Разложение суммы квадратов в однофакторном да


Многомерное шкалирование. Метрический и неметрический подходы



бет21/24
Дата13.07.2024
өлшемі2.64 Mb.
#502950
1   ...   16   17   18   19   20   21   22   23   24
Ответы по билетам

22. Многомерное шкалирование. Метрический и неметрический подходы.
Кроме таблиц «объект-признак» источником данных могут служить таблицы «объект-объект», содержащие данные о связях объектов. Математический образ подобных таблиц – квадратная матрица, элемент которой на пересечении i-й строки и j-го столбца содержит сведения о попарном сходстве либо различии анализируемых объектов. Задача состоит в том, чтобы представить эти объекты в виде точек некоторого координатного пространства невысокой размерности. При этом связи объектов должны быть переданы расстояниями между точками. Такая простая геометрическая модель приводит к содержательно интерпретируемому решению: каждая ось порождаемого пространства является одномерной шкалой и соответствует некому латентному признаку. Тем самым объекты наделяются признаками, интерпретация которых связывается с расположением объектов в искомом пространстве.
Формальная постановка задачи шкалирования
Дана симметричная матрица различий между объектами .
Требуется построить пространство возможно меньшей размерности r и найти в нем координаты точек-объектов
так, чтобы матрица расстояний
между ними, вычисленная по введенной на Х метрике, была, в смысле некоторого критерия, близка к исходной матрице G попарных различий.
При решении поставленной задачи возможны два подхода: метрический, при котором матрица различий G изначально является искомой матрицей расстояний D, и неметрический (монотонный, ранговый), ориентированный на сохранение того же порядка попарных расстояний, что и в исходной матрице различий: → .
Неметрический этап
На этом этапе данные о различиях и стандартизированные оценки расстояний из предыдущей итерации используются для вычисления отклонений.
Этап состоит из нескольких шагов.
1. Упорядочить по возрастанию данные о различиях по исходной матрице G. Получившийся порядок пар объектов задает и порядок оценок расстояний или отклонений.
2. Серия проходов: в начале первого прохода на конкретной итерации отклонениями являются текущие оценки расстояний из предыдущей итерации или стартовой конфигурации. В начале каждого последующего прохода на той же итерации отклонения берутся из предыдущего прохода. Проход начинается с разбиения оценок отклонений на блоки равных значений. Пусть m=(1,...,M) будет индексом, обозначающим блоки от самого верхнего (m=1) до самого низкого (m=M). Начиная с m=1, элементы m-го блока сравниваются с элементами (m+1)-го блока. Если элементы m-го блока меньше элементов (m+1)-го блока, необходимо перейти к сравнению двух следующих блоков. Как только элементы m-го блока окажутся больше элементов (m+1)-го блока, то все элементы m-го и (m+1)-го блоков приравниваются среднему арифметическому обоих блоков. Эти два блока объединяют в один, который становится новым
m-ым блоком. Затем опять сравнивают m-й и (m+1)-й блоки; проход заканчивается после сравнения всех соседних блоков. Результат прохода – новый набор оценок отклонений. После завершения проходов отклонения будут удовлетворять условию монотонности (12.1). Пример работы алгоритма дается в табл.27.
Таблица 27


п/п

Различие

До объединения

После 1-го
прохода

После 2-го
прохода

Откло-
нение

Блок

Откло-нение

Блок

Откло-нение

Блок

1

2

3

4

5

6

7

8

1

0,19

0,11

1

0,11

1

0,11

1

2

0,22

0,12

2

0,12

2

0,12

2

3

0,23

0,16

3

0,15

3

0,15

3

4

0,25

0,14

4

0,15

3

0,15

3

Продолжение табл.27


п/п

Различие

До объединения

После 1-го
прохода

После 2-го
прохода

Откло-
нение

Блок

Откло-нение

Блок

Откло-
нение

Блок

5

0,26

0.21

5

0.21

4

0.21

4

6

0,27

0,23

6

0,23

5

0,23

5

7

0,28

0,25

7

0,25

6

0,24

6

8

0,29

0,23

8

0,23

7

0,24

6

9

0,32

0.27

9

0.27

8

0,27

7

В столбце 3 нет подряд идущих одинаковых чисел, так что каждая строка образует блок. Просматривая этот столбец сверху вниз, обнаруживаем, что в строках 3 и 4 имеет место инверсия (нарушение монотонности –– 0,16>0,14). Блоки 3 и 4 объединяются в один со значением (0,16+0,14)/2=0,15. Просматривая теперь столбец 5, убеждаемся в необходимости слияния блоков 6 и 7. Как видно из 7-го столбца нарушений условия монотонности не осталось, что позволяет считать элементы столбца 7 искомыми отклонениями .


Метрический этап
На этом этапе решают задачу математического программирования, в результате чего получают новые оценки координат, по которым рассчитывают новые оценки расстояний. Исходными данными являются отклонения, рассчитанные на неметрическом этапе, оценки координат и расстояний предыдущей итерации. В качестве целевой функции выступает S1 (12.2).
Минимизация S1 проводится одним из градиентных методов.




Достарыңызбен бөлісу:
1   ...   16   17   18   19   20   21   22   23   24




©dereksiz.org 2024
әкімшілігінің қараңыз

    Басты бет