Многомерное развертывание в случае предельно малого количества целей

УДК 519.6 + 519.25

  • Сергей Вадимович Дронов Алтайский государственный университет, Барнаул, Россия Email: dsv@math.asu.ru
Ключевые слова: многомерный анфолдинг, визуализация статистических данных, задача шкалирования с неполными данными

Аннотация

Пусть множество изучаемых объектов разбито на две части — множество наблюдателей и множество целей. Задача визуализации такого множества по неполному набору попарных расстояний или различий между ними, когда известны только расстояния между каждым наблюдателем и каждой из целей, есть задача анфолдинга, или многомерного развертывания. Известные методы ее решения, как правило, предполагают заполнение пропущенных позиций в матрице попарных различий тем или иным способом. При этом считается, что оба множества (и наблюдателей, и целей) объектов содержат, по крайней мере, два или большее количество элементов. В настоящей работе предлагается и обсуждается алгоритм решения задачи многомерного анфолдинга в случае, когда множество целей состоит из одного элемента. В этом практически важном случае традиционные методы не работают. В качестве дополнительного требования, позволяющего выделить наилучшее из, как правило, достаточно богатого класса возможных решений, рассматривается максимизация минимального из расстояний между наблюдателями. Кроме этого предлагается простой неитерационный способ решения задачи многомерного развертывания для случая двух целей.

Скачивания

Данные скачивания пока недоступны.

Metrics

Загрузка метрик ...

Биография автора

Сергей Вадимович Дронов, Алтайский государственный университет, Барнаул, Россия

кандидат физико-математических наук, доцент кафедры математического анализа

Литература

Дейвисон М. Многомерное шкалирование (Методы наглядного представления данных). М.: Мир, 1988. 254 с.

Толстова Ю.Н. Основы многомерного шкалирования : учебное пособие. М.: КДУ, 2006. 156 с.

Mair P., De Leeuw J., Wurzer M. Multidimensional Unfolding. Wiley StatsRef: Statistics Reference Online, 2014-2015. Hoboken, NJ: John Wiley & Sons, Ltd. 2015. DOI: 10.18637/ jss.v031.i03

De Leeuw J., Mair P. Multidimensional Scaling Using Majorization // SMACOF in R. J. Stat. Softw. 2009. Vol. 31 (3). P. 1-30. DOI: 10.18637/jss.v031.i03

Borg I., Groenen P.J.F. Modern Multidimensional Scaling: Theory and Applications, 2nd ed. Berlin/Heidelberg: Springer Science & Business Media, 2005. 614 p.

Dronov S.V., Leongardt K.A. Multidimensional Unfolding Problem Solution in the Case of a Single Target // IOP Conf. Series: Journal of Physics: Conf. Series 1210, 2019. P. 1-7. DOI: 10.1088/1742-6596/1210/1/012034

Дронов С.В., Коленко М.И. Практические проблемы реализации многомерного анфолдинга для предельно малого множества целей // МАК: Математики — Алтайскому краю : сб. трудов. Барнаул: Изд-во Алтайского госунивер-ситета, 2020. C. 174-180.

Балк М. Б., Болтянский В.Г. Геометрия масс. М.: Наука, 1987. 160 с.

Чжо Мью Хтун, Чжо Чжо Лин. Точность итерационного алгоритма решения задачи распределения нагрузки в системах обслуживания // Современные информационные технологии и ИТ-образование. 2012. № 8. С. 958-962.

Наследов А.Д. SPSS: Компьютерный анализ данных в психологии и социальных науках ; 2-е изд. СПб.: Питер, 2006. 416 с.

Еремеев А.В., Заозерская Л.А., Колоколов А.А. Задача о покрытии множества: сложность, алгоритмы, экспериментальные исследования // Дискретный анализ и исследование операций. Сер. 2. 2000. Т. 7. № 2. C. 22-46.

Опубликован
2024-10-07
Как цитировать
Дронов С. В. Многомерное развертывание в случае предельно малого количества целей // Известия Алтайского государственного университета, 2024, № 4(138). С. 63-68 DOI: 10.14258/izvasu(2024)4-08. URL: http://izvestiya.asu.ru/article/view/%282024%294-08.