Abstract
W niniejszym artykule przedstawimy system eliminacji szumów z wielowymiarowych szeregów czasowych. Elementami tego systemu będą bloki: dekompozycji PCA/EVD, grupowania oparty na funkcji dywergencji alpha, dekompozycji odwrotnej PCA oraz filtracji indywidualnej. W ramach etapu grupowania przedyskutowane będą typowe problemy tego zadania, motywujące do poszukiwania nowych rozwiązań. Zaprezentujemy także eksperymenty potwierdzające słuszność opracowanej koncepcji.
Publisher
Warsaw University of Life Sciences - SGGW Press
Subject
Colloid and Surface Chemistry,Physical and Theoretical Chemistry
Reference27 articles.
1. Agrawal R., Gehrke J., Gunopulos D., Raghavan P. (2005) Automatic Subspace Clustering of High Dimensional Data, Data Mining and Knowledge Discovery, 11, 5-33.
2. Amari S. (2012) Differential-Geometrical Methods in Statistics. Springer Verlag.
3. Amari S. and Nagaoka H. (2000) Methods of Information Geometry. Oxford University Press, New York.
4. Amorim R. and Hennig C. (2015) Recovering the Number of Clusters in Data Sets with Noise Features using Feature Rescaling Factors. Information Sciences, 324, 126-145.
5. Bregman L (1967) The Relaxation Method of Finding a Common Point of Convex Sets and its Application to the Solution of Problems in Convex Programming. Comp. Math. Phys., USSR, 7, 200-217.