008161119s2015        flu          o          000  0  eng  d
■001ocn963587904
■003OCoLC
■00520180104063114.2
■006m          o    d                
■007cr  |n|---|||||
■040    ▼aEBLCP▼beng▼epn▼cEBLCP▼dOCLCO▼dOCLCQ▼dCHVBK▼dOCLCO▼dIDB▼dN$T▼dMERUC▼dCRCPR▼dOCLCQ
■020    ▼a9781466551893▼q(electronic  bk.)
■020    ▼a1466551895▼q(electronic  bk.)
■0291  ▼aCHNEW▼b000902037
■0291  ▼aCHVBK▼b403385024
■035    ▼a(OCoLC)963587904
■050  4▼aQA278.H3456  2016
■072  7▼aMAT▼x003000▼2bisacsh
■072  7▼aMAT▼x029000▼2bisacsh
■08204▼a519.53
■049    ▼aMAIN
■1001  ▼aHennig,  Christian.
■24510▼aHandbook  of  Cluster  Analysis
■260    ▼aBoca  Raton▼bCRC  Press▼c2015
■300    ▼a1  online  resource  (753  pages).
■336    ▼atext▼btxt▼2rdacontent
■337    ▼acomputer▼bc▼2rdamedia
■338    ▼aonline  resource▼bcr▼2rdacarrier
■4901  ▼aChapman  &  Hall/CRC  Handbooks  of  Modern  Statistical  Methods
■5880  ▼aPrint  version  record.
■5050  ▼aFront  Cover;  Contents;  Preface;  Editors;  Contributors;  Chapter  1:  Cluster  Analysis:  An  Overview;  Abstract;  1.1  Introduction;  1.2  Dimensions  (Dichotomies)  of  Clustering;  1.2.1  By  Type  of  Clustering:  Hard  vs.  Soft;  1.2.2  By  Type  of  Clustering:  Flat  vs.  Hierarchical;  1.2.3  By  Data  Type  or  Format;  1.2.4  By  Clustering  Criterion:  (Probabilistic)  Model-Based  vs.  Cost-Based;  1.2.5  By  Regime:  Parametric  (K  Is  Input)  vs.  Nonparametric  (Smoothness  Parameter  Is  Input);  1.3  Types  of  Clusterings;  1.4  Data  Formats;  1.5  Clustering  Approaches;  1.5.1  Centroid-Based  Clustering.
■5058  ▼a1.5.2  Agglomerative  Hierarchical  Methods1.5.3  Spectral  Clustering;  1.5.4  Mixture  Probability  Models;  1.5.5  Density-Based  Clustering;  1.5.6  Other  Probability  Models;  1.5.7  Further  Clustering  Approaches;  1.6  Cluster  Validation  and  Further  Issues;  1.6.1  Approaches  for  Cluster  Validation;  1.6.2  Number  of  Clusters;  1.6.3  Variable  Selection,  Dimension  Reduction,  Big  Data  Issues;  1.6.4  General  Clustering  Strategy  and  Choice  of  Method;  1.6.5  Clustering  Is  Different  from  Classification;  References;  Chapter  2:  A  Brief  History  of  Cluster  Analysis;  Abstract;  2.1  Introduction;  2.2  Methods.
■5058  ▼a2.2.1  Hierarchical  Methods2.2.2  Minimal  Spanning  Tree;  2.2.3  Partitioning  Methods;  2.2.4  Mixture  Modeling;  2.2.5  Spectral  Clustering;  2.3  Applications;  2.4  Surveys  of  Clustering  and  an  Online  Digital  Resource;  References;  Section  I:  Optimization  Methods;  Chapter  3:  Quadratic  Error  and  k-Means;  Abstract;  3.1  Conventional  k-Means  Clustering;  3.1.1  General;  3.1.2  Three  Frameworks  for  the  Square-Error  Criterion;  3.2  Equivalent  Reformulations  of  k-Means  Criterion;  3.2.1  Anomalous  Clustering  Criterion;  3.2.2  Inner-Product  k-Means  Criterion.
■5058  ▼a3.2.3  Kernel-Wise  Criterion  of  Maximization  of  the  Semi-Averaged  Internal  Similarities3.2.4  Spectral  Rayleigh  Quotient  Formulation;  3.3  Challenges  for  k-Means  Criterion  and  Algorithm;  3.3.1  Properties  of  the  Criterion;  3.3.2  Different  Clustering  Structures;  3.3.3  Initialization  of  k-Means;  3.3.4  Getting  a  Deeper  Minimum;  3.3.5  Interpretation  Aids;  3.3.6  Feature  Weighting,  Three-Stage  k-Means,  and  Minkowski  Metric;  3.4  Notes  on  Software  for  k-Means;  Acknowledgments;  References;  Chapter  4:  K-Medoids  and  Other  Criteria  for  Crisp  Clustering;  Abstract;  4.1  Introduction;  4.2  K-Medoids.
■5058  ▼a4.2.1  The  Problem4.2.2  Algorithms;  4.2.3  Choosing  the  Number  of  Clusters;  4.2.4  Advantages  of  K-Medoids;  4.3  Example  and  Software;  4.3.1  Example:  Classifying  Animals;  4.3.2  Software  Implementations;  4.4  Other  Crisp  Clustering  Methods;  4.4.1  K-Midranges;  4.4.2  K-Modes;  4.5  Conclusion  and  Open  Problems;  References;  Chapter  5:  Foundations  for  Center-Based  Clustering:  Worst-Case  Approximations  and  Modern  Developments;  Abstract;  5.1  Approximation  Algorithms  for  k-Means  and  k-Median;  5.2  Lloyd's  Method  for  k-Means;  5.3  Properties  of  the  k-Means  Objective;  5.4  Local  Search-Based  Algorithms.
■500    ▼a5.4.1  Bounding  the  Cost  of  a  Swap.
■5202  ▼a"Handbook  of  Cluster  Analysis  provides  a  comprehensive  and  unified  account  of  the  main  research  developments  in  cluster  analysis.  Written  by  active,  distinguished  researchers  in  this  area,  the  book  helps  readers  make  informed  choices  of  the  most  suitable  clustering  approach  for  their  problem  and  make  better  use  of  existing  cluster  analysis  tools.  The  book  is  organized  according  to  the  traditional  core  approaches  to  cluster  analysis,  from  the  origins  to  recent  developments.  After  an  overview  of  approaches  and  a  quick  journey  through  the  history  of  cluster  analysis,  the  book  focuses  on  the  four  major  approaches  to  cluster  analysis.  These  approaches  include  methods  for  optimizing  an  objective  function  that  describes  how  well  data  is  grouped  around  centroids,  dissimilarity-based  methods,  mixture  models  and  partitioning  models,  and  clustering  methods  inspired  by  nonparametric  density  estimation.  The  book  also  describes  additional  approaches  to  cluster  analysis,  including  constrained  and  semi-supervised  clustering,  and  explores  other  relevant  issues,  such  as  evaluating  the  quality  of  a  cluster.  This  handbook  is  accessible  to  readers  from  various  disciplines,  reflecting  the  interdisciplinary  nature  of  cluster  analysis.  For  those  already  experienced  with  cluster  analysis,  the  book  offers  a  broad  and  structured  overview.  For  newcomers  to  the  field,  it  presents  an  introduction  to  key  issues.  For  researchers  who  are  temporarily  or  marginally  involved  with  cluster  analysis  problems,  the  book  gives  enough  algorithmic  and  practical  details  to  facilitate  working  knowledge  of  specific  clustering  areas."--Provided  by  publisher.
■590    ▼aeBooks  on  EBSCOhost▼bAll  EBSCO  eBooks
■650  0▼aCluster  analysis
■650  0▼aSpatial  analysis
■650  7▼aMATHEMATICS▼xApplied.▼2bisacsh
■650  7▼aMATHEMATICS▼xProbability  &  Statistics▼xGeneral.▼2bisacsh
■655  4▼aElectronic  books.
■7001  ▼aMeila,  Marina.
■7001  ▼aMurtagh,  Fionn.
■7001  ▼aRocci,  Roberto.
■77608▼iPrint  version▼aHennig,  Christian.▼tHandbook  of  Cluster  Analysis.▼dBoca  Raton  :  CRC  Press,  ©2015▼z9781466551886
■830  0▼aChapman  &  Hall/CRC  handbooks  of  modern  statistical  methods.
■85640▼uhttp://search.ebscohost.com/login.aspx?direct=true&scope=site&db=nlebk&AN=1499497
■938    ▼aCRC  Press▼bCRCP▼n9781466551893
■938    ▼aEBL  -  Ebook  Library▼bEBLB▼nEBL4742894
■938    ▼aEBSCOhost▼bEBSC▼n1499497