nach oben

Journal of Classification

Erschienen in:

22.05.2019

Editorial: Journal of Classification Vol 36-1

verfasst von: Douglas L. Steinley

Erschienen in: Journal of Classification | Ausgabe 1/2019

Einloggen

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

search-config

KI-gestützte Suche

Aus

Excerpt

The first issue of 2019 has eight papers that cover a wide range of topics, from mixture modeling to traditional clustering and classification methods. The first paper is from Flynt and Dean on growth mixture modeling. Specifically, they look at the prospect of incorporating variable selection in the growth mixture model—which is a somewhat radical idea as it is usually assumed that all the measurement occasions are required to accurately estimate the growth trajectories; however, the authors show the selecting specific measurement occasions that separate the clusters well can lead to improved recovery and reduced error. I imagine that this paper will serve as a springboard for incorporating other variable selection methods, such as those described in Steinley and Brusco (2008), into growth mixture modeling. …

Nächster Artikel Growth Mixture Modeling with Measurement Selection

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

Albatineh, A. N., Niewiadomska-Bugaj, M., & Mihalko, D. (2006). On similarity indices and correction for chance agreement. Journal of Classification, 23, 301–313.MathSciNetCrossRefMATH

Silva, V. D., & Tenenbaum, J. B. (2002). Global versus local methods in nonlinear dimensionality reduction. In Advances in neural information processing systems (pp. 705–712).

Steinley, D., & Brusco, M. J. (2008). Selection of variables in cluster analysis: an empirical comparison of eight procedures. Psychometrika, 73, 125–144.MathSciNetCrossRefMATH

Warrens, M. J. (2008). Similarity coefficients for binary data. Ph.D. thesis. University of Leiden.

Titel: Editorial: Journal of Classification Vol 36-1
verfasst von: Douglas L. Steinley
Publikationsdatum: 22.05.2019
Verlag: Springer US
Erschienen in: Journal of Classification / Ausgabe 1/2019
Print ISSN: 0176-4268
Elektronische ISSN: 1432-1343
DOI: https://doi.org/10.1007/s00357-019-09334-4

Springer Professional

Excerpt

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

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

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Weitere Artikel der Ausgabe 1/2019

Robustification of Gaussian Bayes Classifier by the Minimum β-Divergence Method

Multiclass Classification Based on Multi-criteria Decision-making

Comparison of Similarity Measures for Categorical Data in Hierarchical Clustering

Optimal Landmark Point Selection Using Clustering for Manifold Modeling and Data Classification

A New Method for Classifying Random Variables Based on Support Vector Machine

Growth Mixture Modeling with Measurement Selection

Premium Partner