臺灣博碩士論文加值系統

傳統資料的分群結果經常受限於所選用的距離，本文提出將傳統資料轉換成網絡的概念，再藉由網絡的分群技術達到資料分群的效果。我們將每筆資料進行資訊擴充並將每筆資料視為網絡上的點，接著使用多維資料雙樣本檢定的方法來判定哪些資料具有連結，最後再對此網絡進行分群。實證結果顯示，我們的方法具有較穩定的分群效果。

The results of classification of traditional data are frequently limited to the choice of the distance. We provide a new concept of converting the traditional data into a network, and then using the network clustering technology to obtain the result of classification. First, we extend information of each data and treat it as a node of the network. Second, use the multivariate two-sample test method to determine whether two nodes have a link between them. Finally, we cluster this network. The empirical results show that our method has a relatively stable clustering effect.

致謝詞 I
中文摘要 II
英文摘要 III
圖目錄 III
表目錄 V
第1章 緒論 1
第2章 文獻回顧 2
第1節 傳統分群方法 2
第2節 分群演算法之評價指標:RAND INDEX(RI) 7
第3章 研究方法 8
第4章 實驗結果 15
第1節 研究資料介紹 15
第2節 研究方法中的變數選擇 17
第3節 實際數據的實驗結果 20
第5章 結論 24
參考文獻 25

[1]謝凱名 (2009)，結合 FCM 及 PSO 處理動態模糊分群問題，私立大同大學資訊經營所，研究所碩士論文。
[2]翁碩妤(2014)，網絡資料分群方法的比較，國立高雄大學統計所，研究所碩士論文。
[3]戴章庭(2013)，高維離散型資料之K樣本檢定，國立高雄大學統計所，研究所碩士論。
[4]Bezdec, J. C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms.
[5]Marsaglia, G., Tsang, W. W. and Wang, J. (2003). Evaluating Kolmogorov's distribution. Journal of Statistical Software, 8, Issue 18.
[6]Girvan, M. and Newman, M. E. (2002). Community structure in social and biological networks. Proceedings of the National Academy of Sciences, 99, 7821-7826.
[7]Massey, F. J., Jr (1951). The Kolmogorov-Smirnov test for goodness of fit. Journal of the American Statistical Association, 46, 68-78.
[8]Miller, L. H. (1956). Table of percentage points of Kolmogorov statistics. Journal of the American Statistical Association, 51, 111-121.
[9]Rand, W. M. (1971). Objective criteria for the evaluation of clustering methods. Journal of American Statistical Association, 66, 846-850.
[10]Seber, G. A. F. (1984). Multivariate Observations.
[11]Späth, H. (1985). Cluster Dissection and Analysis.
[12]Székely, G. J. and Rizzo, M. L. (2004). Mean distance test of Poisson distribution. Statistics and Probability Letters, 67, 241-247
[13]Newman, M. E. J. (2004). Fast algorithm for detecting community structure in networks. Physical Review E, 69, 066133.
[14]Newman, M. E. J. (2006). Finding community structure in networks ssing the eigenvectors of matrices. Physical Review E, 74, 036104.