返回
Sequence analysis for large databases
DOI:10.1332/17579597y2026d000000078.png)
摘要
En 中文
本文开发并综述了在大型数据库中创建序列分析类型学的方法。创建此类类型学的标准方法依赖于计算所有观察值之间的距离,这在大型数据库中很快变得难以处理,即使使用现代计算机也是如此。我们首先讨论CLARA算法,然后将其扩展到最近为序列分析提出的方法,包括模糊和代表性聚类。通过模拟评估这些方法的优点,这进一步允许得出一些实用指导原则。接下来,我们讨论三种在不计算所有距离的情况下衡量聚类质量的方法。第一种基于自助法,第二种基于代表序列(即中心点)。然后,我们介绍一种基于聚类稳定性的创新方法,这进一步允许评估聚类算法的收敛性。这些方法通过一项针对印度家庭轨迹(超过18万个案例)的研究进行说明。所有方法均可在WeightedCluster R软件包中使用。
Keyword:
sequence analysis
cluster analysis
large databases
dissimilarity
cluster validation
life courses

