RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB
Общая информация
Последний выпуск
Скоро в журнале
Архив
Импакт-фактор
Правила для авторов
Лицензионный договор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Труды МИАН:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Тр. МИАН, 2009, том 265, страницы 189–210 (Mi tm834)  

Эта публикация цитируется в 6 научных статьях (всего в 6 статьях)

Symmetry in Data Mining and Analysis: A Unifying View Based on Hierarchy

F. Murtaghab

a Science Foundation Ireland, Dublin, Ireland
b Department of Computer Science, University of London, Egham, UK

Аннотация: Data analysis and data mining are concerned with unsupervised pattern finding and structure determination in data sets. The data sets themselves are explicitly linked as a form of representation to an observational, or otherwise empirical, domain of interest. “Structure” has long been understood as symmetry which can take many forms with respect to any transformation, including point, translational, rotational, and many others. Symmetries directly point to invariants that pinpoint intrinsic properties of the data and of the background empirical domain of interest. As our data models change, so too do our perspectives on analyzing data. The structures in data surveyed here are based on hierarchy, represented as $p$-adic numbers or an ultrametric topology.

Полный текст: PDF файл (278 kB)
Список литературы: PDF файл   HTML файл

Англоязычная версия:
Proceedings of the Steklov Institute of Mathematics, 2009, 265, 177–198

Реферативные базы данных:

УДК: 519.72
Поступило в январе 2009 г.
Язык публикации: английский

Образец цитирования: F. Murtagh, “Symmetry in Data Mining and Analysis: A Unifying View Based on Hierarchy”, Избранные вопросы математической физики и $p$-адического анализа, Сборник статей, Тр. МИАН, 265, МАИК «Наука/Интерпериодика», М., 2009, 189–210; Proc. Steklov Inst. Math., 265 (2009), 177–198

Цитирование в формате AMSBIB
\RBibitem{Mur09}
\by F.~Murtagh
\paper Symmetry in Data Mining and Analysis: A~Unifying View Based on Hierarchy
\inbook Избранные вопросы математической физики и~$p$-адического анализа
\bookinfo Сборник статей
\serial Тр. МИАН
\yr 2009
\vol 265
\pages 189--210
\publ МАИК «Наука/Интерпериодика»
\publaddr М.
\mathnet{http://mi.mathnet.ru/tm834}
\mathscinet{http://www.ams.org/mathscinet-getitem?mr=2599554}
\zmath{https://zbmath.org/?q=an:1185.68277}
\elib{https://elibrary.ru/item.asp?id=12601461}
\transl
\jour Proc. Steklov Inst. Math.
\yr 2009
\vol 265
\pages 177--198
\crossref{https://doi.org/10.1134/S0081543809020175}
\isi{http://gateway.isiknowledge.com/gateway/Gateway.cgi?GWVersion=2&SrcApp=PARTNER_APP&SrcAuth=LinksAMR&DestLinkType=FullRecord&DestApp=ALL_WOS&KeyUT=000268514300017}
\scopus{https://www.scopus.com/record/display.url?origin=inward&eid=2-s2.0-70350073872}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/tm834
  • http://mi.mathnet.ru/rus/tm/v265/p189

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles

    Эта публикация цитируется в следующих статьяx:
    1. Contreras P., Murtagh F., “Fast, Linear Time Hierarchical Clustering Using the Baire Metric”, J. Classif., 29:2 (2012), 118–143  crossref  mathscinet  zmath  isi  scopus
    2. Murtagh F., Contreras P., “Algorithms for Hierarchical Clustering: an Overview”, Wiley Interdiscip. Rev.-Data Mining Knowl. Discov., 2:1 (2012), 86–97  crossref  mathscinet  isi  scopus
    3. Kane J., Naumov P., “Symmetries and Epistemic Reasoning”, Computational Logic in Multi-Agent Systems, Clima XIV, Lecture Notes in Artificial Intelligence, 8143, eds. Leite J., Son T., Torroni P., VanDerTorre L., Woltran S., Springer-Verlag Berlin, 2013, 190–205  zmath  isi
    4. Kane J., Naumov P., “Symmetry in Information Flow”, Ann. Pure Appl. Log., 165:1, SI (2014), 253–265  crossref  mathscinet  zmath  isi  scopus
    5. Murtagh F., “Big Data Scaling Through Metric Mapping: Exploiting the Remarkable Simplicity of Very High Dimensional Spaces Using Correspondence Analysis”, Data Science: Innovative Developments in Data Analysis and Clustering, Studies in Classification Data Analysis and Knowledge Organization, eds. Palumbo F., Montanari A., Vichi M., Springer International Publishing Ag, 2017, 295–306  crossref  isi  scopus
    6. Muntean M., Brandas C., Cirstea T., “Framework For a Symmetric Integration Approach”, Symmetry-Basel, 11:2 (2019), 224  crossref  isi  scopus
  • Труды Математического института им. В. А. Стеклова Proceedings of the Steklov Institute of Mathematics
    Просмотров:
    Эта страница:275
    Полный текст:43
    Литература:42
     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2021