Biblioteca
Normal view MARC view ISBD view

Branch-and-bound applications in combinatorial data analysis / Michael J. Brusco, Stephanie Stahl.

By: Brusco, Michael J.
Contributor(s): Stahl, Stephanie.
Material type: materialTypeLabelBookSeries: Statistics and Computing.Publisher: New York : Springer, 2005Description: xii, 200 p. : il. ; 25 cm.ISBN: 0387250379 (hbk.).Subject(s): ANÁLISIS COMBINATORIO | ALGORITMOSDDC classification: 511.6
Contents:
Introduction.- An Introduction to Branch-and-Bound Methods for Partitioning.- Minimum-Diameter Partitioning.- Minimum Within-Cluster Sums of Dissimilarities Partitioning.- Minimum Within-Cluster Sums of Squares Partitioning.- Multiobjective Partitioning.- Introduction to the Branch-and-Bound Paradigm for Seriation.- Maximization of a Dominance Index.- Seriation--Maximization of Gradient Indices.- Seriation--Unidimensional Scaling.- Seriation--Multiobjective Seriation.- An Introduction to Branch-and-Bound Methods for Variable Selection.- Variable Selection for Cluster Analysis.- Variable Selection for Regression Analysis.
Summary: Hay una variedad de problemas de optimización combinatoria que son relevantes para el examen de los datos estadísticos. Surgen problemas combinatorios en la agrupación de una colección de objetos, la seriación (secuenciación o de pedido) de los objetos, y la selección de variables para el posterior análisis estadístico multivariante, tales como regresión. Las opciones para la elección de una estrategia de solución en el análisis de datos combinatoria puede ser abrumador. Debido a que algunos problemas son demasiado grandes o intratable para una estrategia de solución óptima, muchos investigadores a desarrollar un exceso de confianza en los métodos heurísticos para resolver todos los problemas combinatorios. Sin embargo, con la potencia de los ordenadores cada vez más accesible y cada vez mejores metodologías, estrategias de solución óptimas han ganado popularidad por su capacidad para reducir la incertidumbre innecesaria. En esta monografía, el óptimo se obtiene para no problemas trivialmente tamaño a través del paradigma rama-y-bound. Para muchos problemas combinatorios, se han propuesto y / o desarrollado enfoques rama-and-bound. Sin embargo, hasta ahora, no ha habido un solo recurso en análisis de datos estadísticos para resumir e ilustrar los métodos disponibles para la aplicación del proceso rama-y-bound. Esta monografía ofrece clara texto explicativo, las matemáticas y algoritmos ilustrativos, demostraciones del proceso iterativo, psuedocode y ejemplos bien desarrollados para aplicaciones del paradigma branch-and-atado a problemas importantes en el análisis de datos combinatoria. Material complementario, tales como los programas de ordenador, se proporcionan en la World Wide Web.
Tags from this library: No tags from this library for this title. Log in to add tags.
    average rating: 0.0 (0 votes)
Item type Current location Collection Call number Vol info Copy number Status Date due Barcode Item holds
LIBRO - MATERIAL GENERAL LIBRO - MATERIAL GENERAL Biblioteca Jorge Álvarez Lleras
Fondo general
Acervo general de Libros 511.6 B912b (Browse shelf) Ej. 1 1 Available 023870
Total holds: 0

Incluye bibliografía e indices

Introduction.- An Introduction to Branch-and-Bound Methods for Partitioning.- Minimum-Diameter Partitioning.- Minimum Within-Cluster Sums of Dissimilarities Partitioning.- Minimum Within-Cluster Sums of Squares Partitioning.- Multiobjective Partitioning.- Introduction to the Branch-and-Bound Paradigm for Seriation.- Maximization of a Dominance Index.- Seriation--Maximization of Gradient Indices.- Seriation--Unidimensional Scaling.- Seriation--Multiobjective Seriation.- An Introduction to Branch-and-Bound Methods for Variable Selection.- Variable Selection for Cluster Analysis.- Variable Selection for Regression Analysis.

Hay una variedad de problemas de optimización combinatoria que son relevantes para el examen de los datos estadísticos. Surgen problemas combinatorios en la agrupación de una colección de objetos, la seriación (secuenciación o de pedido) de los objetos, y la selección de variables para el posterior análisis estadístico multivariante, tales como regresión. Las opciones para la elección de una estrategia de solución en el análisis de datos combinatoria puede ser abrumador. Debido a que algunos problemas son demasiado grandes o intratable para una estrategia de solución óptima, muchos investigadores a desarrollar un exceso de confianza en los métodos heurísticos para resolver todos los problemas combinatorios. Sin embargo, con la potencia de los ordenadores cada vez más accesible y cada vez mejores metodologías, estrategias de solución óptimas han ganado popularidad por su capacidad para reducir la incertidumbre innecesaria. En esta monografía, el óptimo se obtiene para no problemas trivialmente tamaño a través del paradigma rama-y-bound.
Para muchos problemas combinatorios, se han propuesto y / o desarrollado enfoques rama-and-bound. Sin embargo, hasta ahora, no ha habido un solo recurso en análisis de datos estadísticos para resumir e ilustrar los métodos disponibles para la aplicación del proceso rama-y-bound. Esta monografía ofrece clara texto explicativo, las matemáticas y algoritmos ilustrativos, demostraciones del proceso iterativo, psuedocode y ejemplos bien desarrollados para aplicaciones del paradigma branch-and-atado a problemas importantes en el análisis de datos combinatoria. Material complementario, tales como los programas de ordenador, se proporcionan en la World Wide Web.

There are no comments for this item.

Log in to your account to post a comment.

Click on an image to view it in the image viewer