MultiDendrograms

MultiDendrograms ist eine einfache, aber leistungsfähige Anwendung, um die Hierarchical Clustering von realen Daten, unter einer Open Source Lizenz vertrieben. & Nbsp; ausgehend von einem Strecken (oder Gewichte) Matrix berechnet MultiDendrograms seine Dendrogramm mit den gängigsten Agglomerative Hierarchical Clustering-Algorithmen ermöglicht die Abstimmung der viele der grafischen Darstellungsparameter und die Ergebnisse leicht in eine Datei exportiert werden. Eine Zusammenfassung der Eigenschaften:
- Multiplattform: in Java entwickelt wurde, läuft in allen Betriebssystemen (zB Windows, Linux und MacOS).
- Grafische Benutzeroberfläche: Datenselektion, hierarchisches Clustering-Optionen, Dendrogramm Darstellungsparameter, Navigation über das Dendrogramm, Abweichung Maßnahmen.
- Hierarchical Clustering-Algorithmen implementiert: variable-Gruppe Einzel Linkage, komplette Linkage, ungewichtete Durchschnitt Gewichteter Durchschnitt, ungewichtete Flächenschwerpunkt, gewichteten Flächenschwerpunkt und Joint-in zwischen.
- Darstellung Parameter: Größe, Ausrichtung, Etiketten, Achse etc.
- Abweichung Maßnahmen: Cophenetic Korrelationskoeffizient, normalisierte mittlere quadratische Fehler und normalisierte mittlere absolute Fehler.
- Export: ultrametrische Matrix Dendrogramm Angaben in Text und Newick Baum Formaten.
- Grundstück: Dendrogramm Bild in JPG, PNG und EPS-Formate.
MultiDendrograms setzt die Variable-Gruppe Algorithmen, um die Nicht-Eindeutigkeit Problem bei den Standard-pair-Gruppe Algorithmen und Implementierungen gefunden zu lösen. Das Problem entsteht, wenn zwei oder mehr Mindestabstände zwischen verschiedenen Clustern während der Verschmelzung Prozess gleich sind. Der Standardansatz besteht in der Auswahl eines Paares, brechen die Bindungen zwischen Entfernungen, und geht auf die gleiche Weise, bis die endgültige hierarchische Klassifikation erhalten wird. Jedoch sind verschiedene Clusterings möglich, je nach dem Kriterium verwendet werden, um die Bande zu brechen (in der Regel ein Paar gerade zufällig gewählt!).
Die Variable-Gruppe Algorithmen Gruppe mehr als zwei Cluster in der gleichen Zeit, in der Bindungen auftreten, Anlass zu einer grafischen Darstellung genannt multidendrogram. Ihre Haupteigenschaften sind:
- Wenn es keine Krawatten, geben die variablen Gruppe Algorithmen die gleichen Ergebnisse wie die Paar-Gruppe diejenigen.
- Sie geben immer eine eindeutig bestimmte Lösung.
- In der multidendrogram Darstellung für die Ergebnisse kann man explizit das Auftreten von Bindungen zu beobachten während des Agglomerationsprozesses. Darüber hinaus darf die Höhe von Fusionsintervall (die Bands im Programm) gibt den Grad der Heterogenität innerhalb der entsprechenden Cluster

Anforderungen .

• Java 2 Standard Edition Runtime Environment