Clustering by Identification with Special Application to Two-Way Tables of Counts
以对象识别为准则的聚类及其在二维计数表中的应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：文本中的识别指对象分类识别，未涉及因果识别、网络关系或所列其他细分领域。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
以对象识别为准则的聚类及其在二维计数表中的应用
- 研究问题
- 将对象层面的随机测量信息压缩为聚类层面信息后，如何用正确识别对象的概率评价一种聚类划分？
- 方法与思路
- 作者先将给定对象时的测量信息缩减为给定所属聚类时的信息，再用信息损失后的正确识别概率定义划分评价准则。
- 材料陈述的贡献
- 摘要称赋予聚类划分可操作的含义和评价指标，并推导在二维计数表上计算这一识别概率指标的算法。
- 阅读关注点
- 应核对识别规则、对象概率和信息损失的定义，以及算法计算的是给定划分的指标还是同时搜索聚类划分。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；算法细节、计算成本及聚类效果未说明，不能将对象识别解释为因果识别。
原文摘要
The formation of a partition of objects, each with an associated random measurement X, is given operational meaning and a figure of merit. The information about X, given each object, is first reduced to information about X, given the cluster in the partition to which that object belongs. The figure of merit for a partition is then the probability of a correct object identification, on the basis of a realization of X, after the information loss. An algorithm is derived for performing the calculations on two-way tables of counts.