6533b85ffe1ef96bd12c1591

RESEARCH PRODUCT

Empīriskās ticamības funkcijas izmantošana klasteru analīzē

Dace Gaile

subject

klasteru analīzehierarhiskie algoritmiuz modeļa balstīti Gausa jauktie modeļiMatemātikaempīriskā ticamības funkcija

description

Bakalaura darbā apskatīta klasteru analīze ar empīriskās ticamības funkciju. Tās rezultāti salīdzināti ar pazīstamāko klasteru analīžu rezultātiem: hierarhisko klasterizāciju, k-vidējo klasterizāciju un uz modeļa balstīto Gausa jaukto modeļu klasterizāciju. Tika aplūkotas klasterizācijas metodes simulētiem un reāliem datu piemēriem, lai novērtētu, kurš algoritms veiksmīgāk veic datu klasterizāciju. Simulēto datu gadījumā Rand indekss rezultātus salīdzina ar sākotnējo datu grupām. Darba mērķis ir noskaidrot, kādas priekšrocības ir klasterizējot datus ar empīriskās ticamības funkciju. Gūtie rezultāti liecina, ka novērojumiem, kuros ir izlēcēji, klasteru analīze ar empīrisko ticamības funkciju veiksmīgi veic datu klasterizēšanu.

https://dspace.lu.lv/dspace/handle/7/47455