UC知道求高手翻译一下,不要机器翻译,谢谢
来源：百度知道 编辑：UC知道 时间：2024/06/20 07:29:29
1. Introduction
It has long been recognized that not all variables contribute equally to defining cluster structure (DeSarbo, Carroll, Clark, & Green, 1984; De Soete, DeSarbo, & Carroll, 1985; Donoghue, 1990; Fowlkes, Gnanadesikan, & Kettenring, 1988; Gnanadesikan, Kettenring, & Tsao, 1995; Green, Carmone, & Kim, 1990; Milligan, 1989; van Buuren & Heiser, 1989), and the inclusion of variables that do not define cluster structure (coined “masking variables” by Fowlkes & Mallows,1983) can actually degrade the ability of clustering procedures to effectively recover the true cluster structure (Milligan, 1980; 1989). Recently, there has been a virtual well-spring of procedures attempting to determine the subset of variables that define true cluster structures. These procedures have been developed in both the context of model-based clustering (Dy & Brodley, 2004; Law, Figueiredo, & Jain, 2004; Raftery & Dean, 2006) and non-model-based clustering (Brusco & Cradit, 2001; Carmone, Kara, &
It has long been recognized that not all variables contribute equally to defining cluster structure (DeSarbo, Carroll, Clark, & Green, 1984; De Soete, DeSarbo, & Carroll, 1985; Donoghue, 1990; Fowlkes, Gnanadesikan, & Kettenring, 1988; Gnanadesikan, Kettenring, & Tsao, 1995; Green, Carmone, & Kim, 1990; Milligan, 1989; van Buuren & Heiser, 1989), and the inclusion of variables that do not define cluster structure (coined “masking variables” by Fowlkes & Mallows,1983) can actually degrade the ability of clustering procedures to effectively recover the true cluster structure (Milligan, 1980; 1989). Recently, there has been a virtual well-spring of procedures attempting to determine the subset of variables that define true cluster structures. These procedures have been developed in both the context of model-based clustering (Dy & Brodley, 2004; Law, Figueiredo, & Jain, 2004; Raftery & Dean, 2006) and non-model-based clustering (Brusco & Cradit, 2001; Carmone, Kara, &
1 。导言
一直以来，认识到，不是所有的变数平等作出贡献，确定团簇结构（ desarbo ，卡罗尔，克拉克，绿色， 1984年;德soete ， desarbo ， ＆卡罗尔， 1985年;多诺霍， 1990年;福尔克斯，格纳纳德西肯， ＆ kettenring ， 1988年;格纳纳德西肯， kettenring ，与曹兴诚， 1995年;绿色，卡莫纳，与金， 1990年;米利， 1989年;范buuren ＆海舍尔称， 1989年） ，并列入变数，不界定团簇结构（杜撰“掩蔽变数”福尔克斯＆ mallows ， 1983 ）其实可以降解的能力，聚类程序，以有效收回真正的团簇结构（米利， 1980 ; 1989年） 。最近，有一个虚拟良好的春天程序，试图以确定子的变数，界定真正的团簇结构。这些程序已经制定了在这两个背景下基于模型的聚类（颐＆ brodley ， 2004年;法，菲格雷多， ＆ Jain公司， 2004年; raftery ＆院长， 2006年）和非基于模型的聚类（ brusco ＆ cradit ， 2001年;卡莫纳，卡拉，与麦克斯韦， 1999年;弗里德曼＆ meulman ， 2004年; montanari ＆利扎尼， 2001年） 。不包括工作brusco和cradit （ 2001年）和卡莫纳等人（ 1999年） ，当新的程序，介绍了他们通常表现出对少数“生死抉择”数据集和全面的比较，从来没有提供。不幸的是，引入新的变量选择程序，在这种方式的结果在整个收集技术，有没有明确的建议，关于何时使用何种程序。的目的，目前的研究是为了提供一个广泛的比较，最近变量选择技术跨越多种条件。