About: Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou     Goto   Sponge   NotDistinct   Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Vysledek, within Data Space : linked.opendata.cz associated with source document(s)

AttributesValues
rdf:type
Description
  • Internal relations and latent structure in metalurgic data with the use of the multivariate statistical analysis concerns the method of principal component analysis, factor analysis and cluster analysis. Before the multivariate analysis the exploratory data analysis discovers some important statistical features in data and internal relation. The graph of component (or factor) score and component (or factor) weights are compared with the dendrogram of objects and dendrogram of variables and the internal bonds are so indicated. (en)
  • Vícerozměrná statistická analýza je založena na latentních proměnných, které jsou lineární kombinací původních proměnných. Zdrojová matice dat obsahuje proměnné v m sloupcích a objekty v n řádcích. Data jsou před zpracováním škálována. Cílem je nalézt shluk jako množinu podobných objektů s podobnými proměnnými. Podobnost objektů posuzujeme na základě vzdálenosti (míry) objektů v m-rozměrném prostoru: čím je vzdálenost shluků či objektů větší, tím menší je jejich podobnost. K rychlému posouzení podobnosti slouží grafy exploratorní analýzy vícerozměrných dat: profily, polygony, sluníčka a hvězdičky. Strukturu a vazby mezi proměnnými vystihují metody snížení dimensionality, metoda hlavních komponent (PCA). Důležitou pomůckou je rozptylový diagram, který zobrazuje objekty, rozptýlené v rovině prvních dvou hlavních komponent. Graf komponentních vah porovnává vzdálenosti mezi proměnnými xi a xj, kde krátká vzdálenost značí silnou korelaci. Dvojný graf pak kombinuje oba předchozí grafy. Objekty lze seskupova
  • Vícerozměrná statistická analýza je založena na latentních proměnných, které jsou lineární kombinací původních proměnných. Zdrojová matice dat obsahuje proměnné v m sloupcích a objekty v n řádcích. Data jsou před zpracováním škálována. Cílem je nalézt shluk jako množinu podobných objektů s podobnými proměnnými. Podobnost objektů posuzujeme na základě vzdálenosti (míry) objektů v m-rozměrném prostoru: čím je vzdálenost shluků či objektů větší, tím menší je jejich podobnost. K rychlému posouzení podobnosti slouží grafy exploratorní analýzy vícerozměrných dat: profily, polygony, sluníčka a hvězdičky. Strukturu a vazby mezi proměnnými vystihují metody snížení dimensionality, metoda hlavních komponent (PCA). Důležitou pomůckou je rozptylový diagram, který zobrazuje objekty, rozptýlené v rovině prvních dvou hlavních komponent. Graf komponentních vah porovnává vzdálenosti mezi proměnnými xi a xj, kde krátká vzdálenost značí silnou korelaci. Dvojný graf pak kombinuje oba předchozí grafy. Objekty lze seskupova (cs)
Title
  • Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou
  • Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou (cs)
  • Internal Relations and Latent Structure in Metalurgic Data with the Use of the Multivariate Statistical Analysis (en)
skos:prefLabel
  • Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou
  • Vnitřní vazby a skrytá struktura v hutnických datech vícerozměrnou statistickou analýzou (cs)
  • Internal Relations and Latent Structure in Metalurgic Data with the Use of the Multivariate Statistical Analysis (en)
skos:notation
  • RIV/00216275:25310/07:00006498!RIV08-MSM-25310___
http://linked.open.../vavai/riv/strany
  • 107-125
http://linked.open...avai/riv/aktivita
http://linked.open...avai/riv/aktivity
  • Z(MSM0021627502)
http://linked.open...vai/riv/dodaniDat
http://linked.open...aciTvurceVysledku
http://linked.open.../riv/druhVysledku
http://linked.open...iv/duvernostUdaju
http://linked.open...titaPredkladatele
http://linked.open...dnocenehoVysledku
  • 458975
http://linked.open...ai/riv/idVysledku
  • RIV/00216275:25310/07:00006498
http://linked.open...riv/jazykVysledku
http://linked.open.../riv/klicovaSlova
  • PCA; Principal Components Analysis; Cluster Analysis; Dendrogram; Scatterplot; Scree Plot; Components Weight Plot; Steel analysis; Correlation matrix. (en)
http://linked.open.../riv/klicoveSlovo
http://linked.open...ontrolniKodProRIV
  • [4617B5B11433]
http://linked.open...i/riv/mistoVydani
  • Český Těšín
http://linked.open...i/riv/nazevZdroje
  • Sborník konference 27. Hutní a průmyslová analytika 2007
http://linked.open...in/vavai/riv/obor
http://linked.open...ichTvurcuVysledku
http://linked.open...cetTvurcuVysledku
http://linked.open...UplatneniVysledku
http://linked.open...iv/tvurceVysledku
  • Meloun, Milan
  • Lisztwan, Roman
http://linked.open...n/vavai/riv/zamer
number of pages
http://purl.org/ne...btex#hasPublisher
  • 2 THETA - Ing. Václav Helán
https://schema.org/isbn
  • 978-80-86380-38-4
http://localhost/t...ganizacniJednotka
  • 25310
is http://linked.open...avai/riv/vysledek of
Faceted Search & Find service v1.16.118 as of Jun 21 2024


Alternative Linked Data Documents: ODE     Content Formats:   [cxml] [csv]     RDF   [text] [turtle] [ld+json] [rdf+json] [rdf+xml]     ODATA   [atom+xml] [odata+json]     Microdata   [microdata+json] [html]    About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data] Valid XHTML + RDFa
OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 58 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software