of digital divide was the most notice- able among the groups of farmers, pensioners and retirees – almost 80% of people from these groups were excluded or at risk of digital divide. In the case of the second analyzed factor, the research has shown that with the increase in income, the scale of digital divide and its diversification were getting smaller.
W XXI wieku problem wykluczenia cyfrowego nabiera coraz większej dynamiki. Brak dostępu do technologii cyfrowej jest obecnie takim samym wykluczeniem jak niegdyś niewolnictwo, brak dostępu do edukacji lub pracy. W artykule przedstawiono wyniki badań dotyczących wpływu przynależności do grupy społeczno-ekonomicznej oraz dochodów na skalę i zróżnicowanie wykluczenia cyfrowego polskich gospodarstw domowych w latach 2003–2015. Do oceny wpływu wykorzystano autorski wskaźnik wykluczenia cyfrowego. Pro- wadzone badania wykazały, że w analizowanym okresie skala tego wykluczenia ulega stopniowemu zmniej- szeniu, jednakże jego poziom był uzależniony od przynależności do danej grupy społeczno-ekonomicznej oraz wielkości dochodów. Ze wszystkich grup społeczno-ekonomicznych tylko wśród uczniów i studentów to zjawisko występowało w marginalnym stopniu. Z kolei wśród rolników, rencistów i emerytów było ono najbardziej zauważalne – blisko 80% osób z tych grup było wykluczonych lub zagrożonych wykluczeniem cyfrowym. W przypadku drugiego analizowanego czynnika badania wykazały, że wraz ze wzrostem dochodów skala wykluczenia cyfrowego oraz jego zróżnicowanie były coraz mniejsze.
Źródło:: Acta Scientiarum Polonorum. Oeconomia; 2019, 18, 2; 119-128
1644-0757
Pojawia się w:: Acta Scientiarum Polonorum. Oeconomia
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 10.

Tytuł:: Application of relevance maps in multidimensional classification of coal types
Zastosowanie map odniesienia w wielowymiarowej klasyfikacji typów węgla
Autorzy:: Niedoba, T.
Powiązania:: https://bibliotekanauki.pl/articles/220101.pdf
Data publikacji:: 2015
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: relevance maps
multidimensional data visualization
coal
identification of data
pattern recognition
mapy odniesienia
wizualizacja wielowymiarowych danych
identyfikacja danych
rozpoznawanie kształtów
Opis:: Multidimensional data visualization methods are a modern tool allowing to classify some analyzed objects. In the case of grained materials e.g. coal, many characteristics have an influence on the material quality. In case of coal, apart from most obvious features like particle size, particle density or ash contents there are many others which cause significant differences between considered types of material. The paper presents the possibility of applying visualization techniques for coal type identification and determination of significant differences between various types of coal. Author decided to apply relevance maps to achieve this purpose. Three types of coal – 31, 34.2 and 35 (according to Polish classification of coal types) were investigated, which were initially screened on sieves and then divided into density fractions. Then, each size-density fraction was chemically analyzed to obtain other characteristics. It was stated that the applied methodology allows to identify certain coal types efficiently and can be used as a qualitative criterion for grained materials. However, it was impossible to achieve such identification comparing all three types of coal together. The presented methodology is new way of analyzing data concerning Widery understood mineral processing.
Surowce mineralne, które podlegają wzbogacaniu w celu ich lepszego wykorzystania mogą być (charakteryzują się) charakteryzowane wieloma wskaźnikami opisującymi ich, interesujące przeróbkarza, cechy. Podstawowymi cechami są wielkość ziaren oraz ich gęstość, które decydują o przebiegu rozdziału zbiorów ziaren (nadaw) i efektach takiego rozdziału. Rozdział prowadzi się z reguły, w celu uzyskania produktów o zróżnicowanych wartościach średnich wybranej cechy, która zwykle charakteryzowana jest zawartością określonego składnika surowca wyznaczoną na drodze analiz chemicznych. Takie podejście do surowca mineralnego prowadzi do potraktowania go jako wielowymiarowego wektora X = [X1,..., Xn]. Zasadniczym problemem jest także wybór jednostki populacji generalnej (ziarno, jednostka objętości lub masy), co może decydować o kierunkach charakteryzowania wielowymiarowych powiązań cech wektora X. Takimi kierunkami charakteryzowania mogą być: – wielowymiarowe rozkłady wektora losowego X wraz ze wszystkimi konsekwencjami metody (Lyman, 1993; Niedoba, 2009; 2011; Olejnik et al., 2010; Niedoba i Surowiak, 2012); – wielowymiarowe równania regresji wraz z analizą macierzy współczynników korelacji liniowej oraz korelacji cząstkowej (Niedoba, 2013b); – analiza czynnikowa (Tumidajski, 1997; Tumidajski and Saramak, 2009); – metody wielowymiarowej wizualizacji danych. W artykule zastosowano nowoczesną metodę wizualizacji wielowymiarowych danych – metodę tzw. map odniesienia (z ang. relevance maps). Aby zastosować ww. metodę przeprowadzono doświadczenia na trzech typach węgla, pobranych z trzech kopalni węgla kamiennego, zlokalizowanych w Górnośląskim Okręgu Przemysłowym. Były to węgle typu 31, 34.2 i 35, według polskiej klasyfikacji węgli. Każdą z pobranych prób poddano rozdziałowi na klasy ziarnowe a następnie każdą z klas ziarnowych rozdzielono na frakcje densymetryczne za pomocą rozdziału w roztworze chlorku cynku. Tak otrzymane klaso-frakcje przebadano chemiczne ze względu na wybrane parametry jakościowe węgla. Były to takie cechy jak: ciepło spalania, zawartość popiołu, zawartość siarki, zawartość substancji lotnych oraz miąższość materiału. Otrzymano w ten sposób zestaw siedmiu danych dla każdej klasy ziarnowej i każdego typu węgla. Stanowił on swoisty siedmiowymiarowy zbiór, który postanowiono zobrazować za pomocą techniki wizualizacji bazującej na tzw. mapach odniesienia. W metodzie map odniesienia na płaszczyźnie służącej do wizualizacji danych zostają rozmieszczone specjalne punkty zwane punktami odniesienia, reprezentujące poszczególne cechy. Do każdej cechy (współrzędnej) zostaje przyporządkowany punkt odniesienia reprezentujący tą cechę. Czyli przy danych 7-wymiarowych umieszczamy na płaszczyźnie 7 takich punktów odniesienia reprezentujących poszczególne współrzędne. Rozkład punktów reprezentujących przedstawiane wielowymiarowe dane odzwierciedla relacje pomiędzy tymi danymi a cechami. Im bardziej i-ta cecha występuje w danym obiekcie (czyli i-ta współrzędna ma większą wartość), tym bliżej powinien leżeć punkt reprezentujący dany obiekt względem punktu odniesienia reprezentującego i-tą cechę (współrzędną). W ten sposób każdy punkt odniesienia reprezentujący daną cechę, dzieli płaszczyznę na obszary bardziej oraz mniej zależne od cechy nr i (mniej oraz bardziej odległe od punktu odniesienia reprezentującego i-tą cechę). Dokładny opis algorytmu przedstawiono w podrozdziale 3 artykułu. Za pomocą omawianej metody dokonano wizualizacji danych dotyczących przedstawionych typów węgla. Uzyskane rezultaty przedstawiono na rysunkach 1-9. Widoki te pokazują sposób, w jaki 7-wymiarowe dane zostają przekształcone przy pomocy mapy odniesienia do dwóch wymiarów. Algorytm wizualizacji przy użyciu mapy odniesienia działa tak by pomimo znacznej redukcji liczby wymiarów, w jak największym stopniu odległości pomiędzy punktem reprezentującym konkretny wektor danych a punktami odniesienia zależały od współrzędnych tego wektora danych. W ten sposób na ekranie 2-wymiarowym, możemy zobaczyć istotne cechy danych 7-wymiarowych. Na rysunkach 1-4 widać, w jaki sposób wzrasta grupowanie punktów reprezentujących trzy różne klasy węgla (31, 34.2 oraz 35) wraz ze wzrostem parametru ITER. Widać, że punkty będące obrazami danych reprezentujących te same klasy węgla zaczynają zajmować osobne podobszary oraz zaczynają się grupować. Jednak w niektórych częściach przestrzeni obrazy punktów reprezentujących różne klasy węgla zachodzą na siebie. Przez to nie możemy na podstawie tych rysunków stwierdzić, że analizowane dane pozwalają na prawidłową klasyfikację typów węgla. W celu uzyskania bardziej czytelnych wyników postanowiono przedstawić przy pomocy mapy odniesienia, te same dane w nieco inny sposób. Postanowiono przeanalizować dane reprezentujące różne typy węgla parami. Rysunek 5 przedstawia widok uzyskany dla danych reprezentujących typy węgla 34.2 oraz 35. Widać na nim czytelnie, że obrazy punktów reprezentujących próbki węgla typu 34.2 gromadzą się w skupiskach, które łatwo można odseparować od skupisk obrazów punktów reprezentujących próbki węgla 35. Podobne obserwacje dokonano na podstawie rysunków 6 i 7, gdzie przedstawiono parami, odpowiednio, węgle typu 31 i 34.2 oraz 31 i 35. Przeprowadzona wizualizacja wielowymiarowa przy użyciu map odniesienia pozwala więc stwierdzić, że informacje zawarte w analizowanych siedmiowymiarowych danych są wystarczające do prawidłowej klasyfikacji typów węgla 31, 34.2 oraz 35.
Źródło:: Archives of Mining Sciences; 2015, 60, 1; 93-106
0860-7001
Pojawia się w:: Archives of Mining Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "multidimensional data" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język