AbstractAim:To propose a modificatio

Abstract
Aim:
To propose a modification of the TWINSPANalgorithm that enables production of divisive classifi-cations that better respect the structure of the data.
Methods:
The proposed modification combines the classi-cal TWINSPAN algorithm with analysis of heterogeneityof the clusters prior to each division. Four differentheterogeneity measures are involved: Whittaker’s beta,total inertia, average S

rensen dissimilarity and averageJaccard dissimilarity. Their performance was evaluatedusing empirical vegetation datasets with different numbersof plots and different levels of heterogeneity.
Results:
While the classical TWINSPAN algorithm divideseach cluster coming from the previous division step, themodified algorithm divides only the most heterogeneouscluster in each step. The four tested heterogeneity measuresmay produce identical or very similar results. However,average Jaccard and S

rensen dissimilarities may reachextreme values in clusters of small size and may produceclassifications with a highly unbalanced cluster size.
Conclusions:
The proposed modification does not alter thelogic of the TWINSPAN classification, but it may changethe hierarchy of divisions in the final classification. Thus,unsubstantiated divisions of homogeneous clusters areprevented, and classifications with any number of terminalclusters can be created, which increases the flexibility of TWINSPAN

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
AIM:
เสนอไอออนบวก Modi Fi ของ TWINSPANalgorithm ที่ช่วยให้การผลิตของไพเพ Fi- แตกแยกคลาสสิกที่ดีกว่าเคารพโครงสร้างของข้อมูล.
วิธีการ:
ไอออนบวก Modi Fi เสนอรวมขั้นตอนวิธี TWINSPAN จัดประเภทไขมันที่มีการวิเคราะห์ heterogeneityof กลุ่มก่อนที่จะมีการแบ่งแต่ละ สี่มาตรการ differentheterogeneity มีส่วนร่วม: เบต้า Whittaker ของความเฉื่อยรวมเฉลี่ย S

Rensen ความแตกต่างและความแตกต่างกัน averageJaccard ผลการดำเนินงานของพวกเขาได้รับการ evaluatedusing ชุดข้อมูลพืชเชิงประจักษ์กับแปลง numbersof ที่แตกต่างกันและระดับที่แตกต่างกันของเซลล์สืบพันธุ์.
ผลการศึกษา:
ในขณะที่กลุ่มอัลกอริทึม TWINSPAN คลาสสิก divideseach มาจากขั้นตอนส่วนก่อนหน้านี้ themodi อัลกอริทึมเอ็ด Fi แบ่งเพียง heterogeneouscluster มากที่สุดในแต่ละขั้นตอน สี่เซลล์สืบพันธุ์ทดสอบ measuresmay ให้ผลลัพธ์ที่เหมือนกันหรือคล้ายกันมาก แต่โดยเฉลี่ย Jaccard และ S

Rensen dissimilarities อาจ reachextreme ค่าในกลุ่มที่มีขนาดเล็กและอาจ produceclassi ไพเพ Fi สำหรับคลัสเตอร์ขนาดไม่สมดุลอย่างมาก.
สรุป:
ไอออนบวก Modi Fi เสนอไม่เปลี่ยนแปลง thelogic ของไอออนบวก TWINSPAN จัดประเภท fi, แต่มันอาจ changethe ลำดับชั้นของหน่วยงานใน สายเอ็นคลาสสิกไฟไอออนบวก ดังนั้นหน่วยงานพร้อมเพรียงของกลุ่มที่เป็นเนื้อเดียวกัน areprevented และไพเพอร์จัดประเภทที่มีจำนวนของ terminalclusters ใด ๆ ที่สามารถสร้างขึ้นซึ่งจะเป็นการเพิ่มความยืดหยุ่นของ TWINSPAN

ผลลัพธ์ (ไทย) 3:

เป้าหมายที่เป็นนามธรรม
:
เสนอ Modi จึงบวกของ twinspanalgorithm ที่ช่วยให้การผลิตแบ่ง classi จึง - ไอออนที่ดีกว่าส่วนโครงสร้างของข้อมูล วิธีสมัครงาน :

จึงเสนอการผสมผสาน classi แคล twinspan ขั้นตอนวิธีการวิเคราะห์เรื่อง heterogeneityof กลุ่มก่อนแต่ละแผนก 4 differentheterogeneity มาตรการที่เกี่ยวข้อง : Whittaker ของเบต้า ความเฉื่อยรวมค่าเฉลี่ยของความแตกต่าง rensen 

และจะ averagejaccard . ประสิทธิภาพของพืช evaluatedusing ข้อมูลเชิงประจักษ์กับแปลง numbersof แตกต่างกันและระดับที่แตกต่างกันของความหลากหลาย :
.
ผลลัพธ์ในขณะที่คลาสสิก twinspan ขั้นตอนวิธี divideseach กลุ่มที่มาจากขั้นตอน ส่วนก่อนหน้านี้ themodi จึงเอ็ดวิธีแบ่งเพียงมากที่สุด heterogeneouscluster ในแต่ละขั้นตอน4 ทดสอบสามารถ measuresmay ผลลัพธ์ที่เหมือนกันหรือคล้ายคลึงกันมาก อย่างไรก็ตาม ค่าเฉลี่ย และ Jaccard S

rensen dissimilarities อาจ reachextreme ค่านิยมในกลุ่มขนาดเล็ก และอาจ produceclassi จึงมีสูง ทำให้ไม่สมดุล ขนาดกลุ่ม .

สรุปเสนอการโมดิ จึงไม่มีการเปลี่ยนแปลง thelogic ของ twinspan classi การถ่ายทอด ,แต่มันอาจ changethe ลำดับชั้นของหน่วยงานใน classi จึงนาลจึงไอออนบวก ดังนั้น การสร้างกลุ่ม areprevented unsubstantiated และไอออนบวกจึง classi กับหมายเลขใด ๆของ terminalclusters สามารถสร้างขึ้นซึ่งช่วยเพิ่ม exibility flของ twinspan