Publikace detail

Statistické zpracování vodohospodářských dat 7. Přednosti analýzy shluků při klasifikaci zdrojů pitné vody

Autoři: Meloun Milan

Rok: 2007

Druh publikace: článek v odborném periodiku

Název zdroje: Vodní hospodářství

Název nakladatele: Vodní hospodářství, spol. s r.o.,

Místo vydání: Praha

Strana od-do: 391-402

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Statistické zpracování vodohospodářských dat 7. Přednosti analýzy shluků při klasifikaci zdrojů pitné vody	Analýza shluků (Cluster analysis) patří mezi metody, které se zabývají vyšetřováním podobnosti vícerozměrných objektů (tj. objektů, u nichž je změřeno větší množství znaků) a jejich klasifikací do tříd čili shluků. Hodí se zejména tam, kde objekty projevují přirozenou tendenci se seskupovat. V biologii se proto užívá shluková analýza ke klasifikování živočichů a rostlin. Tato klasifikace se nazývá numerická taxonomie. Lze formulovat tři hlavní cíle analýzy shluků: popis systematiky, je tradičním využitím shlukové analýzy pro průzkumové cíle a taxonomii, což je empirická klasifikace objektů, zjednodušení dat, kdy analýza shluků poskytuje při hledání taxonomie zjednodušený pohled na objekty, a konečně identifikace vztahu, kdy po nalezení shluků objektů, a tím i struktury mezi objekty je snadnější odhalit vztahy mezi objekty.	Shluková analýza, Dendrogram proměnných, Dendrogram objektů, Pitná voda, Analýza vody, Graf komponentního skóre, Indexový graf vlastních čísel, Graf komponentních vah, Korelační matice.
eng	Computer-Assisted Statistical Data Analysis. 7. Advantages of Cluster Analysis in the Classification of Drinkable Water	The cluster analysis leads to clusters which may be plotted in dendrogram. There are two dendrograms available, the dendrogram of variables and the dendrogram of objects. Both statistical techniques are demonstrated on the analysis and classification of various sources of a drinkable water. Data matrix contains objects in n rows and m columns. Before data treatment the data are scaled. Similarity of objects and variables is considered on base on Mahalonobis distance or Euclidean distance in the m-dimensional space. The principal components analysis reduces dimensionality and presents objects in two or three dimensions. The plot of components weight shows hidden structure among variables while the scatterplot shows the hidden structure of objects.	Cluster analysis, CLU, Dendrogram of variables, Dendrogram of objects, Drinkable Water, Water analysis, Potable water, Scatterplot, Scree Plot, Factor analysis, Principal Components analysis, Components Weight Plot.

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Ústavy a pracoviště

Jak nás najdete?

Služby

Často hledáte