L’analisi di dati simbolici generalizza alcuni metodi statistici standard al caso di oggetti simbolici (SO). Questi oggetti, informalmente definiti “dati aggregati”, poiché sintetizzano le informazioni relative ad un gruppo di individui, possono essere confrontati al fine di individuare dei cluster, di classificarli o ordinarli in base al loro grado di generalizzazione. L’articolo propone un’estensione dell’algoritmo classico di classificazione K-Nearest Neighbor a tali oggetti. Il risultato di questo algoritmo è ancora un insieme di oggetti simbolici che possono essere studiati mediante altre tecniche di analisi di dati simbolici.

Extending the k-nearest-neighbor classification algorithm to symbolic objects

D'AMATO, CLAUDIA;ESPOSITO, Floriana;MALERBA, Donato;
2003-01-01

Abstract

L’analisi di dati simbolici generalizza alcuni metodi statistici standard al caso di oggetti simbolici (SO). Questi oggetti, informalmente definiti “dati aggregati”, poiché sintetizzano le informazioni relative ad un gruppo di individui, possono essere confrontati al fine di individuare dei cluster, di classificarli o ordinarli in base al loro grado di generalizzazione. L’articolo propone un’estensione dell’algoritmo classico di classificazione K-Nearest Neighbor a tali oggetti. Il risultato di questo algoritmo è ancora un insieme di oggetti simbolici che possono essere studiati mediante altre tecniche di analisi di dati simbolici.
2003
88-8399-053-6
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11586/8350
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact