• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Parcourir

    Tout UVaDOCCommunautésPar date de publicationAuteursSujetsTitres

    Mon compte

    Ouvrir une session

    Statistiques

    Statistiques d'usage de visualisation

    Compartir

    Voir le document 
    •   Accueil de UVaDOC
    • PUBLICATIONS SCIENTIFIQUES
    • Departamentos
    • Dpto. Estadística e Investigación Operativa
    • DEP24 - Artículos de revista
    • Voir le document
    •   Accueil de UVaDOC
    • PUBLICATIONS SCIENTIFIQUES
    • Departamentos
    • Dpto. Estadística e Investigación Operativa
    • DEP24 - Artículos de revista
    • Voir le document
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano

    Exportar

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Por favor, use este identificador para citar o enlazar este ítem:http://uvadoc.uva.es/handle/10324/21849

    Título
    A fast algorithm for robust constrained clustering.
    Autor
    Fritz, Heinrich
    García Escudero, Luis ÁngelAutoridad UVA Orcid
    Mayo Iscar, AgustínAutoridad UVA Orcid
    Año del Documento
    2013
    Editorial
    Elsevier
    Descripción
    Producción Científica
    Documento Fuente
    Computational Statistics and Data Analysis, 2013, vol. 61, p. 124-136
    Résumé
    The application of “concentration” steps is the main principle behind Forgy’s k-means algorithm and Rousseeuw and van Driessen’s fast-MCD algorithm. Despite this coincidence, it is not completely straightforward to combine both algorithms for developing a clustering method which is not severely affected by few outlying observations and being able to cope with non spherical clusters. A sensible way of combining them relies on controlling the relative cluster scatters through constrained concentration steps. With this idea in mind, a new algorithm for the TCLUST robust clustering procedure is proposed which implements such constrained concentration steps in a computationally efficient fashion.
    Materias (normalizadas)
    Estadística
    Palabras Clave
    Cluster analysis
    Robustness
    Impartial trimming
    Classification EM algorithm
    TCLUST
    ISSN
    0167-9473
    Revisión por pares
    SI
    DOI
    10.1016/j.csda.2012.11.018
    Patrocinador
    Ministerio de Ciencia e Innovación (MTM2011-28657-C02-01)
    Version del Editor
    https://www.sciencedirect.com/science/article/pii/S0167947312004203
    Propietario de los Derechos
    © 2012 Elsevier
    Idioma
    eng
    URI
    http://uvadoc.uva.es/handle/10324/21849
    Tipo de versión
    info:eu-repo/semantics/submittedVersion
    Derechos
    openAccess
    Aparece en las colecciones
    • DEP24 - Artículos de revista [78]
    Afficher la notice complète
    Fichier(s) constituant ce document
    Nombre:
    algorithm_web.pdf
    Tamaño:
    427.1Ko
    Formato:
    Adobe PDF
    Thumbnail
    Voir/Ouvrir
    Attribution 4.0 InternationalExcepté là où spécifié autrement, la license de ce document est décrite en tant que Attribution 4.0 International

    Universidad de Valladolid

    Powered by MIT's. DSpace software, Version 5.10