Klasyfikacja wielomodelowa danych symbolicznych w badaniu innowacyjności krajów Unii Europejskiej

Marcin Pełka

Abstract

Innovations play a very important part of moden economy. They are the key to higher life quality, better jobs and ecology. The innovation policy is a key element of a national and European Union strategy. The aim of the paper is to present an ensemble clustering of European Union countries considering their innovativeness. This approach allowed to discover four different clusters of countries in innovations. In the empirial part symbolicDA and clusterSim packages of R software were used. The ensemble approach allowed to obtain four different clusters.
Author Marcin Pełka (EMaT / DEaCS)
Marcin Pełka,,
- Department of Econometrics and Computer Science
Other language title versionsEnsemble clustering of symbolic data in identification of innovation of European Union countries
Journal seriesEkonometria, ISSN 1507-3866 , e-ISSN 2449-9994, (B 14 pkt)
Issue year2017
No2(56)
Pages42-51
Publication size in sheets0.5
Keywords in Polishdane symboliczne, innowacyjność, klasyfikacja wielomodelowa
Keywords in Englishsymbolic data, innovations, ensemble clustering
Abstract in PolishInnowacje odgrywają coraz to większą rolę w nowoczesnej gospodarce rynkowej. Pozwalają one odnosić korzyści wszystkim obywatelom (producentom, konsumentom i pracownikom). Innowacje mają także kluczowe znaczenie dla poprawy jakości życia, tworzenia lepszych miejsc pracy, a także szeroko rozumianego rozwoju społeczeństwa ekologicznego. Polityka innowacyjności stanowi istotny element polityki na poziomie zarówno krajów, jak i samej Unii Europejskiej. Celem artykułu jest zaprezentowanie przykładu zastosowania podejścia wielomodelowego danych symbolicznych (z zastosowaniem macierzy współwystąpień i metody k-medoidów) w klasyfikacji krajów Unii Europejskiej pod względem ich innowacyjności. W części empirycznej wykorzystano pakiety clusterSim oraz symbolicDA programu R do wykonania obliczeń. W wyniku zastosowania podejścia wielomodelowego zidentyfikowano strukturę czterech różnych klas.
DOIDOI:10.15611/ekt.2017.2.03
URL http://www.dbc.wroc.pl/publication/44176
Languagepl polski
LicenseJournal (articles only); author's original; Uznanie Autorstwa - Użycie Niekomercyjne - Bez utworów zależnych (CC-BY-NC-ND); after publication
File
Pelka_Klasyfikacja_wielomodelowa_danych_symbolicznych_w.pdf 414,26 KB
Score (nominal)14
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back