Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Clustering Large Data Set: An Applied Comparative Study Kapitel lesen Erstes Kapitel lesen

2012 | OriginalPaper | Buchkapitel

Clustering in Feature Space for Interesting Pattern Identification of Categorical Data

verfasst von : Marina Marino, Francesco Palumbo, Cristina Tortora

Erschienen in: Advanced Statistical Methods for the Analysis of Large Data-Sets

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Standard clustering methods fail when data are characterized by non-linear associations. A suitable solution consists in mapping data in a higher dimensional feature space where clusters are separable. The aim of the present contribution is to propose a new technique in this context to identify interesting patterns in large datasets.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Clustering Large Data Set: An Applied Comparative Study
Nächstes Kapitel Clustering Geostatistical Functional Data
Fußnoten
Literatur
Abe S. (2005) Support vector machine for pattern classification, Springer.
Ben-hur A., Horn D., Siegelmann H. T., Vapnik, V. (2001) Support vector clustering, Journal of machine learning research 2: 125–137.
Greenacre M. J., Blasius J. (2006) Multiple correspondence analysis and related methods, Chapman & Hall/CRC Press, Boca Raton, FL Boca-Raton.MATHCrossRef
Lenca P., Patrick M., Benot V., Stphane L. (2008) On selecting interestingness measures for association rules: User oriented description and multiple criteria decision aid, European Journal of Operational Research 184: 610–626.MATHCrossRef
Lee S.H., Daniels K.M. (2006) Cone cluster labeling for support vector clustering, Proceeding of the sixth SIAM international conference on data mining, Bethesda: 484-488.
Marino M., Tortora C. (2009) A comparison between k-means and support vector clustering of categorical data, Statistica applicata, Vol 21 n.1: 5–16.
Muller K. R., Mika S., Ratsch G., Tsuda K., Scholkopf B. (2001) An introduction to Kernel-based learning algorithms, IEEE transiction on neural networks, 12: 181–201.CrossRef
Saporta G. (1990) Simultaneous analysis of qualitative and quantitative data, Atti 35 ∘ Riunione Scientifica della Società italiana di Statistica, CEDAM: 63–72.
Shawe-Taylor J., Cristianini N. (2004) Kernel methods for pattern analysis, Cambridge University Press. Boston.CrossRef
Silberschatz A., Tuzhilin A. (1996) What makes patterns interesting in knowledge discovery systems, IEEE Transactions on Knowledge and Data Engineering Vol 8: 291–304.
Singh B. (1993) On the Analysis of Variance Method for Nominal Data, The Indian Journal of Statistics, Series B, Vol 55: 40–47.MATH
Metadaten
Titel
Clustering in Feature Space for Interesting Pattern Identification of Categorical Data
verfasst von
Marina Marino
Francesco Palumbo
Cristina Tortora
Copyright-Jahr
2012
Verlag
Springer Berlin Heidelberg
Buch
Advanced Statistical Methods for the Analysis of Large Data-Sets

Print ISBN: 978-3-642-21036-5

Electronic ISBN: 978-3-642-21037-2

Copyright-Jahr: 2012

DOI
https://doi.org/10.1007/978-3-642-21037-2_2