Skip to main content
SpringerLink
Log in

Clusteranalyse (Automatische Klassifikation)

  • Chapter
Neuere statistische Verfahren und Modellbildung in der Geoökologie

Zusammenfassung

Die Techniken der Clusteranalyse versuchen, eine Menge ungeordneter Objekte so in kleinere, homogene und praktisch nützliche Klassen zu zerlegen, daß in einem wohldefinierten Sinne einander benachbarte Objekte einem Cluster und zueinander unähnliche Objekte verschiedenen Clustern angehören. Mindestens die Abstände (Distanzen) zwischen den Objekten müssen quantifizierbar sein. Hier können sehr viele Eigenschaften der Objekte simultan betrachtet werden. Nach der Ergebnisart unterscheidet man in partitionierende und hierarchische Clusteranalyse-Techniken. Erstgenannte berechnen nur eine Klasseneinteilung (Partition) der Objekte in zueinander elementefremde Cluster. Letztgenannte bilden eine Folge von Partitionen, darstellbar in einem Dendrogramm.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 54.99
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 69.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Zitierte Literatur

  • ANDERSON, T. W. (1984): An introduction to multivariate Statistical analysis.-Wiley, New York

    MATH  Google Scholar 

  • BOCK, H. H. (1974): Automatische Klassifikation.-Vandenhoeck & Ruprecht, Göttingen

    MATH  Google Scholar 

  • FAHRMEIR, L. & HAMERLE, A. (1984): Multivariate statistische Verfahren.-De Gruyter, Berlin

    MATH  Google Scholar 

  • GORDON, A. D. (1981): Classification.-Chapman, London

    MATH  Google Scholar 

  • GREENACRE, M. J. (1984): Theory and application of correspondence analysis.-Academic Press, London

    Google Scholar 

  • HÄRDLE, W. (1990): Applied Nonparametric Regression.-Cambridge University Press, Cambridge

    MATH  Google Scholar 

  • JAMBU, M. & LEBEAUX, M. O. (1983): Cluster analysis and data analysis.-North-Holland, Amsterdam

    MATH  Google Scholar 

  • LEBART, L., MORINEAU, A. & Fenelon, J.-P. (1984): Statistische Datenanalyse.-Akademie-Verlag, Berlin

    MATH  Google Scholar 

  • MILLIGAN, G. W. (1980): An examination of the effect of six types of error perturbation on fifteen clustering algorithms. Psychometrika 45, 325–342

    Article  Google Scholar 

  • MUCHA, H.-J. (1990): Untersuchungen zur Stabilität in der Cluster-und faktoriellen Analyse mit der Software ClusCorrr. In: GLADITZ, J. & TROITZSCH, K. G. (Hrsg.): Computer aided sociological research-CASOR’89-. Akademie-Verlag, Berlin, 163–176

    Google Scholar 

  • MUCHA, H.-J. (1992): Clusteranalyse mit Mikrocomputern.-Akademie Verlag, Berlin

    MATH  Google Scholar 

  • MUCHA, H.-J. & KLINKE, S. (1993): Clustering Techniques in the Interactive Statistical Computing Environment XploRe. Discussion Paper 9318. Institute de Statistique, Universite Catholique de Louvain, Louvain-la-Neuve

    Google Scholar 

  • MUCHA, H.-J. (1994a): Clustering Techniques in the Computing Environment XploRe. Proc. 17th. Annual Conference of the GfKl, Univ. of Kaiserslautern, 1993, In: BOCK, H. H., LENSKI, W. & RICHTER, M. M. (Eds.): Information Systems and Data Analysis. Springer-Verlag, Heidelberg, 259–268

    Google Scholar 

  • MUCHA, H.-J. (1994b, Forthcoming): Clustering Techniques.-Springer-Verlag, Berlin

    Google Scholar 

  • RAND, W. M. (1971): Objective criteria for the evaluation of clustering methods. Journal of the American Statistical Association 66, 846–850

    Article  Google Scholar 

  • RAO, C. R. (1973): Lineare statistische Methoden und ihre Anwendungen.-Akademie-Verlag, Berlin

    MATH  Google Scholar 

  • SOKAL, R. R. & SNEATH, P. H. H. (1963): Principles of Numerical Taxonomy.-Freeman, San Francisco

    Google Scholar 

  • SPÄTH, H. (1977): Cluster-Analyse-Algorithmen.-Oldenbourg Verlag, München

    MATH  Google Scholar 

  • SPÄTH, H. (1983): Cluster-Formation und-Analyse.-Oldenbourg Verlag, München

    MATH  Google Scholar 

  • WARD, J. H. (1963): Hierarchical grouping methods to optimise an objective function. Journal of the American Statistical Association 58, 236–244

    Article  MathSciNet  Google Scholar 

  • WISHART, D. (1984): CLUSTAN. Benutzerhandbuch.-Fischer Verlag, Stuttgart

    MATH  Google Scholar 

Download references

Authors
  1. Hans-Joachim Mucha
    View author publications

    You can also search for this author in PubMed Google Scholar

Editor information

Editors and Affiliations

  1. Institut für Geographie, Christian-Albrechts-Universität zu Kiel, Ludewig-Meyn-Straße 14, Kiel, D-24098, Deutschland

    Winfried Schröder M.A.  & Otto Fränzle  & 

  2. ifp - Institut für Planungsdaten in der Stadt- und Regionalplanung GmbH, Dreieichring 2, D-63067, Offenbnach am Main, Deutschland

    Lutz Vetter

Rights and permissions

Reprints and permissions

Copyright information

© 1994 Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig / Wiesbaden

About this chapter

Cite this chapter

Mucha, HJ. (1994). Clusteranalyse (Automatische Klassifikation). In: Schröder, W., Vetter, L., Fränzle, O. (eds) Neuere statistische Verfahren und Modellbildung in der Geoökologie. Vieweg+Teubner Verlag. https://doi.org/10.1007/978-3-322-83735-6_8

Download citation

  • DOI: https://doi.org/10.1007/978-3-322-83735-6_8

  • Publisher Name: Vieweg+Teubner Verlag

  • Print ISBN: 978-3-528-06448-8

  • Online ISBN: 978-3-322-83735-6

  • eBook Packages: Springer Book Archive

Publish with us

Policies and ethics

Search

Navigation