Robust Cluster Analysis (TCLUST)
Robust Cluster Analysis е метод за клъстеризиране, базиран на модели с подрязване (trimmed model-based clustering), въведен от Гарсия-Ескудеро и колеги през 2008 г., който разделя непрекъснати многомерни данни на клъстери, като същевременно устоява на влиянието на аномалии и шум. Чрез отделяне на част от най-несъответстващите наблюдения, той предотвратява замърсяването на възстановената клъстерна структура от случайни точки.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A General Trimming Approach to Robust Cluster Analysis. The Annals of Statistics, 36(3), 1324-1345. DOI: 10.1214/07-AOS515 ↗
- Riani, M., Cerioli, A., Atkinson, A. C., & Perrotta, D. (2014). Monitoring Robust Regression / Robust Clustering. Statistics and Computing. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Trimmed Robust Cluster Analysis (TCLUST). ScholarGate. https://scholargate.app/bg/statistics/robust-cluster-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Клъстерно-робастни стандартни грешкиСтатистика↔ compare
- MM-оценка за робастна регресияСтатистика↔ compare
- Устойчив дискриминантен анализСтатистика↔ compare
- Робустна главна компонента (RPCA)Статистика↔ compare
- Регресия с W-оценител (Уелш / Тюки биквадрат)Статистика↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →