MultiDendrograms jest prosty, ale potężny program do hierarchicznego grupowania danych rzeczywistych, rozproszonych na licencji open source. & Nbsp; począwszy od odległości (lub ciężarkami) matrycy, MultiDendrograms wylicza dendrogram przy użyciu najbardziej typowych algorytmów Agglomerative hierarchicznego grupowania , pozwala na dostrojenie wielu parametrów graficznych reprezentacji, a wyniki mogą być łatwo eksportowane do pliku. Charakterystykę:
- Multiplatform: w Javie, działa na wszystkich systemach operacyjnych (np Windows, Linux i MacOS).
- Graficzny interfejs użytkownika: Wybór danych, hierarchiczne opcje grupowania, parametry reprezentacji dendrogram, nawigacja w całej dendrogramie, środki odchylenia.
- Algorytmy hierarchiczne klastrowania realizowane: Jedynka zmiennej Zawieszenie, grupa Kompletna hydraulika, średnie Nieważona, średnia ważona, Nieważona Centroid, Weighted Centroid i wspólne między-wewnątrz.
- parametry reprezentacji: rozmiar, orientację, etykiety osi, itp
- Środki odchylenia: Cophenetic współczynnik korelacji, Znormalizowany błędach i średniego kwadratowego Znormalizowany średni bezwzględny błąd.
- Eksport: ultrametric matrycy, szczegóły dendrogramie w formatach tekstowych i drzewa Newick.
- Działka: image dendrogram w JPG, PNG i EPS.
MultiDendrograms realizuje algorytmy zmiennej grupy w celu rozwiązania problemu nie unikatowości znaleźć w standardowych algorytmów para-grupowych i wdrożeń. Problem pojawia się, gdy dwa lub więcej minimalne odległości pomiędzy różnych klastrów są równe w procesie połączeniu. Standardowe podejście polega na wyborze pary, łamiąc więzi między odległości i przebiega w taki sam sposób, aż końcowa klasyfikacją hierarchiczną uzyskuje. Jednak możliwe są różne clusterings zależności od kryterium stosowanego do zerwania więzi (zwykle para jest po prostu wybrane losowo!).
Grupa algorytmy zmiennej grupy ponad dwa klastry w tym samym czasie, gdy występują powiązania, doprowadziły do wytworzenia się graficzne przedstawienie nazwie multidendrogram. Ich główne właściwości to:
- Gdy nie ma powiązań, algorytmy zmiennej grupowe dają takie same wyniki jak te parę grupy.
- Oni zawsze dają jednoznacznie ustalone rozwiązanie.
- W reprezentacji multidendrogram za wyniki można wyraźnie zaobserwować występowanie powiązań w procesie agglomerative. Ponadto wysokość dowolnym przedziale termojądrowej (zespoły w programie) wskazuje na stopień zróżnicowania wewnątrz odpowiedniego klastra
Wymagania .
- Java 2 Standard Edition Runtime Environment
Komentarze nie znaleziono