![]() |
Здравствуйте, гость ( Вход | Регистрация )
![]() |
![]()
Сообщение
#1
|
|
Группа: Пользователи Сообщений: 3 Регистрация: 20.12.2007 Пользователь №: 4636 ![]() |
Уважаемые форумчане!
Может быть кто-то использовал fuzzy clustering analysis в своей научно-исследовательской работе. Пожалуйста, поделитесь впечатлением. И знает ли кто-нибудь, в каких пакетах статистических программ реализован его алгоритм? Заранее спасибо. |
|
![]() |
![]() |
![]() |
![]()
Сообщение
#2
|
|
Группа: Пользователи Сообщений: 3 Регистрация: 20.12.2007 Пользователь №: 4636 ![]() |
Очень приятно, что тема развивается, правда в несколько другом направлении (но тоже в интересном).
Позвольте поделиться размышлениями. Насколько я понимаю, дискиминантный анализ также не является цельным методом (линейный, квадратичный; пошаговый; Фишера и проч.). Как в этом случае рекомендовать его к использованию для получения решающих правил, если все указанные варианты метода дают свои решения? И далее, необходимо включить этап проверки полученного набора правил на устойчивость (Лахенбрук и проч.), иначе смысл теряется. Кстати, давно хотелось спросить, в случае step-by-step (процедура backward) линейного дискриминантного анализа как выбрать точное входное F-значение? Подскажите, пожалуйста. Для процедуры forward я обычно пользовался F-распределением Фишера-Снедекора, заранее зная количество групп и общее количество случаев. Относительно нейронных сетей. В поведенческих методиках, как в моём случае, набрать такое количество данных, необходимое для проведения этого вида анализа достаточно трудно (речь ведь уже идёт о сотнях случаев, не правда ли?). P.S. Хочу пояснить на счёт представленных источников по fuzzy-анализу. Электронные версии этих книг были доступны в сети и у меня появилась возможность их получить бесплатно. По этическим соображениям публиковать ссылки здесь не буду, желающим - через личные сообщения. Коллеги, не посоветуете ли толковую книгу, описывающую функции принадлежности и технологию их использования. Спасибо. |
|
![]() |
![]() |
![]() ![]() |