Στατιστικές μέθοδοι ταξινόμησης πολυμεταβλητών δεδομένων

Περίληψη

Η παρούσα διδακτορική διατριβή πραγματεύεται τη διερεύνηση και αντιμετώπιση διαφόρων ζητημάτων που προκύπτουν συχνά στη διαδικασία ταξινόμησης και πρόβλεψης πολυμεταβλητών δεδομένων. Συγκεκριμένα, τα ζητήματα αυτά σχετίζονται με την επιλογή μεταβλητών και περιπτώσεων, με το γνωστό πρόβλημα της ανισορροπίας των κλάσεων και γενικά, με παράγοντες που επηρεάζουν τη διαδικασία της ταξινόμησης. Ο στόχος της διατριβής είναι η εύρεση και παρουσίαση κατάλληλων προσεγγίσεων και μεθόδων που μπορούν να βελτιώσουν την απόδοση των μεθόδων ταξινόμησης. Όλα τα προαναφερθέντα ζητήματα αποτελούν ενδιαφέροντα ερευνητικά θέματα της στρατηγικής Mahalanobis-Taguchi (MT), μίας σχετικά νέας μεθοδολογίας που ενσωματώνει διάφορες μαθηματικές και στατιστικές έννοιες, όπως η απόσταση του Mahalanobis, η μέθοδος ορθογωνοποίησης Gram-Schmidt και οι πειραματικοί σχεδιασμοί. Το ιδιαίτερο χαρακτηριστικό της στρατηγικής MT είναι ότι δεν είναι μόνο μία τεχνική ταξινόμησης, αλλά επίσης μία «εργαλειοθήκη» μεθόδων, τα διάφο ...
περισσότερα

Περίληψη σε άλλη γλώσσα

The present dissertation deals with the investigation and tackling of several issues that arise frequently in classification and prediction of multivariate data. Specifically, these issues are related to the selection of features / variables and cases, to the well-known class imbalance problem and generally, to factors that affect the classification procedure. The goal of the dissertation is to find and present suitable approaches and methods that can improve the performance of classification methods. All the aforementioned issues are interesting research topics of the Mahalanobis-Taguchi (MT) strategy, a rather new methodology that incorporates various mathematical and statistical concepts, such as Mahalanobis distance (MD), Gram-Schmidt orthogonalization process and experimental designs. The special characteristic of the MT strategy is that it is not only a classification technique, but also a toolbox of methods, the different components of which have not been studied thoroughly in t ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/35839
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/35839
ND
35839
Εναλλακτικός τίτλος
Statistical methods in classification of multivariate data
Συγγραφέας
Λιπαράς, Δημήτριος του Σίμος
Ημερομηνία
2015
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής
Εξεταστική επιτροπή
Αγγελής Ελευθέριος
Βακάλη Αθηνά
Λάσκαρης Νικόλαος
Σταμέλος Ιωάννης
Τσουμάκας Γρηγόριος
Χρήστου-Βαρσακέλης Δημήτριος
Κουγιουμτζής Δημήτριος
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Στατιστική ταξινόμηση; Στρατηγική Mahalanobis-Taguchi; Πρόβλεψη ατελειών λογισμικού; Ανάλυση εγκεφαλογραφικών αποκρίσεων
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
177 σ., πιν., σχημ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)