Original title: Informational Cathegorical Data Clustering
Translated title: Informační shlukování kategoriálních dat
Authors: Hora, Jan
Document type: Papers
Conference/Event: Doktorandské dny 2007, Praha (CZ), 2007-11-16
Year: 2007
Language: eng
Abstract: [eng] [cze]
The EM algorithm has been used repeatedly to identify latent classes in categorical data by estimating finite distribution mixtures of product components. Unfortunately, the underlying mixtures are not uniquely identifiable and, moreover, the estimated mixture parameters are starting-point dependent. For this reason we use the latent class model only to define a set of ``elementary'' classes by estimating a mixture of a large number components. As such a mixture we use also an optimally smoothed kernel estimate. We propose a hierarchical ``bottom up'' cluster analysis based on unifying the elementary latent classes sequentially. The clustering procedure is controlled by minimum information loss criterion. Shlukování kategoriálních dat je často řešeno hledáním tzv. latentních tříd pomocí EM algoritmu. Tento přístup ovšem závisí na počátečním řešení a naráží na problém neidentifikovatelosti směsi. Popisovaná metoda vyhledává shluky nikoliv jako jednotlivé komponenty směsi jako v případě latentních tříd, ale jako podsměsi vzniklé sloučením několika jednoduchých tříd z odhadnuté distribuční směsi s vyšším počtem komponent. Extrémní variantou takové směsi může být jádrový odhad, jehož optimální vyhlazení je v práci popsáno. V práci je dále představena metoda hierarchického shlukování s kritériem nejmenší informační ztráty.
Keywords: cathegorial data; cluster analysis; distribution mixtures; EM algorithm
Project no.: CEZ:AV0Z10750506 (CEP), GA102/07/1594 (CEP), 1M0572 (CEP), 2C06019 (CEP)
Funding provider: GA ČR, GA MŠk, GA MŠk
Host item entry: Doktorandské dny 2007, ISBN 978-80-01-03913-7

Institution: Institute of Information Theory and Automation AS ČR (web)
Document availability information: Fulltext is available at the institute of the Academy of Sciences.
Original record: http://hdl.handle.net/11104/0157420

Permalink: http://www.nusl.cz/ntk/nusl-38407


The record appears in these collections:
Research > Institutes ASCR > Institute of Information Theory and Automation
Conference materials > Papers