Branch-and-bound applications in combinatorial data analysis / Michael J. Brusco, Stephanie Stahl.
Tipo de material: TextoSeries Statistics and ComputingEditor: New York : Springer, 2005Descripción: xii, 200 p. : il. ; 25 cmISBN: 0387250379 (hbk.)Tema(s): ANÁLISIS COMBINATORIO | ALGORITMOSClasificación CDD: 511.6Tipo de ítem | Ubicación actual | Colección | Signatura | Info Vol | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems |
---|---|---|---|---|---|---|---|---|---|
LIBRO - MATERIAL GENERAL | Biblioteca Jorge Álvarez Lleras Fondo general | Acervo general de Libros | 511.6 B912b (Navegar estantería) | Ej. 1 | 1 | Disponible | 023870 |
Navegando Biblioteca Jorge Álvarez Lleras Estantes, Ubicación: Fondo general, Código de colección: Acervo general de Libros Cerrar el navegador de estanterías
410 T155y Yo no quise decir eso!: cómo la manera de hablar facilita o dificulta nuesta relación con los demás / | 511.5 E931g Graph algorithms / | 511.6 B781i 5a.ed. Introductory combinatorics / | 511.6 B912b Branch-and-bound applications in combinatorial data analysis / | 511.6 W357m Matroid theory / | 511.8 I577 Introducción al diseño y análisis de algoritmos: un enfoque estratégico / | 515 S754c 2a ed. Cálculo infinitesimal / |
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.
No hay comentarios en este titulo.